来源：期刊VIP网 时间：
作者：唐广通;李浩;徐子绪;韩旭;
单位：国网河北能源技术服务有限公司;华北电力大学河北省低碳高效发电技术重点实验室;
摘要：汽轮机主蒸汽流量的精准测量对大型汽轮机的安全经济运行至关重要，针对传统测量和常规预测方法工作量大且测量精度不高的问题，以某600MW大型汽轮机为研究对象，首先基于主成分分析法构建综合评价函数，然后基于深度学习的拟合回归识别了原始数据中的异常点，最后通过构建高精度长短期记忆神经网络（LSTM）模型完成了主蒸汽流量预测。研究结果表明：通过主成分分析能够有效降低信息重叠所引起的数据处理难度，提高预测精度；基于BP神经网络的异常数据剔除方法能够识别出所有的异常点，且未发生误判；基于LSTM的汽轮机主蒸汽流量测量模型，能够实现主蒸汽流量的精确预测，平均百分比绝对误差为0.87%、均方根误差为16.678，决定系数为0.987。LSTM模型具有较高的测量精度，研究结果对汽轮机主蒸汽流量预测具有一定参考价值。
关键词：汽轮机;;主成分分析;;异常数据;;识别与剔除;;LSTM
基金资助：国网河北能源技术服务有限公司科技项目（TSS2020-18）;; 河北省自然科学基金项目（E2020502001）
