-
公开(公告)号：CN113837459B
公开(公告)日：2024-05-03
申请号：CN202111084120.0
申请日：2021-09-15
Applicant: 浙江浙能数字科技有限公司 , 浙江浙能技术研究院有限公司
Abstract: 本发明涉及一种基于RF‑DTW的智能电厂燃煤发电机组短期负荷预测方法，包括步骤：获取当前时间作为预测时刻；从机组的数据库中获取历史数据；对历史数据进行预处理；根据预测时刻计算预测时刻前一周的平均负荷。本发明的有益效果是：本发明克服了仅用机组历史负荷数据预测机组负荷的局限性，本发明基于RF‑DTW算法，给出了任意当前时间点24小时内的机组负荷预测值，确保了未来24小时内机组负荷预测的最大误差小于5％；据此可以为燃煤发电机组的循环水泵、磨煤机、脱硫浆液循环泵等重要辅机的启停优化操作提供决策支撑，对燃煤发电机组在确保安全的基础上尽可能提高机组的经济运行水平具有重要意义，具有广阔的推广前景。
-
Patent Agency Ranking
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：CN113837459A
公开(公告)日：2021-12-24
申请号：CN202111084120.0
申请日：2021-09-15
Applicant: 浙江浙能技术研究院有限公司
Abstract: 本发明涉及一种基于RF‑DTW的智能电厂燃煤发电机组短期负荷预测方法，包括步骤：获取当前时间作为预测时刻；从机组的数据库中获取历史数据；对历史数据进行预处理；根据预测时刻计算预测时刻前一周的平均负荷。本发明的有益效果是：本发明克服了仅用机组历史负荷数据预测机组负荷的局限性，本发明基于RF‑DTW算法，给出了任意当前时间点24小时内的机组负荷预测值，确保了未来24小时内机组负荷预测的最大误差小于5％；据此可以为燃煤发电机组的循环水泵、磨煤机、脱硫浆液循环泵等重要辅机的启停优化操作提供决策支撑，对燃煤发电机组在确保安全的基础上尽可能提高机组的经济运行水平具有重要意义，具有广阔的推广前景。
-
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：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。
-
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。
-
-
-
-
-
Search Results
6
records
(took 0.051 seconds)
