基于混合模型和Stacking框架的循环水出口温度预测

摘要

针对单一机理模型与数据驱动模型泛化能力弱、预测效果不理想的现状,以某电厂1000MW的凝汽器管侧模型为例,提出了一种基于混合模型和Stacking框架的参数预测方法。首先将原始数据集按人工经验分为温度数据与压力数据,使用5折交叉验证训练SVM温度模型与AdaBoost压力模型,其次以管侧机理模型的输出值与实际值为输入训练GDBT误差补偿模型,最后基于Stacking框架进行多模型融合,既弥补了机理模型在复杂工况下的模型参数失配问题,又可以对时间序列数据进行深层次的挖掘。实验结果表明,Stacking框架下的混合模型在测试集上均方误差比GRNN模型降低了0.012,判定系数相比于数据驱动组合模型提高了4.53%,提高了模型的整体预测精度。