文献检索-宁波市创意产业特色资源库

限定检索结果

基于LSTM神经网络算法的超超临界机组负荷优化分配: 收藏
分享
引用; 《电子设计工程》2024年第1期32卷 129-132,137页; 作者：王利中蔡安亮张楠国能粤电台山发电有限公司广东江门529228; 目前研究的超超临界机组负荷优化分配方法成本较高,分配时间过长,导致节能效果不佳。为此,该文基于LSTM神经网络算法研究了一种新的超超临界机组负荷优化分配方法。利用LSTM中的记忆块、遗忘门、输入门、输出门和记忆单元,实现对递归神...; 目前研究的超超临界机组负荷优化分配方法成本较高,分配时间过长,导致节能效果不佳。为此,该文基于LSTM神经网络算法研究了一种新的超超临界机组负荷优化分配方法。利用LSTM中的记忆块、遗忘门、输入门、输出门和记忆单元,实现对递归神经网络的简单处理,建立目标函数,采用正平衡法和反平衡法计算电荷吸收效率,确定超超临界机组负荷优化分配数学模型。针对单元制机组模型和母管制机组模型在忘记阶段、选择记忆阶段与输出阶段进行优化,反复迭代,得到迭代最大次数后停止运行,输出优化结果。实验结果表明,与传统优化方法相比,所设计超超临界机组负荷优化分配方法可将成本降低50%以上,1000 MW内负荷分配时间低于10 min。; 来源：详细信息评论

限定检索结果