您当前的位置：
首页 >
文章列表页 >
基于相空间重构-深度学习的燃煤电厂主汽温预测模型
发电 | 更新时间：2026-02-06

    • 基于相空间重构-深度学习的燃煤电厂主汽温预测模型

    • Prediction Model of Main Steam Temperature of Coal-fired Power Plant Based on Phase Space Reconstruction-deep Learning

    • “针对火电机组调峰需求导致主蒸汽温度波动难以预测的问题，专家提出了一种基于相空间重构的双向门控循环单元主蒸汽温度预测模型，该模型通过筛选相关变量、确定权重系数、优化超参数等步骤建立，与未加入相关机制的模型对比验证，结果表明该模型预测精度最高，具有很好的动态特性，为解决主蒸汽温度波动预测问题提供了有效方案。”
    • 中国电机工程学报   2025年45卷第10期 页码：3924-3933

    • DOI：10.13334/j.0258-8013.pcsee.232617    

      中图分类号： TM621

    • 收稿：2023-12-01，

      网络首发：2024-12-13，

      纸质出版：2025-05-20

    移动端阅览

  • 金秀章, 赵大勇, 赵术善, 等. 基于相空间重构-深度学习的燃煤电厂主汽温预测模型[J]. 中国电机工程学报, 2025,45(10):3924-3933. DOI： 10.13334/j.0258-8013.pcsee.232617.

    Xiuzhang JIN, Dayong ZHAO, Shushan ZHAO, et al. Prediction Model of Main Steam Temperature of Coal-fired Power Plant Based on Phase Space Reconstruction-deep Learning[J]. Proceedings of the CSEE, 2025, 45(10): 3924-3933. DOI： 10.13334/j.0258-8013.pcsee.232617.

  •  
  •  

0

浏览量

123

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

优化相空间近邻点与递归神经网络融合的短期负荷预测
自适应内模控制在主蒸汽温度控制系统中的应用研究
电力短期负荷的多变量时间序列线性回归预测方法研究
电力短期负荷时间序列混沌相空间重构参数优选法
基于最小二乘算法的模糊支持向量机控制器及其应用

相关作者

李芳
王兆峰
孙雅明
张智晟
田沛
牛玉广
刘吉臻
金秀章

相关机构

  天津300010  
  天津300250  
  天津电力局 天津300072  
  天津城东供电局  
  天津大学电气与自动化工程学院  
0