基于LSTNet-Mod模型的锅炉效率预测研究

建立快速准确的锅炉效率预测模型，选取12个测点作为输入，以锅炉效率作为输出，利用锅炉运行历史数据建立数据集，对比多个时序数据预测模型的效果。结果显示：长短期时间序列网络（Long-and Shortterm Time-series network, LSTNet）模型的平均绝对误差最小，为0.12，该模型的预测效果优于其他模型。对LSTNet模型进行微调，为了提高模型的表达能力，将门控循环单元（Gate Recurrent Unit, GRU）调整为长短期记忆网络（Long Short-Term Memory, LSTM）；为了提高模型推理速度，适当缩减LSTM的神经元数量，最终得到长短期时间序列微调网络（LSTNet-Mod）模型，其平均绝对误差为0.027，推理时间缩短了约7.88 s。