一种综合能源系统运行工况识别与运行性能预测方法

    公开(公告)号:CN114943277A

    公开(公告)日:2022-08-26

    申请号:CN202210402932.3

    申请日:2022-04-18

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 本发明公开了一种基于迁移学习(Transferlearning,TL)、深度学习(Deep learning,DL)和多任务学习(Multi task learning,MTL)的综合能源系统(Integrated energy system,IES)运行工况识别与性能预测方法,属于综合能源系统领域。针对IES运行工况识别与性能预测的问题,提出了一种基于TL、DL和MTL的IES运行工况识别与性能预测方法,利用基于相关性分析的特征提取方法和TL解决了缺乏用于在线训练的高质量数据的问题,TL主要采用联合分布适配(JointDistribution Adaptation,JDA)共同适配表征源域与目标域的边缘与条件分布,并将适配后的数据共享到多任务学习中;并利用多任务联合训练,建立基于GRU神经网络组的运行工况识别与性能预测的模型,该模型有效降低了模型参数规模及运算时间,并且具有较高的准确性和较好的泛化性能。

    一种基于多任务特征共享的重型燃气轮机状态监测方法

    公开(公告)号:CN114757283A

    公开(公告)日:2022-07-15

    申请号:CN202210403503.8

    申请日:2022-04-18

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 本发明公开了一种基于多任务特征共享的重型燃气轮机状态监测方法,属于自动化技术领域。针对重型燃气轮机运行工况识别、健康状态监测以及运行性能预测效率低且准确性不高的问题,利用卷积神经网络和门控循环单元神经网络提取燃气轮机运行数据的空间和时间特征,将提取到的深层特征融合、共享,利用多任务联合训练,建立基于生物激励神经网络的多任务模型,实现对运行工况的正确识别、健康状态的实时监测以及运行性能的准确预测,提高重型燃气轮机运行的安全性和可靠性。