摘要
本发明提供一种基于人工智能的火电机组控制参数优化方法,方法包括收集火电机组运行过程中的时间序列数据;构建火电机组的长短期记忆网络和物理信息神经网络,并采用时间序列数据分别训练长短期记忆网络和物理信息神经网络,得到各自的预测性能;根据各自的预测性能,设置长短期记忆网络和物理信息神经网络各自的权重系数,得到长短期记忆网络和物理信息神经网络的混合模型;将混合模型的预测性能分别与长短期记忆网络和物理信息神经网络各自的预测性能进行对比;若混合模型的预测性能分别优于长短期记忆网络和物理信息神经网络各自的预测性能,将混合模型接入到火电机组的DCS系统,实现对火电机组控制参数进行高精度优化。
技术关键词
长短期记忆网络
控制参数优化方法
机组
火电
物理
长短期记忆单元
汽轮机效率
PID控制器
标签生成技术
映射方法
在线学习算法
监测环境参数
数据分布
指标
更新模型参数
排烟热损失
锅炉
训练集数据
系统为您推荐了相关专利信息
人工智能检测装置
计算机系统故障
数据采集模块
同态加密算法
诊断模块
资源
马尔可夫模型
LSTM模型
关系
多元线性回归模型
热阻网络模型
时序裕量
网络节点
多芯片封装
分布优化方法