一种基于改进Seq2Seq模型的超超临界机组中间点温度预测方法

    公开(公告)号:CN118349830A

    公开(公告)日:2024-07-16

    申请号:CN202410513329.1

    申请日:2024-04-26

    摘要: 一种基于改进Seq2Seq模型的超超临界机组中间点温度预测方法,原始数据经过高斯滤波处理后,利用皮尔逊相关系数筛选出与中间点温度相关度高的数据作为输入变量;接着将数据输入到多尺度卷积神经网络中进行多尺度的特征提取;随后建立序列到序列Seq2Seq模型,将多尺度卷积神经网络提取到的特征输入编码器中,采用双层长短期记忆神经网络作为编码器和解码器,在第二个长短期记忆神经网络层后添加注意力机制,为其赋予不同的权重,最后采用全连接层实现准确的中间点温度预测。本发明提取效果良好,实现高精度的预测效果。

    一种基于核密度估计和卷积优化算法的智能报警方法

    公开(公告)号:CN117198010A

    公开(公告)日:2023-12-08

    申请号:CN202311015842.X

    申请日:2023-08-11

    IPC分类号: G08B21/18 G08B29/18

    摘要: 一种基于核密度估计和卷积优化算法的智能报警方法,首先,采用核密度估计方法对正常和异常状态下的数据进行拟合,得到概率密度函数;然后,根据概率密度函数计算出漏报率、误报率以及检测迟延期望,并建立报警阈值优化目标函数;最后,使用卷积优化算法对目标函数进行优化求解。实验结果表明,本发明能够保证低误报率的同时大大降低漏报率与检测迟延期望,提高了报警系统的性能,从而提高了超超临界机组运行的安全性,实现了智能报警。