自适应反归一化改进多层神经网络轴流转桨水轮机协联功率预测

轴流转桨水轮机现场协联试验受经济和时间成本限制，获取的数据量有限，难以全面指导机组协联运行参数设置。为提高协联试验效率，实现水轮机协联工况下的功率追踪，同时避免水轮机物理模型高度非线性化难以模拟实际现场问题，提出一种基于改进多层神经网络数学预测模型，采用Rule函数、L2正则化、Adam优化器并用PSO算法优化其梯度参数。针对神经网络实际预测缺乏真实值的问题，提出自适应反归一化区间端值判断策略提高实际预测准确度。通过协联与非协联仿真分析，结果表明所提出预测模型和区间策略能够在小样本情况下对轴流转桨水轮机协联工况实现有效的实际预测，具有较高精度。