一种基于机器学习的换热器预测性维护方法与系统

    公开(公告)号:CN112052564B

    公开(公告)日:2022-10-11

    申请号:CN202010795330.X

    申请日:2020-08-10

    Abstract: 本发明提供一种基于机器学习的板式换热器预测性维护方法与系统,该方法包括以下步骤:S1,物理层状态感知,从热力站获取数据并更新历史数据,对数据进行清洗和预处理,建立历史数据库;S2,依据传热机理模型、行业先验知识对板式换热器进行机理建模,计算板式换热器沾污系数;S3,根据板式换热器传热机理选取模型的特征参数,从历史数据库中选取并建立数据集,并建立神经网络反应特征参数与沾污系数的映射关系;S4,依据训练好的神经网络沾污系数辨识模型,实时计算板式换热器换热面沾污状态变化,得到沾污系数趋势曲线;结合历史维修数据、行业先验知识对沾污系数趋势曲线设立阈值,并以此制定策略对板式换热器进行预测性维修(清洗)。

    一种基于机器学习的换热器预测性维护方法与系统

    公开(公告)号:CN112052564A

    公开(公告)日:2020-12-08

    申请号:CN202010795330.X

    申请日:2020-08-10

    Applicant: 浙江大学

    Abstract: 本发明提供一种基于机器学习的板式换热器预测性维护方法与系统,该方法包括以下步骤:S1,物理层状态感知,从热力站获取数据并更新历史数据,对数据进行清洗和预处理,建立历史数据库;S2,依据传热机理模型、行业先验知识对板式换热器进行机理建模,计算板式换热器沾污系数;S3,根据板式换热器传热机理选取模型的影响输入参数,从历史数据库中选取并建立数据集,并建立神经网络反应特征参数与沾污系数的映射关系;S4,依据训练好的神经网络沾污系数辨识模型,实时计算板式换热器换热面沾污状态变化,得到沾污系数趋势曲线;结合历史维修数据、行业先验知识对沾污系数趋势曲线设立阈值,并以此制定策略对板式换热器进行预测性维修(清洗)。

    一种基于SDN的CDN网络的用户请求分配方法

    公开(公告)号:CN106850859A

    公开(公告)日:2017-06-13

    申请号:CN201710192747.5

    申请日:2017-03-28

    Applicant: 浙江大学

    CPC classification number: H04L67/327 H04L45/124

    Abstract: 本发明公开了一种基于SDN的CDN网络的用户请求分配方法。SDN通过控制器对底层CDN网络设备进行集中式管理,同时可以实时收集网络全局信息,用来形成CDN网络中用户请求重定向的智能决策。智能中心作为全局大脑,不受单个SDN控制器处理能力有限的约束,一些计算量较大、运算复杂的决策转移到部署在的智能中心的决策模块进行,可减轻SDN控制器的压力,运用高效的智能算法,形成跨域智能决策,同时使网络功能具有更强的扩展性。智能中心的决策模块进一步采用基于MPC的用户请求分配算法,能有效降低用户平均响应时间,提高用户带宽满足度,同时保证系统的稳定性。

Patent Agency Ranking