Une température anormale du noyau du stator du générateur peut entraîner des problèmes graves tels que le vieillissement des matériaux d'isolation, les courts-circuits des enroulements, affectant ainsi les performances globales et la durée de vie du générateur. Nous proposons un modèle de prédiction de la température du noyau du stator du générateur à vapeur basé sur FFCM-MHDA-iTransformer, exploitant pleinement l'architecture Transformer améliorée, à savoir le modèle Transformer inversé (iTransformer), qui utilise un codage temporel inversé pour résoudre les limitations du Transformer dans le traitement de la corrélation multivariée ; nous adoptons le mélangeur de convolution de Fourier fusionné (fused Fourier convolution mixer, FFCM) pour extraire et renforcer les caractéristiques locales des données temporelles ; et utilisons le mécanisme d'attention différentielle multi-têtes (multi-head differential attention, MHDA) pour remplacer l'attention auto-traditionnelle, supprimant efficacement le bruit d'attention et incitant le modèle à se concentrer sur les informations clés. Après entraînement et validation, ce modèle présente une précision de prédiction plus élevée par rapport aux autres modèles principaux, aidant à détecter les pannes potentielles en temps opportun et à éviter les arrêts de maintenance, ce qui a une valeur d'application importante pour garantir le fonctionnement stable du générateur à vapeur, améliorant efficacement la précision et la praticité de la technologie de prédiction de la température.

générateur à vapeur; prédiction de la température du noyau du stator; modèle iTransformer; mélangeur de convolution de Fourier fusionné; mécanisme d'attention différentielle multi-têtes