基于机器学习的主蒸汽流量软测量方法、系统及存储介质

本发明公开了基于机器学习的主蒸汽流量软测量方法、系统及存储介质，包括以下步骤：步骤1，从电厂监控系统中采集与主蒸汽流量相关的运行参数的原始数据；步骤2，对原始数据中的缺失值和异常值进行填补，之后再对数据进行归一化处理；步骤3，通过核主成分分析对数据进行降维处理；步骤4，构建TCN‑GRU‑RF模型，包括依次连接的输入层、TCN层、GRU层、RF层、输出层；步骤5，将待测数据输入TCN‑GRU‑RF模型，输出火电机组主蒸汽流量测量值。本发明避免了时间序列预测时产生的梯度消失和梯度爆炸问题，并且引入的GRU集成可对TCN输出结果进行优化整合，使得预测结果更加准确。