排序方式： 共有1条查询结果，搜索用时 31 毫秒
1
1.
传统火电厂机组负荷调度自动控制方法无法准确预测多用户目标负荷，导致负荷调度误差较大，提出基于深度学习的火电厂机组负荷调度自动控制方法。通过火电厂的历史运行数据构建火电厂机组负荷分配模型，采用深度学习中的长短期记忆网络（Long Short-Term Memory,LSTM）神经网络进行火电机组负荷预测，建立机组系统能耗与负荷频率的相关模型，输出负荷调度结果，引入比例、积分（Proportion Integral,PI）控制器实现火电厂机组负荷调度自动控制。实验结果表明，文章设计方法能够准确预测火电厂机组运行负荷，在升负荷过程及降负荷过程中的调度负荷和调度自动控制准确性均较好。 相似文献
1