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
基于数据-物理混合模型的菇房空调节能控制方法
被引量：
1
1
作者
孔祥书
郑文刚
+3 位作者
张馨
王明飞
单飞飞
赵倩
《农业工程学报》
北大核心
2025年第4期309-317,共9页
针对模型预测控制在菇房节能控制中存在纯数据驱动温度预测模型可解释性差、优化求解速度慢等问题,该研究提出了一种基于数据-物理混合模型的菇房空调节能控制方法。首先,使用门控循环单元神经网络(gated recurrent unit neural network...
针对模型预测控制在菇房节能控制中存在纯数据驱动温度预测模型可解释性差、优化求解速度慢等问题,该研究提出了一种基于数据-物理混合模型的菇房空调节能控制方法。首先,使用门控循环单元神经网络(gated recurrent unit neural network, GRU)与注意力机制(attention)作为预测模型,将菇房内部热平衡方程纳入损失函数中,实现基于数据-物理混合模型的菇房温度预测方法。然后,基于模型输出与参考轨迹的偏离程度和设备控制量建立目标函数。最后,利用改进型Adam算法快速地求解出空调在控制时域内的最优控制序列,实现菇房空调能耗最优控制。试验结果表明:与纯数据驱动的GRU模型相比,本文所提出的菇房温度预测模型,预测精度提高18%,均方根误差可控制在0.10℃内。与自适应矩估计(adaptive moment estimation,Adam)优化算法相比,改进型Adam算法适应度值降低6%,与带精英策略的快速非支配排序遗传算法相比(non-dominated sorting genetic algorithmⅡ, NSGA-Ⅱ)运算时长减少81%。与传统的阈值控制方法相比,本文所提出的模型预测控制方法跟踪精度提高63%,控制精度的均方根误差平均降低了73%,空调能耗平均降低了12%。该研究为菇房空调的节能控制提供了有效的控制方法。
展开更多
关键词
节能
模型
预测控制
深度学习
数据
-
物理
混合
驱动
模型
菇房
在线阅读
下载PDF
职称材料
数据-物理混合驱动的配电网运行韧性评估方法与提升策略
2
作者
陈逸飞
郑子萱
+3 位作者
肖先勇
胡文曦
陈韵竹
王玉财
《电力系统保护与控制》
北大核心
2025年第10期13-22,共10页
配电网多元敏感用户生产信息的不透明,使得电压暂降对敏感负荷的影响难以通过构建显性函数来准确量化,进一步限制了配电网运行韧性提升策略的有效性。为解决上述问题,提出了基于数据-物理混合驱动的配电网运行韧性评估与提升方法。类比...
配电网多元敏感用户生产信息的不透明,使得电压暂降对敏感负荷的影响难以通过构建显性函数来准确量化,进一步限制了配电网运行韧性提升策略的有效性。为解决上述问题,提出了基于数据-物理混合驱动的配电网运行韧性评估与提升方法。类比传统韧性指标及其定义构建了计及电压暂降对敏感用户影响的运行韧性指标。考虑到不同敏感用户对电压暂降的耐受特性不同,构建电压暂降轨迹特征体系以表征电压暂降下不同敏感负荷的响应特性,提出了数据驱动的配电网运行韧性评估模型。在此基础上,将数据驱动的韧性评估流程嵌入多目标储能优化配置的物理模型中。最后以IEEE33节点配电网为例进行算例分析。结果表明,所提数据-物理混合驱动的储能优化配置模型能够解决电压暂降特征与运行韧性指标之间函数关系式难以显性表征的问题,能够在保障配电网运行经济性的同时改善运行韧性评估结果。
展开更多
关键词
配电网运行韧性
电压暂降
随机森林回归算法
储能优化配置
数据-物理混合模型
在线阅读
下载PDF
职称材料
题名
基于数据-物理混合模型的菇房空调节能控制方法
被引量：
1
1
作者
孔祥书
郑文刚
张馨
王明飞
单飞飞
赵倩
机构
北京市农林科学院智能装备技术研究中心
北京市农林科学院信息技术研究中心
出处
《农业工程学报》
北大核心
2025年第4期309-317,共9页
基金
国家现代农业产业技术体系项目(CARS-20)
北京市食用菌创新团队项目(BAIC03-2024)。
文摘
针对模型预测控制在菇房节能控制中存在纯数据驱动温度预测模型可解释性差、优化求解速度慢等问题,该研究提出了一种基于数据-物理混合模型的菇房空调节能控制方法。首先,使用门控循环单元神经网络(gated recurrent unit neural network, GRU)与注意力机制(attention)作为预测模型,将菇房内部热平衡方程纳入损失函数中,实现基于数据-物理混合模型的菇房温度预测方法。然后,基于模型输出与参考轨迹的偏离程度和设备控制量建立目标函数。最后,利用改进型Adam算法快速地求解出空调在控制时域内的最优控制序列,实现菇房空调能耗最优控制。试验结果表明:与纯数据驱动的GRU模型相比,本文所提出的菇房温度预测模型,预测精度提高18%,均方根误差可控制在0.10℃内。与自适应矩估计(adaptive moment estimation,Adam)优化算法相比,改进型Adam算法适应度值降低6%,与带精英策略的快速非支配排序遗传算法相比(non-dominated sorting genetic algorithmⅡ, NSGA-Ⅱ)运算时长减少81%。与传统的阈值控制方法相比,本文所提出的模型预测控制方法跟踪精度提高63%,控制精度的均方根误差平均降低了73%,空调能耗平均降低了12%。该研究为菇房空调的节能控制提供了有效的控制方法。
关键词
节能
模型
预测控制
深度学习
数据
-
物理
混合
驱动
模型
菇房
Keywords
energy conservation
model predictive control
deep learning
data
-
physics hybrid driving model
mushroom room
分类号
S24 [农业科学—农业电气化与自动化]
在线阅读
下载PDF
职称材料
题名
数据-物理混合驱动的配电网运行韧性评估方法与提升策略
2
作者
陈逸飞
郑子萱
肖先勇
胡文曦
陈韵竹
王玉财
机构
四川大学电气工程学院
国网宁夏电力有限公司宁东供电公司
出处
《电力系统保护与控制》
北大核心
2025年第10期13-22,共10页
基金
国家自然科学基金青年项目资助(52307128)
四川省科技计划资助(2023YFG0245)。
文摘
配电网多元敏感用户生产信息的不透明,使得电压暂降对敏感负荷的影响难以通过构建显性函数来准确量化,进一步限制了配电网运行韧性提升策略的有效性。为解决上述问题,提出了基于数据-物理混合驱动的配电网运行韧性评估与提升方法。类比传统韧性指标及其定义构建了计及电压暂降对敏感用户影响的运行韧性指标。考虑到不同敏感用户对电压暂降的耐受特性不同,构建电压暂降轨迹特征体系以表征电压暂降下不同敏感负荷的响应特性,提出了数据驱动的配电网运行韧性评估模型。在此基础上,将数据驱动的韧性评估流程嵌入多目标储能优化配置的物理模型中。最后以IEEE33节点配电网为例进行算例分析。结果表明,所提数据-物理混合驱动的储能优化配置模型能够解决电压暂降特征与运行韧性指标之间函数关系式难以显性表征的问题,能够在保障配电网运行经济性的同时改善运行韧性评估结果。
关键词
配电网运行韧性
电压暂降
随机森林回归算法
储能优化配置
数据-物理混合模型
Keywords
distribution network operational resilience
voltage sag
random forest regression(RFR)algorithm
energy storage optimization configuration
data
-
physical hybrid model
分类号
TM73 [电气工程—电力系统及自动化]
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
基于数据-物理混合模型的菇房空调节能控制方法
孔祥书
郑文刚
张馨
王明飞
单飞飞
赵倩
《农业工程学报》
北大核心
2025
1
在线阅读
下载PDF
职称材料
2
数据-物理混合驱动的配电网运行韧性评估方法与提升策略
陈逸飞
郑子萱
肖先勇
胡文曦
陈韵竹
王玉财
《电力系统保护与控制》
北大核心
2025
0
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
