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
共找到4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：
基于随机搜索算法优化XGBoost的过热汽温预测模型 被引量：10
1
作者 马良玉 於世磊 +1 位作者 赵尚羽 孙佳明 《华北电力大学学报（自然科学版）》 CAS 北大核心 2021年第4期99-105,共7页
建立过热器汽温对象的高精度性能预测模型,是实现过热汽温智能优化控制的基础。为此,针对某600 MW超临界机组仿真系统的历史运行数据,采用机器学习中的XGBoost(eXtreme Gradient Boosting)回归模型建立过热器汽温特性的预测模型,并分别... 建立过热器汽温对象的高精度性能预测模型,是实现过热汽温智能优化控制的基础。为此,针对某600 MW超临界机组仿真系统的历史运行数据,采用机器学习中的XGBoost(eXtreme Gradient Boosting)回归模型建立过热器汽温特性的预测模型,并分别采用网格搜索算法和随机搜索算法对模型参数进行优化。通过比较两种优化模型的预测效果,结果表明:随机搜索算法可以进行多个参数组合寻优,收敛速度快,全局寻优的效果更好,优化后的过热汽温模型具有更好的预测精度和泛化能力。 展开更多
关键词 过热汽温 预测模型 XGBoost建模 随机搜索 网格搜索
下载PDF
基于DBSCAN和SDAE的风电机组异常工况预警研究 被引量：9
2
作者 马良玉 孙佳明 +1 位作者 於世磊 赵尚羽 《动力工程学报》 CAS CSCD 北大核心 2021年第9期786-793,808,共9页
提出一种基于密度的聚类方法(DBSCAN)和堆栈式降噪自编码器(SDAE)结合的风电机组性能预测及异常运行工况预警方法。首先采用DBSCAN算法对机组监控与数据采集(SCADA)系统历史运行数据进行清洗,然后利用SDAE建立风电机组的正常运行性能预... 提出一种基于密度的聚类方法(DBSCAN)和堆栈式降噪自编码器(SDAE)结合的风电机组性能预测及异常运行工况预警方法。首先采用DBSCAN算法对机组监控与数据采集(SCADA)系统历史运行数据进行清洗,然后利用SDAE建立风电机组的正常运行性能预测模型。基于该模型,采用时移滑动窗口方法构建能准确反映风电机组异常状态的识别指标,并根据统计学区间估计理论合理确定指标阈值,以实现异常工况预警。采用某风电机组的真实历史运行数据进行故障重演试验。结果表明:该方法能够在故障发生前及时对风电机组的异常运行工况发出预警,验证了该方法的有效性。 展开更多
关键词 风电机组 深度学习 DBSCAN SDAE 异常工况预警
下载PDF
基于XGBoost建模及改进灰狼优化算法的再热汽温预测优化控制 被引量：2
3
作者 马良玉 於世磊 +1 位作者 王佳聪 袁乃正 《热能动力工程》 CAS CSCD 北大核心 2023年第1期104-111,共8页
为改善燃煤机组频繁变负荷过程中再热汽温的控制效果,提出一种基于机器学习的再热汽温预测优化控制方法。首先利用机组变负荷历史运行数据和XGBoost算法进行再热汽温特性建模,并采用随机搜索算法对模型参数进行优化以提高其预测精度。... 为改善燃煤机组频繁变负荷过程中再热汽温的控制效果,提出一种基于机器学习的再热汽温预测优化控制方法。首先利用机组变负荷历史运行数据和XGBoost算法进行再热汽温特性建模,并采用随机搜索算法对模型参数进行优化以提高其预测精度。以最终的模型为基础,采用改进的灰狼优化算法(IGWO)对烟气侧再热挡板开度和蒸汽侧喷水减温阀指令进行实时寻优,实现再热汽温的预测优化控制。利用仿真机进行优化控制仿真试验。试验结果表明:采用智能预测优化控制方案可有效改善再热汽温控制效果,明显减少减温喷水用量,有助于提高机组的经济性。 展开更多
关键词 火电机组 再热汽温 XGBoost模型 灰狼优化算法 预测优化控制
原文传递
基于网格搜索优化ERF模型的风电机组异常状态预警 被引量：4
4
作者 马良玉 赵尚羽 +1 位作者 孙佳明 於世磊 《热能动力工程》 CAS CSCD 北大核心 2022年第2期160-166,共7页
提出一种基于网格搜索优化(GS)极端随机森林(ERF)模型的风电机组性能预测及异常状态预警方法。首先,采用离散度分析法清洗噪声和异常工况数据,以获取建模用正常运行状态数据。其次,通过分析风机运行与控制原理,选取与转速和功率具有较... 提出一种基于网格搜索优化(GS)极端随机森林(ERF)模型的风电机组性能预测及异常状态预警方法。首先,采用离散度分析法清洗噪声和异常工况数据,以获取建模用正常运行状态数据。其次,通过分析风机运行与控制原理,选取与转速和功率具有较高相关度的特征参数作为模型输入,完成预测模型训练和验证,并对比ERF模型与其它几种模型的建模效果。最后,基于滑动窗口算法确定窗宽为10 min,增量为1 min,计算窗内数据的平均绝对误差作为状态指标,采用非参数估计确定发电机转速阈值为33.78,有功功率阈值为55.07。借助某风电机组真实历史运行数据和故障样本,验证异常状态预警方法,结果表明,该方法能够对即将发生的故障进行检测,预警时间比实际故障时间有效提前。 展开更多
关键词 风电机组 极端随机森林 异常工况预警 滑动窗口 网格搜索
原文传递
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
使用帮助 返回顶部