公开(公告)号：CN117668460A

公开(公告)日：2024-03-08

申请号：CN202311668548.9

申请日：2023-12-07

Applicant: 东南大学

Inventor： 潘蕾 ,  张文灿 ,  王钱超 ,  陈帅尧 ,  张君正 ,  刘振祥

IPC: G06F18/10 ,  G06F18/213 ,  G06N3/084

Abstract: 本发明公开了一种基于SHAP评价的过热汽温深度学习建模特征筛选方法，包括使用PCA方法提取并去除所有辨识数据中的噪声，得到降噪后的辨识数据；根据建模的需要划分输入输出特征，同时计算各输入特征之间的相关系数；利用输入输出特征训练反向传播神经网络，作为SHAP评价方法的博弈模型；计算各项输入特征的SHAP值并设置阈值，去除掉SHAP值低于阈值及相关性强的特征，最终得到筛选后的特征。本发明降低了实际测量过程中的噪声对特征筛选的影响，同时避免了特征选择上的主观性。

公开(公告)号：CN117908591A

公开(公告)日：2024-04-19

申请号：CN202311717809.1

申请日：2023-12-13

Applicant: 东南大学

Inventor： 潘蕾 ,  陈帅尧 ,  刘振祥 ,  王钱超 ,  张君正 ,  张文灿

IPC: G05D23/20 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/082 ,  G06N3/084

Abstract: 本发明提出基于未来负荷指令的火电机组过热汽温多步预测方法，首先对影响过热器温度的参数进行特征筛选，选取出与过热汽温相关性最大的多个参数作为最终的输入特征，结合未来的功率指令，一并输入到所构建的CNN‑BiLSTM‑Attention网络中，再采用时间滑动窗口进行滑移，实现了利用历史数据结合未来功率指令对未来多步的过热汽温进行预测。本发明的预测方法，结合了历史数据和未来的功率指令，有效的改善了预测抖动和滞后的问题。