基于特征选择与BiLSTM多变量回归预测的磨煤机故障预警研究

来源：动力工程学报杂志2025年第5期北京时间：

作者：罗云, 李战国, 付陇霞, 王道谊, 张新中, 李耀华, 程亮, 江霞,

摘要：为解决火电设备多参数耦合、渐变性故障诊断困难的问题,提出了一种基于套索(LASSO) 回归特征选择与双向长短期记忆(BiLSTM)网络多变量回归预测的故障预警方法。以某1 000 MW机组磨煤机为研究对象,选取磨煤机电流、出口压力、出入口差压作为表征堵磨故障的特征参数,采用LASSO回归选择特征变量,基于BiLSTM算法建立多变量回归预测模型;根据堵磨时特征参数的变化机理与模型预测值构建堵磨故障指数,最后利用核密度估计方法计算预警阈值,实现了堵磨故障预警。通过实际数据分析表明:磨煤机正常状态时,BiLSTM多变量回归预测模型的平均相对误差为1.13%,相比传统的误差反向传播(BP)神经网络和支持向量机回归(SVR)模型具有更高的精度和预测参数变化趋势的能力;磨煤机异常状态时,相比成熟的多元状态估计技术(MSET)算法模型能更早地发现磨煤机运行的异常状态,实现磨煤机变工况下故障早期预警。

关键词：磨煤机,LASSO回归,BiLSTM多变量回归,预测模型,堵磨,故障指数,