[发明专利]一种基于PCA和LSTM的核电机组功率预测方法

权利要求书

1.一种基于PCA和LSTM的核电机组功率预测方法，其特征在于，包括以下步骤：

采集核电机组设备历史运行功率数据；

采用PCA对采集到的历史运行功率数据进行特征提取，得到特征值；

对所述特征值进行归一化处理，得到用于LSTM模型的数据集；

将所述数据集随机划分成训练集和测试集，所述用于训练LSTM模型，所述测试集用于评估LSTM模型的预测效果；

构建LSTM模型，并采用所述训练集进行训练，采用测试集对所述LSTM模型进行测试，评估LSTM模型的预测效果；

优化所述LSTM模型，采用优化后的LSTM模型根据核电机组实时运行数据进行机组功率预测。

2.根据权利要求1所述的基于PCA和LSTM的核电机组功率预测方法，其特征在于，所述采集核电机组设备历史运行功率数据，包括：

采集核电机组主蒸汽参数、凝汽器运行参数和回热器运行参数的历史运行功率数据。

3.根据权利要求1所述的基于PCA和LSTM的核电机组功率预测方法，其特征在于，所述特征值包括主给水流量、高压调节阀开度、主蒸汽母管压力、主蒸汽母管温度、凝汽器真空度、低压缸排汽温度、循环水入口温度、循环水出口温度、凝汽器入口压力、和凝汽器出口压力的一种或多种数值。

4.根据权利要求1所述的基于PCA和LSTM的核电机组功率预测方法，其特征在于，所述对所述特征值进行归一化处理，包括：

对所有的所述特征值进行归一化处理，将所有特征值作为样本数据映射到[0，1]之间，归一化公式如下式所示：

其中，y与y^*分别表示归一化前后的数据，y_max与y_min分别表示某序列归一化前的最大值和最小值。

5.根据权利要求4所述的基于PCA和LSTM的核电机组功率预测方法，其特征在于，所述将所述数据集随机划分成训练集和测试集，包括：

随机将归一化处理后得到的数据集中204组数据作为训练集，将归一化处理后得到的数据集中96组数据作为测试集。

6.根据权利要求1所述的基于PCA和LSTM的核电机组功率预测方法，其特征在于，所述优化所述LSTM模型，包括：

将平均相对百分误差y_MAPE、根均方误差y_RMSE两个指标作为评估标准，确定所述LSTM模型的最优参数。

7.根据权利要求6所述的基于PCA和LSTM的核电机组功率预测方法，其特征在于，所述平均相对百分误差y_MAPE、根均方误差y_RMSE的计算方式如下：

式中，n表示预测总次数；X_act(i)和X_pred(i)分别为i时刻核电机组功率的真实值和预测值。