基于贝叶斯优化N-BEATS神经网络的锅炉过热汽温预测模型

摘要

针对锅炉过热汽温系统存在的大时延、强非线性和变量耦合等建模难题，建立了一种基于贝叶斯优化时间序列预测神经基扩展分析（neural basis expansion analysis for interpretable time series forecasting, N-BEATS）网络的过热汽温预测模型。针对某600 MW超临界火电机组，结合机理分析确定模型的输入和输出变量，通过性能对比实验优化模型的输入/输出时延阶次、Block类型和激活函数，进一步利用贝叶斯优化算法对模型的超参数进行寻优，并与网格搜索、遗传算法的优化效果进行对比。采用该机组仿真运行数据进行建模实验，结果表明所提模型在预测精度方面优于传统优化方法及主流模型。

关键词

锅炉过热汽温 / N-BEATS神经网络 / 贝叶斯优化 / 超参数优化 / 预测模型