-
题名基于CEEMDAN-GRU的主泵电机绕组温度预测
被引量：1
- 1
-
-
作者
朱一虎
夏虹
杨波
朱少民
张汲宇
王志超
-
机构
哈尔滨工程大学核安全与先进核能技术工业和信息化部重点实验室
哈尔滨工程大学核安全与仿真技术重点学科实验室
-
出处
《应用科技》
CAS
2023年第4期14-20,共7页
-
基金
国家自然科学基金项目(U21B2083)。
-
文摘
针对核电站主泵电机绕组温度的预测问题,提出了基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和门控循环单元(gated recurrent unit,GRU)的预测模型。首先使用CEEMDAN对采集到的绕组温度序列进行分解,经过分量重构得到其高、低频分量和趋势项,在此基础上分别构建各分量的GRU预测模型,将各分量的预测结果叠加集成得到绕组温度的整体预测值。仿真结果表明,与传统的循环神经网络(recurrent neural network,RNN)、长短期记忆(long short-term memory,LSTM)模型和GRU模型相比,本文提出的预测模型在多元评价指标方面均优于其他模型,具有更高的预测精度,验证了该模型的可行性。
-
关键词
主泵
电机
绕组温度
时间序列
状态预测
自适应噪声完备集合经验模态分解
深度学习
门控循环单元
-
Keywords
primary pump
motor
winding temperature
time sequence
state prediction
complete ensemble empirical mode decomposition with adaptive noise
deep learning
gated recurrent unit
-
分类号
TL363
[核科学技术—核技术及应用]
-
