检索结果-内蒙古大学图书馆

热力发电 2025年第4期 104-116页

作者：黄从智蒋茜茜谭祥帅华北电力大学控制与计算机工程学院电站能量传递转化与系统教育部重点实验室西安热工研究院有限公司

超超临界机组由于其高参数、高效率的优点，已成为电网深度调频调峰、抑制电网波动的有力支撑，超超临界机组控制策略的优化改造对于电网安全稳定运行具有重要意义。针对超超临界机组协调控制系统优化问题，提出一种基于误差自抗扰控制... 详细信息

超超临界机组由于其高参数、高效率的优点，已成为电网深度调频调峰、抑制电网波动的有力支撑，超超临界机组控制策略的优化改造对于电网安全稳定运行具有重要意义。针对超超临界机组协调控制系统优化问题，提出一种基于误差自抗扰控制策略和强化学习算法的智能控制策略。首先，在基于误差的自抗扰控制策略框架中，根据单元机组机炉耦合过程运行特性，简化机炉耦合过程被控对象模型，设计扩张状态观测器来实时估计并补偿机组的未建模动态特性和外部扰动。其次，构建奖励函数并利用柔性演员-评论家算法来实现控制器参数自适应调整。最后，基于某超超临界1 000 MW二次再热机组实际历史运行数据仿真验证了所提控制策略的有效性。

关键词：超超临界机组误差自抗扰控制强化学习参数自适应调整

来源：评论

学校读者我要写书评

暂无评论

基于根轨迹分析的PI控制器设计

引用

自动化技术与应用 2025年第1期44卷 20-23,56页

作者：延寒万晖孙明国家能源集团科学技术研究院有限公司江苏南京211800 低碳智能燃煤发电与超净排放全国重点实验室江苏南京211800 华北电力大学控制与计算机工程学院河北保定071066

通过研究PI控制器作用下的一阶惯性加延迟环节对象的闭环根轨迹,证明对象的延迟时间小于等于惯性时间常数(τ≤T)时,PI的积分时间等于惯性时间常数(Ti=T)可以使得闭环系统获取最佳的动态性能,而对象的延迟时间大于惯性时间常数(τ>T)... 详细信息

通过研究PI控制器作用下的一阶惯性加延迟环节对象的闭环根轨迹,证明对象的延迟时间小于等于惯性时间常数(τ≤T)时,PI的积分时间等于惯性时间常数(Ti=T)可以使得闭环系统获取最佳的动态性能,而对象的延迟时间大于惯性时间常数(τ>T)时,PI的积分时间大于惯性时间常数且小于延迟时间(TT时获得PI控制器参数的经验公式。

关键词： PI参数整定积分时间常数根轨迹延迟度动态性能

来源：评论

学校读者我要写书评

暂无评论

改进的灰色模型在光催化数据预测中的应用

引用

无机材料学报 2021年第8期36卷 871-876页

作者：王路平卢占会魏鑫方明王祥科华北电力大学数理学院北京102206 华北电力大学控制与计算机工程学院北京102206 华北电力大学资源环境系统优化教育部重点实验室北京102206

光催化去除水中污染物的研究通常得到的是小样本的离散数据,利用拟一级动力学模型对实验结果进行模拟和分析,有时拟合效果较差,且无法用于数据预测。本研究在离散灰色预测模型(DGM(1,1))的基础上,考虑数据的非线性特征并结合等维信息替... 详细信息

光催化去除水中污染物的研究通常得到的是小样本的离散数据,利用拟一级动力学模型对实验结果进行模拟和分析,有时拟合效果较差,且无法用于数据预测。本研究在离散灰色预测模型(DGM(1,1))的基础上,考虑数据的非线性特征并结合等维信息替代思想建立了非线性动态离散灰色模型(EDGM(1,1,α)),利用该模型对三元复合材料Bi/BiOCl/Au光催化去除四环素实验所得数据进行了预测,其平均相对误差和拟合度数据显示:相比于DGM(1,1)等3种模型,EDGM(1,1,α)模型对光催化实验数据具有良好的预测水平,与实验结果吻合。该预测方法可以用于指导下一步实验,有望减少实验次数,降低成本和能耗。

关键词：光催化预测灰色模型等维信息替代

来源：评论

学校读者我要写书评

暂无评论

C_3F_7CN/N_2混合气体的直流击穿特性

引用

电工技术学报 2018年第22期33卷 5189-5195页

作者：屠幼萍艾昕成毅金花王璁华北电力大学新能源电力系统国家重点实验室北京102206 华北电力大学高电压与电磁兼容北京市重点实验室北京102206 华北电力大学控制与计算机学院北京102206

寻找替代SF6应用于直流气体绝缘金属封闭输电线路(GIL)中的环保型气体成为近年来电力领域的研究热点,而C3F7CN是一种具有良好替代前景的气体。本文试验研究了均匀电场下0.3~0.7MPa气压范围内C3F7CN含量为8%~16%的C_3F_7CN/N_2混合气体... 详细信息

寻找替代SF6应用于直流气体绝缘金属封闭输电线路(GIL)中的环保型气体成为近年来电力领域的研究热点,而C3F7CN是一种具有良好替代前景的气体。本文试验研究了均匀电场下0.3~0.7MPa气压范围内C3F7CN含量为8%~16%的C_3F_7CN/N_2混合气体的直流击穿特性,并将结果与SF6气体、SF6/N2混合气体和C3F7CN/CO2混合气体对比。试验结果及分析表明:C_3F_7CN/N_2混合气体的正、负极性直流击穿电场强度均随着气压下降而降低,随着混合气体中C3F7CN含量增加提高了20%,0.7MPa下14%C3F7CN/86%N2的负极性击穿电场强度达到0.4MPa下SF6的87.3%,相同气压下,直流击穿电场强度以8%C3F7CN/92%N2混合气体最低,8%C3F7CN/92%CO2混合气体其次,20%SF6/80%N2混合气体最高。采用X射线光电子能谱(XPS)对金属电极表面的固体放电副产物进行分析,获得了C_3F_7CN/N_2混合气体放电过程中气体与电极可能发生的反应。

关键词： C3F7CN/N2 混合气体直流击穿特性X 射线光电子能谱放电副产物

来源：评论

学校读者我要写书评

暂无评论

基于LeNet5like的迁移学习风电机组叶片覆冰故障诊断研究

引用

仪器仪表学报 2024年第3期45卷 128-143页

作者：吕游封烁郑茜邓丹刘吉臻华北电力大学新能源电力系统全国重点实验室北京102206 华北电力大学控制与计算机工程学院北京102206

针对海上风电场和高海拔地区风机机组的叶片覆冰故障模型精度低、建模速度慢等问题,提出一种基于LeNet5like的迁移学习风电机组叶片覆冰故障诊断方法。首先,整合监控和数据采集系统的记录数据与风机覆冰情况进行预处理,建立训练数据集;... 详细信息

针对海上风电场和高海拔地区风机机组的叶片覆冰故障模型精度低、建模速度慢等问题,提出一种基于LeNet5like的迁移学习风电机组叶片覆冰故障诊断方法。首先,整合监控和数据采集系统的记录数据与风机覆冰情况进行预处理,建立训练数据集;其次,基于改进后的LeNet5like网络构建覆冰故障诊断模型,提取数据集中多变量间的相关性特征信息;然后,经网络参数微调迁移学习对模型进行训练,实现对其他风机覆冰故障诊断模型的快速建立;最后,经实验验证,该模型覆冰故障诊断准确率为98.90%,较无迁移模块网络训练时间缩短28 s,提升约15.91%,验证了基于LeNet5like的迁移学习风电机组叶片覆冰故障诊断方法的精确性和快速性。

关键词：故障诊断叶片覆冰迁移学习 LeNet5like网络 SCADA数据

来源：评论

学校读者我要写书评

暂无评论

基于机器学习训练金属离子吸附能预测模型的研究

引用

无机材料学报 2021年第11期36卷 1178-1184页

作者：张瑞鸿魏鑫卢占会艾玥洁华北电力大学数理学院北京102206 华北电力大学控制与计算机工程学院北京102206 华北电力大学环境科学与工程学院资源与环境系统优化教育部重点实验室北京102206

本研究通过密度泛函理论对氧化石墨烯和金属离子的吸附行为进行理论模拟。基于机器学习方法训练预测模型的过程中,缺失值采用推荐系统中广泛使用的奇异值分解方法处理,并用梯度提升机解释了影响吸附能的重要因素。结果发现吸附体系中存... 详细信息

本研究通过密度泛函理论对氧化石墨烯和金属离子的吸附行为进行理论模拟。基于机器学习方法训练预测模型的过程中,缺失值采用推荐系统中广泛使用的奇异值分解方法处理,并用梯度提升机解释了影响吸附能的重要因素。结果发现吸附体系中存在九种特征可为吸附能提供90%的累积重要性,分别为离子半径、零点振动能量、密立根电荷、沸点、偶极矩、原子量、摩尔定容热容、自旋多重度和键长。定量评估了六种回归方法的预测精度,包括支持向量回归、岭回归、随机森林、极端随机森林、极端梯度提升和轻梯度提升机。结果表明,机器学习方法可提供足够的吸附能预测准确性,其中极端随机森林方法表现出最优的预测性能,均方误差仅为0.075。该模型用于香兰素吸附金属离子的测试,验证了基于机器学习训练金属离子吸附能预测模型的可行性,但仍需进一步提高其泛化能力。本研究基于机器学习预测吸附能,简化预测过程、节省计算时间,可为吸附去除金属离子的理论和实验研究提供参考。

关键词：机器学习密度泛函理论吸附能金属离子极端随机森林

来源：评论

学校读者我要写书评

暂无评论

基于实例迁移学习的小样本光伏功率短期预测

引用

太阳能学报 2024年第6期45卷 325-333页

作者：王晓霞艾兴成王涛华北电力大学计算机系保定071003 河北省能源电力知识计算重点实验室保定071003 华北电力大学数理系保定071003

针对新建光伏电站历史数据匮乏导致功率预测精度不足的问题,提出一种基于实例迁移学习的小样本光伏发电功率短期预测方法。首先,以一组丰富的长期运行光伏数据为源域,利用多核最大均值差异估计源域与目标域光伏数据的匹配相似性,筛选出... 详细信息

针对新建光伏电站历史数据匮乏导致功率预测精度不足的问题,提出一种基于实例迁移学习的小样本光伏发电功率短期预测方法。首先,以一组丰富的长期运行光伏数据为源域,利用多核最大均值差异估计源域与目标域光伏数据的匹配相似性,筛选出高相似的迁移源域;然后,建立加权对抗双向长短期记忆网络,通过对抗学习赋予源域光伏样本权重以调整其数据分布,将调整后的源域数据充实目标域数据集,采用双向长短期记忆网络挖掘公共知识域中光伏发电功率序列与气象数据的双向时序关联特性,实现小样本条件下光伏功率的精准预测。结果表明:相较于传统深度学习和模型迁移方法,所提方法能有效提高历史数据有限条件下光伏功率的预测精度。

关键词：光伏发电预测深度学习迁移学习双向长短期记忆网络

来源：评论

学校读者我要写书评

暂无评论

基于改进Cascade R-CNN的典型金具及其部分缺陷检测方法

引用

高电压技术 2022年第3期48卷 1060-1067页

作者：赵振兵熊静李冰王亚茹张帅华北电力大学电子与通信工程系保定071003 华北电力大学河北省电力物联网技术重点实验室保定071003 华北电力大学控制与计算机工程学院保定071003

输电线路中典型金具及其缺陷的检测是非常重要的巡检任务。针对由于金具尺度变化大且部分金具为小尺度目标进而导致金具检测精确度低的问题,提出了一种基于改进级联区域卷积神经网络(cascade region convolutional neural networks,Casc... 详细信息

输电线路中典型金具及其缺陷的检测是非常重要的巡检任务。针对由于金具尺度变化大且部分金具为小尺度目标进而导致金具检测精确度低的问题,提出了一种基于改进级联区域卷积神经网络(cascade region convolutional neural networks,Cascade R-CNN)的典型金具及其部分缺陷检测方法。在Cascade R-CNN模型的基础上,采用递归特征金字塔结构进行特征优化,纵向优化层级高级语义特征,横向反馈连接增益主干网络特征图;同时提出使用神经架构搜索(neural architecture search,NAS)获取空洞卷积的空洞率来扩大感受野的方式使卷积对多尺度金具特征提取更有效。实验结果证明:提出的递归特征金字塔与NAS搜索空洞率的空洞卷积相结合改进Cascade R-CNN的方法,在一定程度上解决了金具检测精确度低的问题。其中性能指标值提高了6.72%,最高检测精确度达到了92.34%。该研究为进一步对典型金具进行故障诊断,实现智能巡检奠定了良好的基础。

关键词：递归特征金字塔典型金具 NAS 空洞卷积 Cascade R-CNN

来源：评论

学校读者我要写书评

暂无评论

基于CNN-LSTM-AM动态集成模型的电站风机状态预测方法

引用

仪器仪表学报 2023年第4期44卷 19-27页

作者：魏玮吕游齐欣宇刘吉臻房方华北电力大学控制与计算机工程学院北京102206 新能源电力系统国家重点实验室(华北电力大学) 北京102206

针对电站负荷变化时风机状态预测模型精度降低的问题,提出一种基于卷积神经网络(CNN)、长短时记忆(LSTM)网络与注意力机制(AM)的动态集成状态预测方法。首先,利用CNN将样本数据划分为边界有重叠的不同类别,实现风机运行状态的软分类;其... 详细信息

针对电站负荷变化时风机状态预测模型精度降低的问题,提出一种基于卷积神经网络(CNN)、长短时记忆(LSTM)网络与注意力机制(AM)的动态集成状态预测方法。首先,利用CNN将样本数据划分为边界有重叠的不同类别,实现风机运行状态的软分类;其次,在传统的LSTM网络的中引入AM层,构造不同工况下的LSTM-AM子模型,并将CNN输出的软分类标签作为初始权值,使用遗传算法对权值偏置进行搜索寻优;最后,对各个子模型的输出值加权求和,得到风机不同运行状态下的集成预测值。实验结果表明,相较各个LSTM-AM子模型和单一LSTM-AM模型,本文提出的基于CNN-LSTM-AM的动态集成模型在电站风机变负荷运行时可以将预测结果的均方根误差分别减小11.5%和22.3%,说明此模型具有更好的鲁棒性和适用性。

关键词：状态预测卷积神经网络长短时记忆网络注意力机制集成学习

来源：评论

学校读者我要写书评

暂无评论

基于改进EfficientNet的红外图像光伏组件故障识别研究

引用

仪器仪表学报 2024年第4期45卷 175-184页

作者：吕游郑茜齐欣宇房方刘吉臻华北电力大学新能源电力系统国家重点实验室北京102206 华北电力大学控制与计算机工程学院北京102206

光伏组件的故障会影响光伏阵列的输出性能,从而降低电站的发电效率,严重时甚至会危害电站的安全运行。传统的方法无法满足目前光伏组件故障检测快速性和正确率需求。因此,本文提出了一种基于改进EfficientNet的光伏组件故障识别方法。首... 详细信息

光伏组件的故障会影响光伏阵列的输出性能,从而降低电站的发电效率,严重时甚至会危害电站的安全运行。传统的方法无法满足目前光伏组件故障检测快速性和正确率需求。因此,本文提出了一种基于改进EfficientNet的光伏组件故障识别方法。首先,利用采集到的光伏组件红外图像建立故障数据集,并利用图像分割和数据增强对数据集进行预处理;其次,基于EfficientNet网络构建故障识别模型,同时在模型中引入双通道注意力模块(CBAM),该模块能够抑制不必要特征的识别,增强模型对空间特征信息的提取能力,进而提高模型的识别准确率;最后,通过对比仿真实验证明模型的有效性和先进性。实验结果表明,该模型的故障识别准确率达到了90.83%,相较于原始的EfficientNet模型提高了2.83%,且模型大小仅为20.3 M,具有良好的实用性,能够满足光伏电站实际应用的需求。

关键词：光伏组件红外图像故障识别 CBAM注意力机制

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：