-
题名调度操作票自动校验的CNN-BiLSTM方法
被引量：1
- 1
-
-
作者
吴奇珂
程培军
钱韦廷
姜浩宇
胡佳
-
机构
广东电网有限责任公司广州供电局电力调度控制中心
-
出处
《核电子学与探测技术》
CAS
北大核心
2024年第2期316-322,共7页
-
基金
南方电网广东广州供电局科技项目(030108KK52222002),项目名称:基于智能语义识别和高级安全防误的启动方案程序化操作技术研究。
-
文摘
基于人工经验的核电厂变电站电力调度操作票校验方法具有主观性强、校验效率低、可靠性不高等问题,为解决上述问题,提出了一种基于卷积神经网络(CNN)和双向长短时记忆网络(BiLSTM)的操作票自动校验方法。该方法在对操作票文本进行向量化的基础上,利用CNN-BiLTSM模型实现操作票文本的深度信息挖掘和校验的自动化。实验结果表明,相比单一模型,CNN-BiLSTM模型的校验精度更高,校验评估综合指标可达95.67%,具有一定的优势。
-
关键词
卷积神经网络
操作票
自动校验
双向长短时记忆网络
-
Keywords
Convolutional Neural Network
operation ticket
automatic verification
bidirectional long short term memory
-
分类号
TM63
[电气工程—电力系统及自动化]
-
-
题名优化堆叠降噪自编码器用于调度操作票自动校验
- 2
-
-
作者
区伟健
徐策
曾传凯
蒋宗祺
乐庆丰
-
机构
广东电网有限责任公司广州供电局电力调度控制中心
-
出处
《核电子学与探测技术》
CAS
北大核心
2024年第2期356-361,共6页
-
基金
南方电网广东广州供电局科技项目(030108KK52222002)。
-
文摘
为实现核电厂变电站电力调度操作票的自动智能校验,提出了一种基于优化堆叠降噪自编码器(OSDAE)操作票自动校验方法。该方法在对操作票文本进行向量化的基础上,利用优化过的堆叠降噪自编码器实现操作票文本的语义辨析与正误自动化校验。实验结果表明,所提方法的操作票校验评估综合指标可达94.88%,是几种方法中最高的,具有一定的优势。
-
关键词
堆叠降噪自编码器
金豺狼优化算法
操作票
自动校验
-
Keywords
stacked denoising auto encoders
golden jackal optimization
operation ticket
automatic verification
-
分类号
TM63
[电气工程—电力系统及自动化]
-
-
题名基于自适应金豺狼优化算法的巡检机器人路径规划
- 3
-
-
作者
徐雯清
顾大德
刘有志
张余平
-
机构
广东电网有限责任公司广州供电局电力调度控制中心
泰豪软件股份有限公司
-
出处
《核电子学与探测技术》
CAS
北大核心
2024年第5期955-962,共8页
-
基金
南方电网广东广州供电局科技项目(030108KK52222002),项目名称:基于智能语义识别和高级安全防误的启动方案程序化操作技术研究。
-
文摘
为提升核环境巡检机器人移动路径规划效果,提出了基于自适应金豺狼优化算法(AGJO)的核环境巡检机器人路径规划新方法,并进行了实例分析。首先,介绍了GJO算法基本原理和改进策略,给出了AGJO算法流程;其次,通过3个基准测试函数进行了AGJO与GJO性能对比分析;最后,构建了巡检机器人工作的两种仿真场景和一种真实场景,利用AGJO进行路径规划。结果表明,AGJO算法得到的移动路径最短,计算效率最高,具有一定的优势。
-
关键词
金豺狼优化算法
自适应
核环境
机器人
路径规划
-
Keywords
golden jackal optimization
adaptive
nuclear environment
robot
path planning
-
分类号
TH165.3
[机械工程—机械制造及自动化]
-
-
题名含高比例分布式光伏的母线负荷预测方法
被引量：10
- 4
-
-
作者
丁施尹
谭锡林
叶萌
李晶
薛书倩
刘阳
-
机构
广东电网有限责任公司广州供电局电力调度控制中心
北京清软创新科技股份有限公司
华北电力大学
-
出处
《可再生能源》
CAS
CSCD
北大核心
2021年第1期117-122,共6页
-
文摘
高比例分布式光伏的大规模接入对母线辖区的负荷预测产生了较大影响,导致母线辖区内负荷偏离用户用电负荷的真实状况。文章考虑了高比例分布式电源对负荷形态的影响,提出了基于互信息与混合模型的母线辖区内负荷预测模型,对分布式电源相关输入因子采用互信息系数进行相关性分析,并通过由XGBoost算法与极限学习机算法组成的混合模型对数据进行训练。最后,使用某地母线辖区内负荷数据进行实例验证,结果表明,考虑分布式电源接入后的母线辖区负荷预测精度高于常规预测方法,文中所建立的预测模型具有良好的预测精度。
-
关键词
分布式光伏
母线负荷预测
互信息
混合模型
极限学习机
XGBoost
-
Keywords
distributed PV
load forecasting of bus
mutual information
hybrid model
extreme learning machine
XGBoost
-
分类号
TK51
[动力工程及工程热物理—热能工程]
-
