摘要：为了解决传统物理信息神经网络(PINN)因同时确定神经网络参数和损失函数中机理模型平衡方程参数而造成的参数不准确性问题,提出了一种微调残差物理信息神经网络(Fine tuning Res-PINN)。Fine tuning Res-PINN结构可以认为是两个神经网络以残差结构进行串联,并以微调方式进行分步训练。在第一个神经网络中,根据深度学习的原理,由深层神经网络建立完整的黑箱模型并以均方根误差(MSE)为损失函数,以实现从输入到输出的近似映射;在第二个神经网络中,根据残差结构和微调的思路,建立以MSE和机理模型方程为损失函数的浅层物理信息神经网络,进一步对机理模型的参数进行整定。基于微调神经网络的训练方式,先训练深层神经网络,并冻结其参数后,再训练浅层物理信息神经网络。两个算例被用来验证Fine tuning Res-PINN的有效性。仿真结果表明,所训练的参数精确地接近实际参数。

摘要：研究350MW燃煤机组的电储能辅助调频配置方案。基于集合经验模态分解AGC指令和非参数核密度估计配置电储能容量和决策储能出力,并通过仿真计算所配置煤机-电储能联合调频系统的性能指标。结果表明:配置容量为7.5MW/7.5MW·h电储能后,煤机-电储能联合调频系统将机组Kp值由原来的2.17提高到10.59,调频性能改善显著,年均辅助服务补偿收益从456.53万元增加到2227.96万元。计及电储能系统全寿命周期成本,机组年调频综合净收益增量为992.05万元,所研究配置方法得到了良好的调频收益。

摘要：结合6F级燃机机组热电联产项目的实际情况,提出了3种降低余热锅炉排烟温度的优化方案。技术经济比较结果表明,采用余热锅炉尾部增加热水加热器的方案能明显降低锅炉的排烟温度,提高锅炉的效率,同时热水加热器产生的热水能为厂内其他设备提供热量,减少电厂的投资及运行成本,提高电厂的收益。