自适应反归一化改进多层神经网络轴流转桨水轮机协联功率预测

扫码查看

原文链接

万方数据
维普

中文摘要：轴流转桨水轮机现场协联试验受经济和时间成本限制,获取的数据量有限,难以全面指导机组协联运行参数设置.为提高协联试验效率,实现水轮机协联工况下的功率追踪,同时避免水轮机物理模型高度非线性化难以模拟实际现场问题,提出一种基于改进多层神经网络数学预测模型,采用Rule函数、L2正则化、Adam优化器并用PSO算法优化其梯度参数.针对神经网络实际预测缺乏真实值的问题,提出自适应反归一化区间端值判断策略提高实际预测准确度.通过协联与非协联仿真分析,结果表明所提出预测模型和区间策略能够在小样本情况下对轴流转桨水轮机协联工况实现有效的实际预测,具有较高精度.

外文标题：Kaplan turbine coordination power prediction based on improved multilayer neural network with adaptive anti-normalization

作者：

陆文玲、夏家辉、孔繁镍

展开 >

作者单位：

南宁职业技术学院智能制造学院,广西南宁530008

广西大学电气工程学院,广西南宁530004

关键词：

轴流转桨水轮机协联试验多层神经网络预测模型自适应反归一化

基金：

国家自然科学基金广西自然科学基金

项目编号：

618610032021GXNSFAA220136

出版年：

2022

DOI：

10.13624/j.cnki.issn.1001-7445.2022.1532

广西大学学报(自然科学版)

广西大学

广西大学学报(自然科学版)

CSTPCD北大核心

影响因子：0.767

ISSN：1001-7445

年,卷(期)：2022.47(6)

参考文献量13