Abnorme Temperaturen im Stator-Eisenkern eines Generators können zu schwerwiegenden Problemen wie der Alterung von Isoliermaterialien und Wicklungskurzschlüssen führen, was die Gesamtleistung und Lebensdauer des Generators beeinträchtigt. Es wird ein auf FFCM-MHDA-iTransformer basierendes Vorhersagemodell für die Temperatur des Stator-Eisenkerns von Turbinengeneratoren vorgeschlagen, das die verbesserte Transformer-Architektur, nämlich das invertierte Transformer-Modell (iTransformer), vollständig nutzt. Dieses verwendet eine invertierte Zeitreihenkodierung, um die Beschränkungen von Transformern bei der Verarbeitung multivariabler Korrelationen zu überwinden; ein fusionierter Fourier-Konvolutionsmixer (fused Fourier convolution mixer, FFCM) wird zur lokalen Merkmalsextraktion und Verstärkung von Zeitreihendaten eingesetzt; der traditionelle Selbstaufmerksamkeitsmechanismus wird durch einen Multi-Head-Differential-Attention-Mechanismus (MHDA) ersetzt, der Aufmerksamkeitsrauschen effektiv eliminiert und das Modell dazu bringt, sich auf Schlüsselinformationen zu konzentrieren. Nach Training und Validierung zeigt das Modell eine höhere Vorhersagegenauigkeit im Vergleich zu anderen führenden Vorhersagemodellen, hilft dabei, potenzielle Fehler rechtzeitig zu erkennen und Stillstandszeiten zur Wartung zu vermeiden. Damit besitzt es einen wichtigen praktischen Wert für den stabilen Betrieb von Turbinengeneratoren und verbessert die Genauigkeit und Anwendbarkeit der Temperaturvorhersagetechnologie effektiv.

Turbinengenerator; Temperaturvorhersage des Stator-Eisenkerns; iTransformer-Modell; fusionierter Fourier-Konvolutionsmixer; Multi-Head-Differential-Attention-Mechanismus