期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合数据驱动与启发式算法的煤元素碳含量校验
1
作者
孙栓柱
陆佳慧
+5 位作者
江宇泷
周春蕾
朱洁雯
杨晨琛
汤红健
段伦博
《洁净煤技术》
北大核心
2025年第6期185-194,共10页
“碳达峰”“碳中和”政策背景下,燃煤发电行业的减排降碳势在必行。提升碳排放数据的质量水平,强化碳排放监管要求,是保障燃煤发电行业降碳成效的必要举措。入炉煤元素碳含量作为碳排放核算过程中的关键参数,对于燃煤发电企业上报的入...
“碳达峰”“碳中和”政策背景下,燃煤发电行业的减排降碳势在必行。提升碳排放数据的质量水平,强化碳排放监管要求,是保障燃煤发电行业降碳成效的必要举措。入炉煤元素碳含量作为碳排放核算过程中的关键参数,对于燃煤发电企业上报的入炉煤元素碳含量数据的校核尤为重要。对此,提出了一种针对入炉煤元素碳含量数据的智能校验方法。首先,收集了近1000组国内外典型动力煤的工业分析和元素分析数据。其次,融合高斯过程回归和启发式优化算法,基于美国煤质数据集建立了入炉煤元素碳含量的回归预测机器学习模型,模型在训练集和测试集上的回归系数R2分别为0.9898和0.9877,体现出优良的拟合与预测能力,实现了对入炉煤元素碳含量数据的精确预测。然后,以中国标准煤样数据、中国典型燃煤机组的煤质分析数据为案例进一步验证了机器学习模型的泛化能力,模型在中国标准煤样数据上的元素碳含量预测平均相对误差仅为1.68%,在典型燃煤机组数据上的预测回归系数为0.9877,均取得了准确的预测效果,验证了模型对入炉煤元素碳预测的精度与适用性。最后,进一步将该模型部署到了我国某600 MW燃煤发电机组生产过程中,模型预测值与实测值的平均相对误差为0.79%,实现了以班组为频次的入炉煤元素碳含量及时准确监测,助力燃煤发电企业上报的元素碳含量数据校验。
展开更多
关键词
“双碳”目标
机器学习
启发式优化算法
入炉煤元素碳
智能校验
在线阅读
下载PDF
职称材料
基于深度迁移学习的燃煤锅炉烟气流量预测及智能诊断
2
作者
江宇泷
杜翰斌
+2 位作者
陆佳慧
汤红健
段伦博
《煤炭学报》
2025年第8期4088-4099,共12页
燃煤锅炉烟气流量数据的可靠性是实现火电机组碳排放精准计量的重要前提。然而,流场的不均匀性、测点位置的选择以及取样管堵塞等问题,给烟气流量的准确监测带来挑战。针对烟气流量在线监测存在的难题,提出建立基于Transformer的多变量...
燃煤锅炉烟气流量数据的可靠性是实现火电机组碳排放精准计量的重要前提。然而,流场的不均匀性、测点位置的选择以及取样管堵塞等问题,给烟气流量的准确监测带来挑战。针对烟气流量在线监测存在的难题,提出建立基于Transformer的多变量时间序列模型,以实现烟气流量的在线预测与数据诊断。首先,从某660 MW典型燃煤机组中采集了25 d的烟气流量数据以及相应的运行工况参数,建立了Transformer烟气流量预测模型。模型对于烟气流量的预测效果,在训练集和测试集上的回归系数R^(2)均高于0.9,且预测精度显著优于随机森林、人工神经网络等非时序机器学习模型,以及长短期记忆网络等递归神经网络模型。结果表明:Transformer烟气流量预测模型可以准确建立机组运行工况变量与烟气流量之间的动态映射关系。然后,采用迁移学习方法,实现了将660 MW燃煤机组上已训练好的Transformer源模型迁移至另一台630 MW燃煤机组烟气流量预测的泛化应用。仅采用630 MW机组0.5 d连续运行的数据进行迁移训练,准确预测了后24.5 d的烟气流量数据,预测精度R^(2)达到0.84。Transformer迁移学习模型具有较优的烟气流量预测性能,且迁移学习方法大幅度提高了模型的训练效率。最后,基于Transformer模型对于烟气流量良好的时序性预测性能,进一步实现了对燃煤机组烟气流量数据的智能诊断。
展开更多
关键词
燃煤锅炉
烟气流量
Transformer
迁移学习
智能诊断
在线阅读
下载PDF
职称材料
题名
融合数据驱动与启发式算法的煤元素碳含量校验
1
作者
孙栓柱
陆佳慧
江宇泷
周春蕾
朱洁雯
杨晨琛
汤红健
段伦博
机构
江苏方天电力技术有限公司
东南大学
出处
《洁净煤技术》
北大核心
2025年第6期185-194,共10页
基金
江苏方天电力技术有限公司科技资助项目(KJ202211)。
文摘
“碳达峰”“碳中和”政策背景下,燃煤发电行业的减排降碳势在必行。提升碳排放数据的质量水平,强化碳排放监管要求,是保障燃煤发电行业降碳成效的必要举措。入炉煤元素碳含量作为碳排放核算过程中的关键参数,对于燃煤发电企业上报的入炉煤元素碳含量数据的校核尤为重要。对此,提出了一种针对入炉煤元素碳含量数据的智能校验方法。首先,收集了近1000组国内外典型动力煤的工业分析和元素分析数据。其次,融合高斯过程回归和启发式优化算法,基于美国煤质数据集建立了入炉煤元素碳含量的回归预测机器学习模型,模型在训练集和测试集上的回归系数R2分别为0.9898和0.9877,体现出优良的拟合与预测能力,实现了对入炉煤元素碳含量数据的精确预测。然后,以中国标准煤样数据、中国典型燃煤机组的煤质分析数据为案例进一步验证了机器学习模型的泛化能力,模型在中国标准煤样数据上的元素碳含量预测平均相对误差仅为1.68%,在典型燃煤机组数据上的预测回归系数为0.9877,均取得了准确的预测效果,验证了模型对入炉煤元素碳预测的精度与适用性。最后,进一步将该模型部署到了我国某600 MW燃煤发电机组生产过程中,模型预测值与实测值的平均相对误差为0.79%,实现了以班组为频次的入炉煤元素碳含量及时准确监测,助力燃煤发电企业上报的元素碳含量数据校验。
关键词
“双碳”目标
机器学习
启发式优化算法
入炉煤元素碳
智能校验
Keywords
carbon peaking and carbon neutrality goals
machine learning
heuristic optimization algorithm
elemental carbon content of coal as fired
intelligent verification
分类号
TK314 [动力工程及工程热物理—热能工程]
在线阅读
下载PDF
职称材料
题名
基于深度迁移学习的燃煤锅炉烟气流量预测及智能诊断
2
作者
江宇泷
杜翰斌
陆佳慧
汤红健
段伦博
机构
东南大学能源热转换及其过程测控教育部重点实验室
出处
《煤炭学报》
2025年第8期4088-4099,共12页
基金
国家自然科学基金联合基金资助项目(U22A20435)
国家自然科学基金青年科学基金资助项目(52206135)
江苏省基础研究计划自然科学基金资助项目(青年基金项目)(BK20220836)。
文摘
燃煤锅炉烟气流量数据的可靠性是实现火电机组碳排放精准计量的重要前提。然而,流场的不均匀性、测点位置的选择以及取样管堵塞等问题,给烟气流量的准确监测带来挑战。针对烟气流量在线监测存在的难题,提出建立基于Transformer的多变量时间序列模型,以实现烟气流量的在线预测与数据诊断。首先,从某660 MW典型燃煤机组中采集了25 d的烟气流量数据以及相应的运行工况参数,建立了Transformer烟气流量预测模型。模型对于烟气流量的预测效果,在训练集和测试集上的回归系数R^(2)均高于0.9,且预测精度显著优于随机森林、人工神经网络等非时序机器学习模型,以及长短期记忆网络等递归神经网络模型。结果表明:Transformer烟气流量预测模型可以准确建立机组运行工况变量与烟气流量之间的动态映射关系。然后,采用迁移学习方法,实现了将660 MW燃煤机组上已训练好的Transformer源模型迁移至另一台630 MW燃煤机组烟气流量预测的泛化应用。仅采用630 MW机组0.5 d连续运行的数据进行迁移训练,准确预测了后24.5 d的烟气流量数据,预测精度R^(2)达到0.84。Transformer迁移学习模型具有较优的烟气流量预测性能,且迁移学习方法大幅度提高了模型的训练效率。最后,基于Transformer模型对于烟气流量良好的时序性预测性能,进一步实现了对燃煤机组烟气流量数据的智能诊断。
关键词
燃煤锅炉
烟气流量
Transformer
迁移学习
智能诊断
Keywords
coal-fired boilers
flue gas flowrate
Transformer
transfer learning
intelligent diagnosis
分类号
TK313 [动力工程及工程热物理]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合数据驱动与启发式算法的煤元素碳含量校验
孙栓柱
陆佳慧
江宇泷
周春蕾
朱洁雯
杨晨琛
汤红健
段伦博
《洁净煤技术》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于深度迁移学习的燃煤锅炉烟气流量预测及智能诊断
江宇泷
杜翰斌
陆佳慧
汤红健
段伦博
《煤炭学报》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
