-
题名基于改进和声搜索算法的主蒸汽温度现场数据辨识
被引量：3
- 1
-
-
作者
王东风
黄金山
-
机构
华北电力大学自动化系
-
出处
《动力工程学报》
CAS
CSCD
北大核心
2014年第5期376-381,共6页
-
基金
国家自然科学基金资助项目(61203041)
中央高校基本科研业务费专项资金资助项目(11MG49)
-
文摘
针对主蒸汽温度系统现场数据的模型辨识问题,提出了结合粒子群优化算法的改进和声搜索算法.采用经验模态分解法对带噪声污染的现场数据进行滤波处理,采用离散相似法进行模型辨识的计算机仿真实现和数值计算.应用该改进算法对循环流化床主蒸汽温度系统模型进行了现场数据辨识.结果表明:所辨识的模型具有较高的精度,能够反映实际主蒸汽温度系统的动静态特性;改进和声搜索算法比粒子群优化算法具有更好的稳定性和全局寻优能力,以及更快的收敛速度.
-
关键词
和声搜索算法
粒子群优化算法
现场数据
主蒸汽温度系统
模型辨识
-
Keywords
harmony search algorithm
particle swarm optimization
field data
main steam temperature system
model identification
-
分类号
TK323
[动力工程及工程热物理—热能工程]
-
-
题名基于多图卷积神经网络的主汽温系统故障诊断
被引量：3
- 2
-
-
作者
吴铮
张悦
董泽
-
机构
华北电力大学控制与计算机工程学院
河北省发电过程仿真与优化控制技术创新中心
-
出处
《动力工程学报》
CAS
CSCD
北大核心
2023年第2期237-245,共9页
-
基金
河北省省级科技计划资助项目(22567643H)
中央高校基本科研业务费专项资金资助项目(2018QN096)
河北省自然科学基金资助项目(E2018502111)。
-
文摘
针对主汽温系统具有大迟延、大惯性、非线性和时变性的特点,提出了一种基于多图融合-图卷积神经网络的故障诊断方法。建立邻接图和相关性图,将机组历史运行数据扩展为非欧式空间的图数据,引入特征权重和截断参数来约束节点间的相关性,对图信息进行融合。同时,利用邻接矩阵建立各运行数据间的拓扑信息,并通过深度图卷积结构融合邻近节点信息,建立系统数据与运行状态间的映射关系。结果表明:相较于概率神经网络(PNN)、长短期记忆神经网络(LTSM)和最小二乘支持向量机(LSSVM),所提MG-GCN模型的故障诊断准确率分别提升了11%、7%和16%,误检率、漏检率均较低,能够对多种系统故障类型进行准确识别,具有良好的故障诊断性能。
-
关键词
图卷积神经网络
主蒸汽温度系统
故障诊断
火电机组
拓扑结构
-
Keywords
graph convolutional neural network
main steam temperature system
fault diagnosis
thermal power unit
topology structure
-
分类号
TK39
[动力工程及工程热物理—热能工程]
-
