DOI:10.11991/yykj.202206008网络出版地址：https://kns.cnki.net/kcms/detail/23.1191.U.20230516.0840.002.html基于CEEMDAN-GRU的主泵电机绕组温度预测朱一虎1,2，夏虹1,2，杨波1,2，朱少民1,2，张汲宇1,2，王志超1,21.哈尔滨工程大学核安全与先进核能技术工业和信息化部重点实验室，黑龙江哈尔滨1500012.哈尔滨工程大学核安全与仿真技术重点学科实验室，黑龙江哈尔滨150001摘要：针对核电站主泵电机绕组温度的预测问题，提出了基于自适应噪声完备集合经验模态分解(completeensembleempiricalmodedecompositionwithadaptivenoise，CEEMDAN)和门控循环单元(gatedrecurrentunit，GRU)的预测模型。首先使用CEEMDAN对采集到的绕组温度序列进行分解，经过分量重构得到其高、低频分量和趋势项，在此基础上分别构建各分量的GRU预测模型，将各分量的预测结果叠加集成得到绕组温度的整体预测值。仿真结果表明，与传统的循环神经网络(recurrentneuralnetwork，RNN)、长短期记忆(longshort-termmemory，LSTM)模型和GRU模型相比，本文提出的预测模型在多元评价指标方面均优于其他模型，具有更高的预测精度，验证了该模型的可行性。关键词：主泵；电机；绕组温度；时间序列；状态预测；自适应噪声完备集合经验模态分解；深度学习；门控循环单元中图分类号：TL363文献标志码：A文章编号：1009−671X(2023)04−0014−07WindingtemperaturepredictionofprimarypumpmotorsbasedonCEEMDAN-GRUZHUYihu1,2,XIAHong1,2,YANGBo1,2,ZHUShaomin1,2,ZHANGJiyu1,2,WANGZhichao1,21.KeyLaboratoryofNuclearSafetyandAdvancedNuclearEnergyTechnology,MinistryofIndustryandInformationTechnology,HarbinEngineeringUniversity,Harbin150001,China2.FundamentalScienceonNuclearSafetyandSimulationTechnologyLaboratory,HarbinEngineeringUniversity,Harbin150001,ChinaAbstract:Apredictionmodelbasedoncompleteensembleempiricalmodedecompositionwithadaptivenoise(CEEMDAN)andgatedrecurrentunit(GRU)isproposedtopredictthewindingtemperatureofprimarypumpmotorsinthenuclearpowerplant.Firstly,CEEMDANisusedtodecomposethecollectedwindingtemperatureseries,anditshighandlowfrequencycomponentsandtrenditemsareobtainedthroughcomponentreconstruction.Onthisbasis,theGRUpredictionmodelofeachcomponentisrespectivelyconstructed,andthepredictionresultsofeach...
