文献检索-宁波市创意产业特色资源库

限定检索结果

基于迁移深度强化学习的火电机组实时碳排放预测方法: 收藏
分享
引用; 《工业加热》2024年第7期53卷 65-69,75页; 作者：袁鹏谭琛李锋张银芽唐述国家电网有限公司华中分部湖北武汉450001 北京科东电力控制系统有限责任公司北京100192 重庆邮电大学计算机科学与技术学院重庆400065; 由于火电厂机组碳数据类型多样、样本过多,导致机组碳排放预测精度低,为此提出了基于迁移深度强化学习的火电机组实时碳排放预测方法。首先,设计火电厂碳排放数据自动采集系统进行数据采集;其次,引入神经网络的全自动编码器对样本数据...; 由于火电厂机组碳数据类型多样、样本过多,导致机组碳排放预测精度低,为此提出了基于迁移深度强化学习的火电机组实时碳排放预测方法。首先,设计火电厂碳排放数据自动采集系统进行数据采集;其次,引入神经网络的全自动编码器对样本数据解码重构,结合深度迁移学习的方法提取碳排放数据特征;再次,设计强化学习的支持向量机回归模型,把经过特征提取后的数据导入线性回归函数中,进行非线性回归计算;最后,计算样本集的拟合值和均方误差值,把碳排放影响因素经过迁移深度强化学习归一化处理后带到预测模型进行计算,实现火电机组碳排放实时预测。由实验可知,所提方法对2022年测试机组碳排放量预测的最大误差为0.02×10~4 t,均方误差和平均绝对误差较小,预测精准度高,具有较好的应用效果。; 来源：详细信息评论

高级检索 表达式检索

时间限定

文献类型

馆藏选择

核心期刊

语言

高级检索 表达式检索

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

限定检索结果

保存检索档案

请选择保存的检索档案：

收藏书架

请选择收藏分类：

检索条件订阅

申请转借

引用

高级检索 表达式检索

时间限定

文献类型

馆藏选择

核心期刊

语言

高级检索 表达式检索

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

限定检索结果

保存检索档案

请选择保存的检索档案： 新增检索档案 确定 取消

收藏书架

请选择收藏分类： 新增自定义分类 确定 取消

检索条件订阅

申请转借

引用

高级检索表达式检索

高级检索表达式检索

请选择保存的检索档案：

请选择收藏分类：