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5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：
集中供热热力站短期热负荷预测模型对比研究 被引量：3
1
作者 果泽泉 何波 +6 位作者 何强 周继平 蒋雅玲 张凡 陈超 郭放 鄢烈详 《区域供热》 2024年第1期146-158,共13页
以湖北省十堰市一个集中供热热力站为对象,基于实测运行数据和气象数据进行供热负荷预测研究。分别采用随机森林(Random Forest,RF)、极度梯度提升(eXtreme Gradient Boosting,XGBoost)、BP神经网络、支持向量回归(Support Vector Regre... 以湖北省十堰市一个集中供热热力站为对象,基于实测运行数据和气象数据进行供热负荷预测研究。分别采用随机森林(Random Forest,RF)、极度梯度提升(eXtreme Gradient Boosting,XGBoost)、BP神经网络、支持向量回归(Support Vector Regression,SVR)、长短期记忆(Long Short Term Memory,LSTM)神经网络5种方法进行预测模型训练及测试,基于粒子群优化算法(Particle Swarm Optimization,PSO)优化各模型参数,获得最优模型,在此基础上针对不同模型在不同短期负荷预测情景下的表现进行对比研究。研究结果表明:在未来24h预测情景下,随机森林、XGBoost模型的预测精度最高,二者的平均绝对误差(MAE)分别为0.84 W/m^(2)及1.00 W/m^(2)。在未来1h预测情景下,SVR模型的预测精度最高,其MAE为0.18 W/m^(2)。 展开更多
关键词 集中供热 负荷预测 随机森林 极度梯度提升 BP神经网络 支持向量回归 长短期记忆神经网络
在线阅读 下载PDF
湿法脱硫装置石灰石浆液自动供给研究与应用
2
作者 王超 黄章勇 +4 位作者 陈雪飞 邱治 蔡铭 陈超 张凡 《武汉理工大学学报（信息与管理工程版）》 CAS 2024年第4期665-669,共5页
为提高火力发电厂烟气湿法脱硫装置(WFGD)的自动化水平,降低运行人员的劳动强度,以WFGD的历史实际运行大数据为基础,建立基于数据驱动的吸收塔出口SO 2浓度预测模型,结合脱硫机理模型开发石灰石浆液自动供给系统,该系统以闭环控制的方... 为提高火力发电厂烟气湿法脱硫装置(WFGD)的自动化水平,降低运行人员的劳动强度,以WFGD的历史实际运行大数据为基础,建立基于数据驱动的吸收塔出口SO 2浓度预测模型,结合脱硫机理模型开发石灰石浆液自动供给系统,该系统以闭环控制的方式应用在350MW机组脱硫装置石灰石浆液供给单元,实现了石灰石浆液的自动供给。实际运行效果表明:石灰石浆液自动供给系统可根据控制目标进行实时调整,吸收塔浆液pH控制稳定,净烟气中SO 2浓度贴近红线运行,降低了WFGD的石灰石耗量。 展开更多
关键词 湿法脱硫装置 闭环控制 自动供给 石灰石浆液 火力发电厂
在线阅读 下载PDF
基于大数据技术的智慧供热平台数据安全迁移研究
3
作者 何波 俞国 +1 位作者 陈超 张凡 《中国高新科技》 2024年第20期39-41,共3页
为更有效地管理和利用智慧供热平台数据,文章基于大数据技术,设计了一种智慧供热平台数据安全迁移方法。在大数据环境下,分析智慧供热平台数据的来源和类型,确定数据容错标准后,对智慧供热平台数据实施整合;利用AES算法加密数据;设置FIF... 为更有效地管理和利用智慧供热平台数据,文章基于大数据技术,设计了一种智慧供热平台数据安全迁移方法。在大数据环境下,分析智慧供热平台数据的来源和类型,确定数据容错标准后,对智慧供热平台数据实施整合;利用AES算法加密数据;设置FIFO调度器闭环和HBase迁移参量,针对整合加密后的数据实施迁移处理。实验结果表明,应用该方法迁移后,智慧供热平台数据的完整度和准确度最高分别可以达到99.8%、99.7%,说明了该方法的有效性。 展开更多
关键词 智慧供热平台 供热数据 大数据技术 数据融合 数据加密 数据迁移
在线阅读 下载PDF
基于改进决策树算法的智慧热力站能耗异常诊断方法
4
作者 何强 胡晓楠 +1 位作者 陈超 张凡 《今日制造与升级》 2024年第5期11-13,共3页
针对基于改进决策树算法的智慧热力站能耗异常诊断方法展开详细分析,为进一步降低热力站运行成本,提高能源利用效率,推动可持续发展进程提供积极支持。
关键词 改进决策树算法 智慧热力站 能耗异常 诊断方法
在线阅读 下载PDF
模型融合预测在供热负荷预测中的应用
5
作者 张保东 鄢烈祥 +2 位作者 许成 陈超 张凡 《武汉理工大学学报(信息与管理工程版)》 2025年第1期118-125,共8页
针对集中供热热力站负荷预测问题,提出一种基于模型融合的预测方法,该方法将随机森林、极度梯度提升(XGBoost)、BP神经网络模型作为基础学习模型,采用粒子群算法(PSO)进行各模型的超参数优化,将基学习器的预测结果组合作为新的特征变量... 针对集中供热热力站负荷预测问题,提出一种基于模型融合的预测方法,该方法将随机森林、极度梯度提升(XGBoost)、BP神经网络模型作为基础学习模型,采用粒子群算法(PSO)进行各模型的超参数优化,将基学习器的预测结果组合作为新的特征变量,使用SVR支持向量机作为元学习器再对这些新的特征变量进行学习并预测热负荷。以湖北省某集中供热项目为研究对象,基于实测运行数据及天气数据进行模型训练及测试。测试结果表明,相较单一预测模型,基于模型融合的集成预测方法能够提供更为精确的预测结果。集成预测模型的平均绝对误差(MAE)、均方误差(MSE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)均为最低。 展开更多
关键词 集中供热 负荷预测 模型融合 热力站 集成学习
在线阅读 下载PDF
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