유연한 피크 운영의 맥락에서 직접 냉각 장치의 동적인 하중 변화와 환경 요인 간의 적응을 위해 직접 냉각 장치의 작동 압력을 예측하기 위한 온라인 학습 신경망 방법이 제안되었습니다. 먼저, 역사적 자료를 정리하고 작동 압력에 영향을 주는 중요하면서도 낮은 중복성의 특징을 스피어만 상관 분석을 통해 확인합니다. 그 다음, 해머스타인 모델을 사용하여 운영 압력의 모델 파라미터를 온라인으로 식별합니다. 동시에, 단기 및 장기 기억 신경망 및 주의 메커니즘을 사용하여 직접 냉각 장치의 작동 압력을 예측하는 모델을 만들고 온라인 학습을 통해 모델을 업데이트 합니다. 실험 결과에 따르면, 이 모델은 다음 시간 동안 다양한 시간 간격의 작동 압력을 예측할 때 9% 미만의 절대 백분율 오차율(MAPE)을 가지며, 다음 30초 내의 작동 압력을 예측할 때 1% 미만의 MAPE를 가지는 것으로 나타났습니다. 마지막으로, 모델이 실제 발전소 시스템에서 안정적으로 작동할 수 있는지 검증합니다. 이 연구의 성과는 직접 냉각 장치의 작동 압력을 실시간으로 예측하는 효과적인 방법을 제공하며, 유연한 피크 운영의 맥락에서 직접 냉각 장치의 운영 및 관리에 중요한 의미를 가집니다.

직접 냉각 장치; 작동 압력 예측; 온라인 학습; 주의 메커니즘; 단기 및 장기 기억 신경망