電工電氣雜志社

基于PCA-PSO-LSTM模型的給水泵系統狀態趨勢預測研究

來源：電工電氣發布時間：2025-06-27 14:27 瀏覽次數：5

基于PCA-PSO-LSTM模型的給水泵系統狀態趨勢預測研究

李文華¹，顧月霞²，谷金洋¹，李國全³，李陽洋¹，徐梓霖¹

(1 河北工業大學電氣工程學院，天津 300401；

2 河北工業大學電子信息工程學院，天津 300401；

3 開灤能源化工股份有限公司，河北唐山 063018)

摘要：給水泵系統是熱電廠中不可或缺的設備，對其進行狀態趨勢預測有助于維持熱電廠的正常運行。為降低因給水泵系統故障造成的損失，在主成分分析(PCA)的基礎上建立了粒子群優化(PSO)算法、長短期記憶網絡(LSTM)的混合模型對給水泵系統進行狀態趨勢預測和故障預警。該方法采用 PCA 對多維參數進行降維處理，提取出主要特征；將提取的特征參數輸入到經 PSO 優化后的 LSTM 模型中，當預測結果超過閾值時給出預警。實驗結果顯示，PCA-PSO-LSTM 模型擁有較高的預測精度和較好的穩定性。

關鍵詞： 給水泵系統；主成分分析；粒子群優化算法；長短期記憶網絡；趨勢預測；故障預警

中圖分類號：TH311 ；TM611 文獻標識碼：A 文章編號：1007-3175(2025)06-0008-06

Research on State Trend Prediction of Feed Water Pump System

Based on PCA-PSO-LSTM Model

LI Wen-hua¹, GU Yue-xia², GU Jin-yang¹, LI Guo-quan³, LI Yang-yang¹, XU Zi-lin¹

（1 School of Electrical Engineering, Hebei University of Technology, Tianjin 300401, China;

2 School of Electronic and Information Engineering, Hebei University of Technology, Tianjin 300401, China;

3 Kailuan Energy Chemical Co., Ltd, Tangshan 063018, China）

Abstract: The feed water pump system is an indispensable equipment in thermal power plants, and the state trend prediction of the feed water pump system helps to maintain the normal operation of thermal power plants. In order to reduce the loss caused by the failure of feed water pump system, this paper establishes a hybrid model of particle swarm optimization (PSO) algorithm and long short-term memory neural network (LSTM) on the basis of principal component analysis (PCA) to predict the state trend and fault warning of feed water pump system. The method firstly uses PCA to downscale the multidimensional parameters and extract the main features; secondly, the extracted feature parameters are inputted into the LSTM model optimized by PSO, and the warning is given when the prediction result exceeds the threshold value. The experimental results show that the PCA-PSO-LSTM model possesses high prediction accuracy and good stability.

Key words: feed water pump system; principal component analysis; particle swarm optimization algorithm; long short-term memory neural network; trend prediction; fault warning

參考文獻

[1] 吳廣偉，宋振宇，丁永允. 多臺電動給水泵并列運行控制策略分析[J] . 東北電力技術，2024，45(5) ：53-54.

[2] 徐紅偉，劉振宇，李崇晟. 基于分類算法的汽動給水泵組故障預測[J] . 熱力發電，2019，48(4) ：128-134.

[3] 陳建華，榮智海. 基于數據融合的模糊綜合評價法在電力設備中的應用研究[J] . 機電工程技術，2021，50(12) ：207-210.

[4] 楊磊，王國麗，朱麗曉，等. 紅外特征提取與關聯分析的設備故障預警方法[J] . 激光與紅外，2024，54(8) ：1277-1285.

[5] 張國輝，駱志平. 基于數據驅動的核電站主給水泵故障預測研究[J] . 原子能科學技術，2024，58(9) ：1982-1988.

[6] 張永偉，云再鵬，陳宏同. 電氣設備振動故障實時監測預警方法[J] . 自動化與儀表，2023，38(11) ：21-24.

[7] 周東陽，萬松森，曹軍，等. 基于模糊時間序列的給水泵指標預測[J] . 電子設計工程，2023，31(10) ：16-19.

[8] 吳宇震，劉金旭，尹鈺華，等. 基于 SVDD 及 ARIMA 融合模型的給水泵退化狀態監測方法[J] . 電子機械工程，2023，39(3) ：59-64.

[9] 沈江飛，王雙飛，黃立軍，等. 核電廠設備狀態多參數同步監測技術研究[J] . 核動力工程，2022，43(4) ：168-173.

[10] 吳昕，陳侃，謝昌亞，等. 基于 PCA-KNN 的給水泵振動預警方法研究[J]. 化工機械，2022，49(1) ：137-142.

[11] 梁聚偉，李東亮，陳焰愷，等. 基于 LSTM 閾值法的蒸汽動力輔助系統故障預警研究[J] . 艦船科學技術，2024，46(13) ：150-157.

[12] 李海燕，王慧然，那麗莎，等. 基于主成分分析、正交偏最小二乘判別分析及加權逼近理想解排序-灰色關聯度融合模型評價不同產地珠子參質量[J] . 中草藥，2024，55(9) ：3116-3126.

[13] 王昱皓，武建文，馬速良，等. 基于核主成分分析-SoftMax 的高壓斷路器機械故障診斷技術研究[J]. 電工技術學報，2020，35(S1) ：267-276.

[14] 張鑫. 關于機泵振動狀態監測提升設備預知維修管理水平研究[J]. 中國設備工程，2022(20) ：178-180.

[15] 王飛，黃濤，楊曄. 基于 Stacking 多模型融合的 IGBT 器件壽命的機器學習預測算法研究[J] . 計算機科學，2022，49(S1) ：784-789.

[16] 高偉，張瓊潔，李長留，等. 基于 LSTM 網絡的牽引變流器 IGBT 故障預測方法研究[J]. 電子器件，2020，43(4) ：804-808.

[17] PO-HE T, NURIA A U, MIKHAIL L, et al.Decoding Movements from Cortical Ensemble Activity Using a Long Short-Term Memory Recurrent Network[J].Neural Computation，2019，31(6) ：1085-1113.

[18] YI Fengyan, SHU Xing, ZHOU Jiaming, et al.Remaining useful life prediction of PEMFC based on long short-term memory recurrent neural networks[J].International Journal of Hydrogen Energy，2019，44(11) ：5470-5480.

[19] 徐靜，楊德嶺. 基于 PSO-BP 模型的差速器裝配密封質量預測[J]. 森林工程，2024，40(5) ：134-144.

[20] 王立爽，張提勇，婁勝利，等. 基于 PCA-PSO-ELM 的道路結冰預測模型[J] . 公路交通科技，2024，41(7) ：23-31.

[21] 全國泵標準化技術委員會(SAC/TC 211) . 泵的振動測量與評價方法：GB/T 29531—2013[S]. 北京：中國標準出版社，2013 ：9.

[22] 胡育誠，王向軍，汪石川. 基于 MEFD-小波閾值降噪的艦船電場特征提取[J]. 華中科技大學學報(自然科學版)，2024，52(4) ：88-93.

[23] 閆海鵬，郝新宇，秦志英. 基于參數優化 VMD-小波閾值的軸承振動信號降噪方法[J]. 機電工程，2024，41(2) ：245-252.

返回索引列表

Article retrieval

文章檢索

基于PCA-PSO-LSTM模型的給水泵系統狀態趨勢預測研究