基于PSO-Attention-LSTM算法的煤电脱硫脱硝运行状态预测方法
侯深
祝业青
李祥
潘云
国电环境保护研究院有限公司,江苏南京 210000
摘要：煤电脱硫脱硝的正常运行对电力系统的安全稳定有着重要影响,但是传统预测方法存在准确率不高的问题,因此提出一种改进PSO-Attention-LSTM的煤电脱硫脱硝运行状态预测方法.首先,建立优化煤电脱硫脱硝运行状态的主要指标及其权重指标,在数据输入阶段,通过PSO-Attention-LSTM获取运行状态数据相关的时空特征,对煤电脱硫脱硝运行状态作出预测,完成煤电脱硫脱硝潜在性故障的预警信息.试验结果显示,该预测方法对煤电脱硫脱硝运行状态的预测精度在84％,能够较好准确预测煤电脱硫脱硝的运行状态,可用于煤电脱硫脱硝运维管理的参考辅助.
关键词：煤电脱硫脱硝状态预测粒子群优化注意力机制长短期记忆网络
分类号：TM31(电机)F416.21(世界工业经济)
论文发表日期：2024-08-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 60-64 )
英文信息