基于PCA-PSO-LSTM的燃气轮机压气机及机组性能预测模型研究

来源：动力工程学报杂志2026年第7期北京时间：

作者：殷家阳, 陈时熠, 唐寅, 黄庆, 向文国,

摘要：为了预测压气机及联合循环机组的热力性能以保证其高效运行,提出了一种基于主成分分析(PCA)、粒子群优化(PSO)算法和长短期记忆(LSTM)神经网络的压气机及机组性能预测模型。首先,使用PCA将输入参数由13维降至7维,保留关键信息的同时减少了计算量和模型训练时间。然后,采用LSTM对时间序列数据进行建模,捕捉数据的动态趋势与非线性关系。为进一步优化模型性能,引入PSO算法自动调优LSTM超参数,从而提高预测精度与模型稳定性。最后,根据预测误差分布计算报警阈值。结果表明:基于PCA-PSO-LSTM的模型在压气机出口温度、机组修正出力及修正热耗的预测中表现出高准确性,相较于传统方法,均方根误差(RMSE)和平均绝对误差(MAE)显著降低,RMSE降幅在30%以上,MAE低于0.8;计算所得报警阈值为压气机运行状态异常预警提供了理论依据与技术支持。

关键词：压气机,性能预测,主成分分析,长短期记忆,粒子群优化算法,