基于T2VNN模型的阀冷系统进阀温度预测

摘要：

预测进阀温度的变化趋势对阀冷系统中设备运行的安全可靠性具有重要的参考价值.针对传统方法特征提取困难、预测精度低等问题,提出了一种用于预测进阀温度的T2VNN(Time2Vec neural network)模型,该模型首先通过时间序列表示学习方法Time2Vec对进阀温度进行特征提取,然后结合TCN和双向LSTM的优势,并且使用分位数回归来实现概率预测.最后设计了不同时间步和分位数在多个典型模型上的对比实验,实验结果验证了T2VNN模型具有更高的预测性能,并且通过消融实验证明了模型中各个组成部分的有效性.

关键词：进阀温度、阀冷系统、时间序列、表示学习、分位数回归

所属期刊栏目：31

分类号：TP391;TP273;TP183

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：132-140