-
公开(公告)号：CN111754030B
公开(公告)日：2022-04-12
申请号：CN202010527009.3
申请日：2020-06-11
Applicant: 浙江浙能技术研究院有限公司 , 山东鲁能软件技术有限公司
Abstract: 本发明涉及一种基于HAC和RF‑GA的火电机组供电煤耗优化方法，包括：步骤1、将火电机组中计算供电煤耗的相关参数分为三类；步骤2、数据预处理；步骤3、基于凝聚层次聚类(HAC)算法构建工况划分模型，利用工况识别参数进行工况划分。本发明的有益效果是：本发明可用于燃煤机组供电煤耗优化。本发明采用随机森林回归算法构建供电煤耗预测模型，并采用遗传优化算法建立基于供电煤耗优化模型。建立各工况最优可调参数数据库。对于实时数据，通过工况划分模型匹配工况后在最优可调参数数据库中获得优化目标，对供电煤耗值进行优化。本发明可为发电企业提供优化建议，实现对发电成本的优化控制。
-
公开(公告)号：CN111753889A
公开(公告)日：2020-10-09
申请号：CN202010526996.5
申请日：2020-06-11
Applicant: 浙江浙能技术研究院有限公司 , 山东鲁能软件技术有限公司
Abstract: 本发明涉及一种基于CNN-SVDD的引风机故障识别方法，包括：步骤1：采集足量训练数据，进行数据预处理；步骤2：利用预处理后的训练数据构建CNN-SVDD模型，利用CNN算法对时间序列数据进行降维，然后通过SVDD算法进行数据单分类；步骤3：采集足量实时数据，用基于已构建的CNN-SVDD模型对实时数据对应的引风机故障进行识别。本发明的有益效果是：本发明利用深度学习先进行特征提取，大量减少特征维度后，再使用SVDD进行单分类分析，这样可以节省SVDD的时间和内存开销。另外由于引风机数据具有时间序列特性，可以充分利用时间序列数据时间维度上的局部相关性，使用一维卷积网络减少学习参数，进一步减少计算开销。
-
公开(公告)号：CN111720296A
公开(公告)日：2020-09-29
申请号：CN202010527007.4
申请日：2020-06-11
Applicant: 浙江浙能技术研究院有限公司 , 山东鲁能软件技术有限公司
Abstract: 本发明涉及一种基于自编码器的汽动给水泵设备异常状态预警方法，包括：步骤1、选取汽动给水泵设备关键部件的全部状态参数，并把部分状态参数进行扩维处理；步骤2、数据预处理。本发明的有益效果是：本发明基于自编码器深度学习模型对汽动给水泵运行中各测点的异常状态进行识别并预警。通过建立基于自编码器的汽动给水泵深度学习模型，计算评估值与置信区间，监测汽动给水泵运行状态并对异常状态进行预警。这将给随后的设备维护计划制定提供坚实的支撑，对于对可靠性要求严格的设备维护管理大有裨益，在工程实际应用方面具有广阔前景。本发明可以有效得辨识设备运行中的异常状况，为汽动给水泵状态异常预警研究提供了一种崭新的思路。
-
公开(公告)号：CN111753889B
公开(公告)日：2022-04-12
申请号：CN202010526996.5
申请日：2020-06-11
Applicant: 浙江浙能技术研究院有限公司 , 山东鲁能软件技术有限公司
Abstract: 本发明涉及一种基于CNN‑SVDD的引风机故障识别方法，包括：步骤1：采集足量训练数据，进行数据预处理；步骤2：利用预处理后的训练数据构建CNN‑SVDD模型，利用CNN算法对时间序列数据进行降维，然后通过SVDD算法进行数据单分类；步骤3：采集足量实时数据，用基于已构建的CNN‑SVDD模型对实时数据对应的引风机故障进行识别。本发明的有益效果是：本发明利用深度学习先进行特征提取，大量减少特征维度后，再使用SVDD进行单分类分析，这样可以节省SVDD的时间和内存开销。另外由于引风机数据具有时间序列特性，可以充分利用时间序列数据时间维度上的局部相关性，使用一维卷积网络减少学习参数，进一步减少计算开销。
-
公开(公告)号：CN111754093B
公开(公告)日：2023-09-22
申请号：CN202010526989.5
申请日：2020-06-11
Applicant: 浙江浙能技术研究院有限公司 , 山东鲁能软件技术有限公司
IPC: G06Q10/0637 , G06N20/10 , G06Q50/06 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于煤质预测和PSO‑SVM的飞灰含碳量预测方法，包括步骤：步骤1、选取和构造合适的煤质影响参数和煤质特征参数，构建基于BP神经网络的煤质预测模型，通过煤种匹配来软测量入炉煤煤质；步骤2、构建基于支持向量机(SVM)的飞灰含碳量预测模型。本发明的有益效果是：本发明可用于飞灰含碳量的软测量，并对模型进行了优化，进一步提高了飞灰含碳量软测量模型的预测性能。本发明首先利用煤质影响参数构建煤质预测的BP神经网络模型，从而获得较为准确的煤质化验数据；本发明提出的飞灰含碳量预测模型融合了煤质预测和飞灰含碳量预测两种技术，实现飞灰含碳量的精准测量，对提高锅炉的燃烧经济性、减少燃煤消耗和改善环境具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN111720296B
公开(公告)日：2022-03-08
申请号：CN202010527007.4
申请日：2020-06-11
Applicant: 浙江浙能技术研究院有限公司 , 山东鲁能软件技术有限公司
Abstract: 本发明涉及一种基于自编码器的汽动给水泵设备异常状态预警方法，包括：步骤1、选取汽动给水泵设备关键部件的全部状态参数，并把部分状态参数进行扩维处理；步骤2、数据预处理。本发明的有益效果是：本发明基于自编码器深度学习模型对汽动给水泵运行中各测点的异常状态进行识别并预警。通过建立基于自编码器的汽动给水泵深度学习模型，计算评估值与置信区间，监测汽动给水泵运行状态并对异常状态进行预警。这将给随后的设备维护计划制定提供坚实的支撑，对于对可靠性要求严格的设备维护管理大有裨益，在工程实际应用方面具有广阔前景。本发明可以有效得辨识设备运行中的异常状况，为汽动给水泵状态异常预警研究提供了一种崭新的思路。
-
公开(公告)号：CN111754093A
公开(公告)日：2020-10-09
申请号：CN202010526989.5
申请日：2020-06-11
Applicant: 浙江浙能技术研究院有限公司 , 山东鲁能软件技术有限公司
Abstract: 本发明涉及一种基于煤质预测和PSO-SVM的飞灰含碳量预测方法，包括步骤：步骤1、选取和构造合适的煤质影响参数和煤质特征参数，构建基于BP神经网络的煤质预测模型，通过煤种匹配来软测量入炉煤煤质；步骤2、构建基于支持向量机(SVM)的飞灰含碳量预测模型。本发明的有益效果是：本发明可用于飞灰含碳量的软测量，并对模型进行了优化，进一步提高了飞灰含碳量软测量模型的预测性能。本发明首先利用煤质影响参数构建煤质预测的BP神经网络模型，从而获得较为准确的煤质化验数据；本发明提出的飞灰含碳量预测模型融合了煤质预测和飞灰含碳量预测两种技术，实现飞灰含碳量的精准测量，对提高锅炉的燃烧经济性、减少燃煤消耗和改善环境具有重要意义。
-
公开(公告)号：CN111754030A
公开(公告)日：2020-10-09
申请号：CN202010527009.3
申请日：2020-06-11
Applicant: 浙江浙能技术研究院有限公司 , 山东鲁能软件技术有限公司
Abstract: 本发明涉及一种基于HAC和RF-GA的火电机组供电煤耗优化方法，包括：步骤1、将火电机组中计算供电煤耗的相关参数分为三类；步骤2、数据预处理；步骤3、基于凝聚层次聚类(HAC)算法构建工况划分模型，利用工况识别参数进行工况划分。本发明的有益效果是：本发明可用于燃煤机组供电煤耗优化。本发明采用随机森林回归算法构建供电煤耗预测模型，并采用遗传优化算法建立基于供电煤耗优化模型。建立各工况最优可调参数数据库。对于实时数据，通过工况划分模型匹配工况后在最优可调参数数据库中获得优化目标，对供电煤耗值进行优化。本发明可为发电企业提供优化建议，实现对发电成本的优化控制。
-
公开(公告)号：CN113761794B
公开(公告)日：2024-05-31
申请号：CN202110942851.8
申请日：2021-08-17
Applicant: 浙江浙能技术研究院有限公司
IPC: G06F30/27 , G06F119/08 , G06F119/12
Abstract: 本发明涉及一种基于时间序列预测算法补全污染因子的锅炉吹灰优化方法，包括步骤：受热面污染因子计算；剔除异常数据；稳态工况时间段抓取；利用时间序列预测算法补全非稳态时间段内的污染因子。本发明的有益效果是：本发明通过抓取稳态工况，计算稳态工况时间段的污染因子，并根据时间序列预测算法补全非稳态工况下的污染因子，从而指导吹灰。能够避免非稳态工况下由于受热面蓄热量的改变，直接根据热平衡计算得到的污染因子难以准确实时反映受热面实际的沾污情况且污染因子容易大幅波动，从而避免大量误吹灰的操作。本发明方法简单合理，实际应用有较好效果，且不需要增加额外的设备和测点，技术效益和经济效益显著。
-
公开(公告)号：CN113761794A
公开(公告)日：2021-12-07
申请号：CN202110942851.8
申请日：2021-08-17
Applicant: 浙江浙能技术研究院有限公司
IPC: G06F30/27 , G06F119/08 , G06F119/12
Abstract: 本发明涉及一种基于时间序列预测算法补全污染因子的锅炉吹灰优化方法，包括步骤：受热面污染因子计算；剔除异常数据；稳态工况时间段抓取；利用时间序列预测算法补全非稳态时间段内的污染因子。本发明的有益效果是：本发明通过抓取稳态工况，计算稳态工况时间段的污染因子，并根据时间序列预测算法补全非稳态工况下的污染因子，从而指导吹灰。能够避免非稳态工况下由于受热面蓄热量的改变，直接根据热平衡计算得到的污染因子难以准确实时反映受热面实际的沾污情况且污染因子容易大幅波动，从而避免大量误吹灰的操作。本发明方法简单合理，实际应用有较好效果，且不需要增加额外的设备和测点，技术效益和经济效益显著。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.054 seconds)
