柔軟なピークシフトの背景では、直接空気冷却ユニットの負荷のダイナミックな変化と環境要因に対応するために、直接空気冷却ユニットの背圧をオンライン学習するニューラルネットワーク手法が提案されています。まず、歴史データをクリーニングし、Spearman相関分析を使用して運転背圧に影響する低冗長な重要な特徴を特定します。そして、Hammersteinモデルを使用して背圧をモデルのパラメータをオンラインで識別します。同時に、直接空気冷却ユニットの背圧予測モデルを構築するために、長短期記憶ニューラルネットワークと注意メカニズムを使用し、モデルをオンラインで更新します。実験結果によると、このモデルは将来の1時間以内のさまざまな時間スパンの背圧の絶対的なパーセント誤差（MAPE）が9％未満であり、30秒以内の背圧のMAPEが1％未満であることが示されました。最後に、実際の発電所システムでモデルが安定して実行されることが確認されました。この研究の成果は、直接空気冷却ユニットの背圧のリアルタイム予測に効果的な手法を提供し、柔軟なピークシフト直接空気冷却ユニットの運転と管理に重要な意味を持っています。

直接空気冷却ユニット;背圧予測;オンライン学習;注意メカニズム;長短期記憶ニューラルネットワーク