由于可再生能源的產(chǎn)出是間歇性的且無法控制，熱力發(fā)電廠的蒸汽管道會(huì)經(jīng)歷交替的機(jī)械應(yīng)力（Nassar和Abdella，2018年）。管道位移可以通過位移值和頻率變化來指示由機(jī)械振動(dòng)和高溫腐蝕引起的故障（Gu等人，2016年；Wang等人，2017年）。因此，作為管道健康的關(guān)鍵指標(biāo)，實(shí)時(shí)和準(zhǔn)確的多步位移預(yù)測可以有效反映熱力單元的運(yùn)行狀況，確保安全運(yùn)行并支持更高效的維護(hù)計(jì)劃。

位移信號(hào)包含來自熱膨脹的低頻成分和來自單元振動(dòng)的高頻成分。它們的疊加產(chǎn)生了一個(gè)在長時(shí)間范圍內(nèi)演變的高度非線性時(shí)間過程。因此，預(yù)測模型必須能夠捕捉多尺度動(dòng)態(tài)，保持實(shí)時(shí)效率，并保留長期趨勢行為（More等人，2018年）。位移時(shí)間序列預(yù)測方法可以分為基于物理的（Wang等人，2022年）、基于數(shù)據(jù)的（Ge等人，2023年）和基于混合驅(qū)動(dòng)的（Guo等人，2020年）方法。基于物理的模型（如ARIMA）對(duì)線性結(jié)構(gòu)有效，但在高度非線性的管道條件下效果不佳（Contreras等人，2003年；Sirisha等人，2022年）。數(shù)據(jù)驅(qū)動(dòng)的方法，以長短期記憶（LSTM）（Ren等人，2020年）及其演化的門控循環(huán)單元（Mahjoub等人，2022年）為代表，具有更強(qiáng)的非線性建模能力；然而，它們?nèi)狈︻l域?qū)��?yīng)物，并將所有頻帶壓縮到單一隱藏狀態(tài)中，這阻止了它們分離低頻熱趨勢和高頻振動(dòng)，導(dǎo)致在多步預(yù)測過程中多尺度信息丟失。

混合驅(qū)動(dòng)方法試圖通過在學(xué)習(xí)之前應(yīng)用顯式的數(shù)學(xué)分解來克服這一限制。小波變換（Ahmadi等人，2023年）和基于變分模態(tài)分解（VMD）的分解（Zhang等人，2019年，2023a年；Yang等人，2020年）生成干凈的組件信號(hào)，使網(wǎng)絡(luò)能夠?qū)崿F(xiàn)更好的預(yù)測性能（Zhongda等人，2017年；Wu和Wang，2022年；Liu等人，2012年）。盡管有這一優(yōu)勢，但在數(shù)據(jù)準(zhǔn)備或推理過程中必須重復(fù)執(zhí)行分解，導(dǎo)致較大的計(jì)算開銷并影響實(shí)時(shí)可靠性（Zhang等人，2023b年）。同時(shí)，點(diǎn)誤差僅代表統(tǒng)計(jì)偏差。對(duì)于管道健康評(píng)估而言，結(jié)構(gòu)趨勢——方向演變和累積變形——要重要得多（Lu等人，2016年）。兩個(gè)預(yù)測可能獲得相似的均方誤差（MSE），但顯示出完全不同的全局趨勢，這使得它們不適合用于結(jié)構(gòu)評(píng)估（Le Guen和Thome，2019年）。因此，需要一個(gè)結(jié)合值級(jí)和趨勢級(jí)信息的損失函數(shù)來有效指導(dǎo)學(xué)習(xí)（Usharani，2023年）。綜合來看，這些問題的存在表明，一個(gè)有效的預(yù)測框架需要兩種能力：一種內(nèi)部的可學(xué)習(xí)替代外部分解的方法，以及一種能夠保留長期結(jié)構(gòu)動(dòng)態(tài)的趨勢感知損失函數(shù)。

卷積網(wǎng)絡(luò)為第一個(gè)要求提供了基礎(chǔ)：具有異構(gòu)濾波器的多層架構(gòu)（Mitra和Franco，2015年）可以提取時(shí)間和頻譜信息，并充當(dāng)可學(xué)習(xí)的帶通濾波器（Ho等人，2024年）。然而，單獨(dú)的卷積無法保證穩(wěn)定的多尺度分離或保留長期趨勢演變。仍需要專門的機(jī)制來分離低頻熱趨勢和高頻振動(dòng)，同時(shí)需要趨勢感知的損失函數(shù)來減輕MSE固有的趨勢低估問題。

為了克服外部分解的計(jì)算負(fù)擔(dān)和傳統(tǒng)神經(jīng)預(yù)測器的弱趨勢敏感性，本研究提出了以下貢獻(xiàn)：

1.

一個(gè)可學(xué)習(xí)的受VMD啟發(fā)的分解模塊，取代了傳統(tǒng)的迭代VMD。它形成了一個(gè)多分支卷積濾波器組，能夠端到端提取多尺度時(shí)間成分，從而消除了外部預(yù)處理并降低了計(jì)算成本。

2.

一種趨勢感知的損失函數(shù)，明確限制了預(yù)測范圍內(nèi)的方向趨勢演變，解決了由點(diǎn)MSE引起的固有趨勢低估問題，并提高了長期預(yù)測的穩(wěn)定性。

3.

一個(gè)集成的VMD感知時(shí)間變換器（VAT-Former），在變換器框架內(nèi)統(tǒng)一了多尺度分解和趨勢保持，使得在不同運(yùn)行條件下的熱力管道位移預(yù)測更加準(zhǔn)確和實(shí)時(shí)。