排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
在灵活调峰的背景下,为适应直接空冷机组负荷动态变化与环境因素干扰,提出一种在线学习的神经网络方法对直接空冷机组背压进行预测。首先,对历史数据进行清洗,通过Spearman相关性分析确定影响运行背压的低冗余重要特征。接着,采用Hammerstein模型对背压进行模型参数在线辨识。同时,采用长短记忆神经网络和注意力机制建立直接空冷机组背压预测模型,使用在线学习的方式对模型进行更新。实验表明:该模型在预测未来1h内不同时间跨度的背压绝对百分比误差(MAPE)低于9%,并在预测30s内的背压MAPE低于1%。最后,在实际电厂系统中验证模型能够在实际应用中稳定运行。本研究的成果为直接空冷机组背压实时预测提供了有效的方法,这对于灵活调峰直接空冷机组的运行和管理具有重要的意义。 相似文献
2.
1