热能动力工程

作者：曾庆华，冉 鹏，董 坤，刘 旭

单位：国网湖南省电力有限公司电力科学研究院 高效清洁发电技术湖南省重点实验室，湖南 长沙 410007,,华北电力大学 河北省低碳高效发电技术重点实验室，河北 保定 071003,,华北电力大学 能源动力与机械工程学院，河北 保定 071003,,华北电力大学 能源动力与机械工程学院，河北 保定 071003,

关键词：随机森林;特征选择;灰狼优化算法;大数据平台;NBEATS;SO2预测

基金：国家自然科学基金资助项目(51506052)

为了更精确地预测SO2排放质量浓度，解决非线性随机预测问题，提出了一种基于随机森林特征选择的GWONBEATS算法。通过随机森林算法筛选输入参数的特征，使用灰狼优化算法对NBEATS算法的超参数进行优化；与长短期记忆网络（Long ShortTerm Memory, LSTM）、门控循环神经网络（Gated Recurrent Unit，GRU）以及NBEATS算法对比分析，验证了GWONBEATS算法的有效性。将本算法应用于某大型电网公司大数据平台，探索了复杂智能算法在大数据平台上开展污染物排放预测的可行性。研究结果表明，相较于长短期记忆网络、门控循环神经网络和NBEATS方法，GWONBEATS算法预测误差更小， 其中平均绝对百分比误差MAPE为1.50%，相对均方误差RMSE为0.42，平均绝对误差MAE为0.33，决定系数R2为0.97。

来源：2024年第3期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2024年第3期