关键词:
PCA
BiLSTM
中速磨煤机
故障预警
深度学习模型
摘要:
为改善电厂传统固定阈值法在磨煤机故障预警中的准确率,消除预警策略的滞后性,建立基于主成分分析-双向长短时记忆神经网络(PCA-BiLSTM)的磨煤机状态预测模型,并提出结合均值-标准差控制图法的磨煤机故障预警策略。使用PCA算法对磨煤机众多测点数据进行降维,得到的主成分F1-F6方差累计贡献率达到96%,BiLSTM多变量预测模型采用堆叠架构。建立的PCA-BiLSTM模型对磨煤机出口温度预测有较好的拟合效果,测试集的均方根误差、绝对百分比误差与准确度分别为0.320,0.37%和0.982。最后通过某电厂中速磨煤机故障实例验证了算法的可行性,PCA-BiLSTM多变量预测模型可提前110 s完成故障预警,有效提高了电厂磨煤机运行的经济性与安全性。