[发明专利]一种电力设备多指标预测方法

摘要

一种电力设备多指标预测方法，包括建立模型和运行模型，得到电力设备多指标预测结果等主要步骤，采用广义回归神经网络(GRNN)，对历史数据进行学习，模拟出各指标在设备运行时的规律，从而预测出相应的值，具有基于数据驱动类方法通用性、鲁棒性、自适应能力强的特点，同时预测速度快、可同时预测多个值，较好地解决了电厂实际工作中需要对设备相关指标预估的需求。

主权项

一种电力设备多指标预测方法，其特征在于，依次包括如下步骤：(1)建立模型：步骤1.1：获取训练数据，在电厂DCS系统数据库里，找到目标设备、以及设备下的所有指标信息，按照一定的取数间隔，选取设备在正常运行状态下的历史数据，进行预处理；步骤1.2：根据实际需要，选择主要的相关指标；步骤1.3：对选择的主要的相关指标进行归一化处理，得到训练数据；步骤1.4：采用交互验证方法处理训练数据；步骤1.5：对交互验证方法处理后划分的数据进行训练，寻找最佳参数，获得最佳参数模型；(2)运行模型，得到电力设备多指标预测结果：步骤2.1：获取实时数据，从电厂DCS系统数据库里获取设备运行时的实时数据，并做与步骤1一致的预处理操作；步骤2.2：根据实际需要，选择相应的指标数据；步骤2.3：对选择相应的指标数据进行与步骤1.3一致的归一化处理，得到处理后的指标数据；步骤2.4：将步骤2.3得到的处理后的指标数据，输入到最佳参数模型，得到处理结果；步骤2.5：对步骤2.4得到的处理结果进行反归一化处理，得到预测结果。