Transformer-based Drum-level Prediction in a Boiler Plant with Delayed Relations among Multivariates

蒸汽鼓水位是直接影响发电厂安全和效率的关键参数。然而，由于长时间延迟和相互关系以及测量噪声等复杂的非线性过程动态，预测锅炉中的鼓水位是具有挑战性的。本文研究了基于Transformer模型在蒸汽锅炉厂预测鼓水位的应用。利用Transformer架构的能力，本研究旨在开发一个准确和稳健的预测框架，以预测水位波动并促进主动控制策略。为此，提出了一个谨慎的流程，包括1）数据预处理，2）因果关系分析，3）延迟推断，4）变量增强和5）预测。通过广泛的实验和分析，评估了基于Transformer的方法在蒸汽鼓水位预测中的有效性，突出了它们提高运营稳定性和优化厂内性能的潜力。

论文旨在解决预测蒸汽锅炉中蒸汽鼓水位的问题，提高操作稳定性和优化工厂性能。

论文采用基于Transformer的模型来预测蒸汽鼓水位，并提出了数据预处理、因果关系分析、延迟推断、变量增强和预测等步骤，以提高预测精度和稳定性。

论文通过实验和分析验证了基于Transformer的方法在蒸汽鼓水位预测中的有效性和潜力，并提供了开源代码和数据集。值得深入研究的是如何将这种方法应用于其他复杂的非线性动态系统中。

最近的相关研究包括使用深度学习模型预测锅炉水位的研究，如《基于深度学习的锅炉水位预测模型研究》和《基于LSTM神经网络的蒸汽锅炉水位预测研究》。