基于PCA-SSA-LSTM的余热锅炉状态监测模型

为了实现对余热锅炉的状态监测,保证余热锅炉的健康运行,使用余热锅炉健康运行时的数据并结合主成分分析（PCA）、麻雀搜索算法（SSA）、长短期记忆网络（LSTM）3种方法建立余热锅炉三压力级主蒸汽温度和压力预测模型。使用PCA将模型输入参数从22维降到9维,并以再热蒸汽温度预测模型为例进行分析,发现经PCA降维的模型与未经PCA降维的模型相比缩减了11.3%的超参数寻优时间。使用SSA对LSTM超参数寻优之后分别建立6个主蒸汽温度、压力预测模型,与未使用SSA的模型相比,这些模型的决定系数有了显著的提升,平均绝对误差与均方根误差有了显著的下降。因此基于PCA-SSALSTM的余热锅炉状态监测模型训练时间短,预测精度高,同时该模型给燃气轮机联合循环电厂余热锅炉的故障监测与诊断提供了理论依据和技术支持。