AR IMA模型对时间序列数据的线性和非线性模式都具有较强的捕获能力,尤其是在电力负荷这种具有明显时间依赖性的数据上。本文利用某地区一月内的电力负荷数据对该模型进行了验证,并与传统的BP神经网络方法进行了对比,结果表明,在提前1...
详细信息
AR IMA模型对时间序列数据的线性和非线性模式都具有较强的捕获能力,尤其是在电力负荷这种具有明显时间依赖性的数据上。本文利用某地区一月内的电力负荷数据对该模型进行了验证,并与传统的BP神经网络方法进行了对比,结果表明,在提前1步和提前5步预测中ARIMA模型在根均方误差(RMSE)、平均绝对百分比误差(MAPE)、平均绝对误差(MAE)等3个指标方面具有明显优势。
针对传统阈值报警、人员巡检和人工检查参数来开展核电站状态监测的不足，以CANDU6反应堆主热传输泵（主泵）为例，开展了状态监测技术的研究，提出了主泵智能预警模型。采用分布式策略按照主泵部件功能及测点参数特征分别建立相应的监测模型。采用核主成分分析（Kernel Principal Component Analysis,KPCA）对各部件进行异常检测，在检测出异常后，采用贡献图法对故障进行定位，及时地识别出异常的参数。通过秦山3期CANDU6反应堆主泵的真实异常数据对模型和算法进行测试，测试结果表明该方法可以及时发现异常，并准确定位异常参数。
暂无评论