基于LSTM深度学习模型的锅炉加热器故障诊断方法

摘要：

为实时排查锅炉加热器故障,降低人力维护成本的同时确保其稳定运行,提出一种基于LSTM(Long Short-Term Memory,长短期记忆网络)深度学习模型的锅炉加热器故障诊断方法.将单数据包动态分配到不同节点,优化信息素更新模式,引入信息素负载调节因子,使用蚁群优化算法采集锅炉加热器运行数据;利用时间序列分析明确异常值特征并创建异常组合模型,使用迭代检验法实现锅炉加热器数据清洗,保证故障诊断结果可靠性;通过LSTM深度学习模型筛选强、弱关联数据,划分锅炉加热器典型故障征兆,标准化处理数据训练集,计算实际值和评估值的差异损失,完成故障诊断目标.实验结果表明,所提方法故障诊断精准度高、时效性强,具有优秀的鲁棒性,可为快速诊断锅炉加热器故障提供参考.

关键词：LSTM深度学习、锅炉加热器、故障诊断、蚁群优化算法、数据清洗

所属期刊栏目：52

分类号：TK229(蒸汽动力工程)

资助基金：国网浙江省电力有限公司双创项目;浙江省科技项目

在线出版日期：2023-11-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：69-73,76