电工电气杂志社

基于PCA-PSO-LSTM模型的给水泵系统状态趋势预测研究

来源：电工电气发布时间：2025-06-27 14:27浏览次数：4

基于PCA-PSO-LSTM模型的给水泵系统状态趋势预测研究

李文华¹，顾月霞²，谷金洋¹，李国全³，李阳洋¹，徐梓霖¹

(1 河北工业大学电气工程学院，天津 300401；

2 河北工业大学电子信息工程学院，天津 300401；

3 开滦能源化工股份有限公司，河北唐山 063018)

摘要：给水泵系统是热电厂中不可或缺的设备，对其进行状态趋势预测有助于维持热电厂的正常运行。为降低因给水泵系统故障造成的损失，在主成分分析(PCA)的基础上建立了粒子群优化(PSO)算法、长短期记忆网络(LSTM)的混合模型对给水泵系统进行状态趋势预测和故障预警。该方法采用 PCA 对多维参数进行降维处理，提取出主要特征；将提取的特征参数输入到经 PSO 优化后的 LSTM 模型中，当预测结果超过阈值时给出预警。实验结果显示，PCA-PSO-LSTM 模型拥有较高的预测精度和较好的稳定性。

关键词： 给水泵系统；主成分分析；粒子群优化算法；长短期记忆网络；趋势预测；故障预警

中图分类号：TH311 ；TM611 文献标识码：A 文章编号：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

参考文献

[1] 吴广伟，宋振宇，丁永允. 多台电动给水泵并列运行控制策略分析[J] . 东北电力技术，2024，45(5) ：53-54.

[2] 徐红伟，刘振宇，李崇晟. 基于分类算法的汽动给水泵组故障预测[J] . 热力发电，2019，48(4) ：128-134.

[3] 陈建华，荣智海. 基于数据融合的模糊综合评价法在电力设备中的应用研究[J] . 机电工程技术，2021，50(12) ：207-210.

[4] 杨磊，王国丽，朱丽晓，等. 红外特征提取与关联分析的设备故障预警方法[J] . 激光与红外，2024，54(8) ：1277-1285.

[5] 张国辉，骆志平. 基于数据驱动的核电站主给水泵故障预测研究[J] . 原子能科学技术，2024，58(9) ：1982-1988.

[6] 张永伟，云再鹏，陈宏同. 电气设备振动故障实时监测预警方法[J] . 自动化与仪表，2023，38(11) ：21-24.

[7] 周东阳，万松森，曹军，等. 基于模糊时间序列的给水泵指标预测[J] . 电子设计工程，2023，31(10) ：16-19.

[8] 吴宇震，刘金旭，尹钰华，等. 基于 SVDD 及 ARIMA 融合模型的给水泵退化状态监测方法[J] . 电子机械工程，2023，39(3) ：59-64.

[9] 沈江飞，王双飞，黄立军，等. 核电厂设备状态多参数同步监测技术研究[J] . 核动力工程，2022，43(4) ：168-173.

[10] 吴昕，陈侃，谢昌亚，等. 基于 PCA-KNN 的给水泵振动预警方法研究[J]. 化工机械，2022，49(1) ：137-142.

[11] 梁聚伟，李东亮，陈焰恺，等. 基于 LSTM 阈值法的蒸汽动力辅助系统故障预警研究[J] . 舰船科学技术，2024，46(13) ：150-157.

[12] 李海燕，王慧然，那丽莎，等. 基于主成分分析、正交偏最小二乘判别分析及加权逼近理想解排序-灰色关联度融合模型评价不同产地珠子参质量[J] . 中草药，2024，55(9) ：3116-3126.

[13] 王昱皓，武建文，马速良，等. 基于核主成分分析-SoftMax 的高压断路器机械故障诊断技术研究[J]. 电工技术学报，2020，35(S1) ：267-276.

[14] 张鑫. 关于机泵振动状态监测提升设备预知维修管理水平研究[J]. 中国设备工程，2022(20) ：178-180.

[15] 王飞，黄涛，杨晔. 基于 Stacking 多模型融合的 IGBT 器件寿命的机器学习预测算法研究[J] . 计算机科学，2022，49(S1) ：784-789.

[16] 高伟，张琼洁，李长留，等. 基于 LSTM 网络的牵引变流器 IGBT 故障预测方法研究[J]. 电子器件，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] 徐静，杨德岭. 基于 PSO-BP 模型的差速器装配密封质量预测[J]. 森林工程，2024，40(5) ：134-144.

[20] 王立爽，张提勇，娄胜利，等. 基于 PCA-PSO-ELM 的道路结冰预测模型[J] . 公路交通科技，2024，41(7) ：23-31.

[21] 全国泵标准化技术委员会(SAC/TC 211) . 泵的振动测量与评价方法：GB/T 29531—2013[S]. 北京：中国标准出版社，2013 ：9.

[22] 胡育诚，王向军，汪石川. 基于 MEFD-小波阈值降噪的舰船电场特征提取[J]. 华中科技大学学报(自然科学版)，2024，52(4) ：88-93.

[23] 闫海鹏，郝新宇，秦志英. 基于参数优化 VMD-小波阈值的轴承振动信号降噪方法[J]. 机电工程，2024，41(2) ：245-252.

返回索引列表

SUBSCRIPTION MANAGEMENT

发行征订

基于PCA-PSO-LSTM模型的给水泵系统状态趋势预测研究