文件大小：1.76M
针对传统抽水蓄能电站技术供水系统存在的智能化水平偏低，供水对象的温度与许多参数变量之间相互耦合的问题，建立了基于工况参数和改进长短期记忆（LSTM）神经网络的发电机空气冷却器热风温度预测模型．首先对原始数据进行清洗，其次采用随机森林（RF）特征降维，对参与目标预测的诸多高维测点变量进行重要度排序，验证所提的工况参数与预测对象温度的相关性，最后再将其输入PSO-LSTM神经网络进行模型的求解．将所提的基于工况参数和改进LSTM方法与最小二乘法、BP神经网络以及原始的LSTM方法进行对比．结果表明，所提模型能有效预测发电机空气冷却器热风温度，相较其他的模型，预测误差能够下降50%左右，同时拥有更优的预测稳定性．
