融入句法结构信息的句子级情感分析算法

针对预训练模型BERT在编码文本时,只考虑了文本的序列信息从而只显示地学习了文本的语义信息,但文本的句法结构信息还不能被显示地利用。受知识蒸馏理论的启发,以Teacher-Student框架为模板,提出了Tree-BERT模型将文本的句法结构信息融入到BERT模型中。该模型先使用Tree-LSTM网络学习文本的句法结构信息,然后预测目标领域训练集样本的情感概率分布,也就是样本的情感“软标签”,最后在扩充后的目标领域训练集上微调BERT,提高了BERT在句子级情感分析任务上的准确率。     

基于网源协同的光伏发电实时动态调频的技术改造

利用光伏技术发电作为新能源发电的重要组成部分,具有环保、可再生、分布式等优势,但其波动性和不 可控性也是制约其大规模应用的重要因素之一,因此实时动态调频技术的研究与应用对于将光伏发电纳入电力系统中 具有重要的意义.研究旨在基于网源协同,开展光伏发电实时动态调频的研究与技术改造,探索实时调节光伏发电输 出功率,以实现电力系统频率稳定和电能质量改善的目标.     

基于历史数据挖掘的调阀流量特性柔性优化

现代汽轮机控制系统中,汽轮机阀门流量特征管理是通过一组配汽 F(x)来实现的,即汽轮机阀门流量特性 曲线理论上是其流量特征的数值表征,当 DEH 设定的阀门流量特性曲线与实际流量特性一致时,汽轮机才会表现出 良好的性能.但现实生产过程中由于设备安装偏差、通流改造、DEH 改造、运行老化以及检修解体等原因,阀门实 际流量特性与配汽函数中参数设置不一样,造成负荷波动、一次调频品质不合格或机组协调能力不足等问题.而 DCS 系统中每天存储着数以亿计的运行数据,该数据能够真实、客观、全面反映机组运行特性,如果能利用历史数据挖掘 的办法,正确利用这些数据,发挥其作用和潜能,实现利用历史数据分析汽轮机阀门在各种工况下的流量特性,那么优化后的阀门流量特性曲线和实际流量特性更接近一致性,从而使汽轮机表现出良好的控制性能,大大提高负荷的控制精度和一次调频的调节性能.     

基于网源协同的火电机组负荷快调及综合调频技术改造

为提高电网安全运行的稳定性，减小风光等新能源发电不稳定性带来的波动对电网影响，增强电网抗事故的能力，对作为调峰调频扮演重要角色的火力发电机组提出了越来越严格的要求。为更好适应新时代电网发展的要求，对火力发电机组进行AGC负荷快调和机组综合调频进行了改造。