文章摘要:针对燃煤电厂脱硫系统出口SO₂含量难以稳定控制的问题，提出了一种基于改进粒子群算法（IPSO）优化长短时记忆（LSTM）神经网络的IPSO-LSTM预测模型。首先利用主成分分析（PCA）计算各个变量的贡献率从而筛选出模型的辅助变量，实现辅助变量的降维。其次，利用改进粒子群算法确定LSTM神经网络的神经元数量、学习率和迭代次数。最后，将选定的辅助变量作为IPSO-LSTM预测模型的输入，预测出口SO₂含量，采用国内某2×600 MW电厂脱硫数据进行仿真，并与相关11种模型进行对比。仿真结果表明，本文模型预测误差最小，其均方根误差为0.98 mg/m³，平均相对误差为1.81%；与传统LSTM、LSSVM模型相比，预测精度分别可提高72%和81%；与其他相关模型相比，改进的PSO可以提高PSO的全局寻优能力和收敛速度，当LSTM神经网络具有2层隐含层时，IPSO-LSTM模型预测精确度最高。

文章关键词:

项目基金: 上一篇：电力工业论文_基于矩阵算法和BP神经网络的智能 下一篇：没有了