一种融合机器学习和机理模型的二回路设备模型仿真方法

    公开(公告)号:CN116415394B

    公开(公告)日:2025-04-11

    申请号:CN202111660845.X

    申请日:2021-12-31

    Abstract: 本发明属于仿真技术领域,具体涉及一种融合机器学习和机理模型的二回路设备模型仿真方法。包括如下步骤:建立二回路设备的机理模型并进行仿真,将所述二回路设备的机理模型的仿真结果与当前机组运行的机组数据进行对比;获取数据库存储的历史机组数据集;将所述历史机组数据集输入所述机组数据处理模型中;利用机器学习方法对所述样本集进行训练,以得到目标过程的输入参数和输出参数的映射模型,将所述映射模型作为数据模型;将所述数据模型集成到所述二回路设备的机理模型中,以得到二回路设备仿真模型。其优点是:采用机器学习技术建立的数据模型与机理模型具有非常好的兼容性,极大地降低了数据模型与机理模型的集成难度。

    一种融合机器学习和机理模型的二回路设备模型仿真方法

    公开(公告)号:CN116415394A

    公开(公告)日:2023-07-11

    申请号:CN202111660845.X

    申请日:2021-12-31

    Abstract: 本发明属于仿真技术领域,具体涉及一种融合机器学习和机理模型的二回路设备模型仿真方法。包括如下步骤:建立二回路设备的机理模型并进行仿真,将所述二回路设备的机理模型的仿真结果与当前机组运行的机组数据进行对比;获取数据库存储的历史机组数据集;将所述历史机组数据集输入所述机组数据处理模型中;利用机器学习方法对所述样本集进行训练,以得到目标过程的输入参数和输出参数的映射模型,将所述映射模型作为数据模型;将所述数据模型集成到所述二回路设备的机理模型中,以得到二回路设备仿真模型。其优点是:采用机器学习技术建立的数据模型与机理模型具有非常好的兼容性,极大地降低了数据模型与机理模型的集成难度。

Patent Agency Ranking