10.3969/j.issn.1007-7324.2024.01.002
基于循环神经网络的压缩机组性能预测模型
压缩机组运行中关键参数监测取值是判断机组是否正常运行的主要影响因素,但当前在各个基层站场,大量的数据仅保存为备份文件作为事故发生后查找原因的途径,并没有被有效的利用.提出了基于循环神经网络的压缩机组性能预测模型,利用数据节点表示首先离散化监测数据取值,以减少数据冗余,之后依据相关系数获得不同时间点内各个参数之间的相关度,通过近邻节点挖掘获得关键参数的时序近邻节点集,并作为循环神经网络的训练集来预测关键参数的取值,以此判断机组的运行状态.以数据采集与监控系统(SCADA)数据集进行实验验证,结果表明所提模型对出口温度的预测取值具有较好的性能,对其中一次典型出口温度异常事件的评价指标绝对平均误差和均方根误差值分别为0.88和0.92,进一步表明所提模型具有较强的泛化能力和预测准确度.
压缩机组、循环神经网络、大数据、数据采集与监控系统、预测模型
60
TP273(自动化技术及设备)
西一线站控系统升级改造项目GWLH132022085
2024-02-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
6-12