黄伟;李阳;
1:上海电力大学自动化工程学院
摘要(Abstract):
预测燃气轮机的功率变化对确定机组的最优工作点有重要意义,为此,结合当前迅猛发展的人工智能技术,提出一种基于轻梯度提升机(light gradient boosting machine,LightGBM)的燃气轮机功率预测方法。将蒙特卡洛采样(MonteCarlosampling,MCS)和互信息特征选择(mutual information feature selection,MIFS)结合得到MCS-MIFS算法;利用MCS-MIFS算法对复杂的燃气轮机数据进行筛选,得到与功率最相关的属性;将上述属性进行适当处理后,作为Light GBM模型的输入来实现功率预测。以某电厂燃气轮机运行数据进行实验,结果表明通过MCS-MIFS算法选择的变量来预测燃机功率的效果优于MIFS;与梯度提升决策树(gradient boosting decision tree,GBDT)和XGBoost(eXtreme gradient boosting)两种集成模型相比,LightGBM的运行速度更快、预测精度更高、占用内存更小,在处理海量工业数据时具有优势。
关键词(KeyWords):
燃气轮机;功率预测;人工智能;轻梯度提升机;互信息
Abstract:
Keywords:
基金项目(Foundation):
作者(Author):
黄伟;李阳;
Email:
DOI: