供热负荷预测是指导供热系统调控的重要手段。提高供热负荷预测精度十分重要,针对机器学习中输出目标的分解预测,提出了一种基于季节和趋势分解(seasonal and trend decomposition using loess,STL)的供热负荷预测方法,构建了适用于供热负荷预测的输出目标。首先利用STL算法将供热负荷时间序列数据分解为趋势分量、周期分量和残差分量,分别训练Informer、BiLSTM和XGB模型,将构建好的3个分量预测模型的输出叠加作为初步预测结果,分析误差序列,以BiLSTM预测误差提高模型精度,构建出STL-Informer-BiLSTM-XGB预测模型。将上述模型与常用预测模型进行对比,结果表明所构建的STL-Informer-BiLSTM-XGB模型的MAPE、MAE和MSE分别为0.871%、96.18和13202.2,预测效果最优,验证了所提出的方法具有较高的供热负荷预测精度。
针对火电厂汽轮机组调节阀组流量特性测试工作中,试验数据人工处理步骤繁琐、耗时长且计算结果不精确的问题,以C#为编程语言,在Visual Studio 2017编程软件环境下,开发了汽轮机组调节阀组流量特性测试和优化系统。通过构建机组调节阀组流量特性仿真计算模型,将弗里格尔简化公式作为数学模型计算机组主蒸汽流量,通过参数配置模块得到计算所需的额定参数;结合反向跟踪和最小二乘法原理处理试验数据,分别优化机组调节阀组的单阀流量特性和顺序阀流量特性;建立了人机交互界面,图形化显示测试与优化结果。现场实际应用效果表明,该系统操作简单、处理数据快速准确、优化效果良好。
