基于工况参数和改进LSTM的空冷器热风温度预测OA北大核心CSTPCD

针对传统抽水蓄能电站技术供水系统存在的智能化水平偏低,供水对象的温度与许多参数变量之间相互耦合的问题,建立了基于工况参数和改进长短期记忆(LSTM)神经网络的发电机空气冷却器热风温度预测模型.首先对原始数据进行清洗,其次采用随机森林(RF)特征降维,对参与目标预测的诸多高维测点变量进行重要度排序,验证所提的工况参数与预测对象温度的相关性,最后再将其输入PSO-LSTM神经网络进行模型的求解.将所提的基于工况参数和改进LSTM方法与最小二乘法、BP神经网络以及原始的LSTM方法进行对比.结果表明,所提模型能有效预测发电机空气冷却器热风温度,相较其他的模型,预测误差能够下降50%左右,同时拥有更优的预测稳定性.