一种基于深度学习的抽蓄机组调节系统辨识方法
实质审查的生效
摘要
本发明公开了一种基于深度学习的抽蓄机组调节系统辨识方法，包括以下步骤：(1)对抽水蓄能机组调节系统进行机理建模，利用机理模型产生仿真数据，并划分为训练集和测试集，确定深度学习模型的输入变量；(2)构建深度学习GRU模型，挖掘抽蓄机组调节系统运行数据深层次特征；(3)改进哈里斯鹰优化算法，在逃逸能量中引入一种非线性能量指数递减策略；(4)将改进的哈里斯鹰优化算法实现GRU模型超参数的动态调整；(5)利用训练好的GRU模型和测试集数据得到预测值。本发明构借助改进哈里斯鹰优化算法的全局寻优能力，获取最优模型结构与参数，以提高GRU模型的泛化性，实现对抽水蓄能调节系统的精确辨识，有效提升机组建模精度，进而保障机组控制品质。
基本信息
专利标题 ：
一种基于深度学习的抽蓄机组调节系统辨识方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114330119A
申请号 ：
CN202111610797.3
公开（公告）日 ：
2022-04-12
申请日 ：
2021-12-27
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
张楚孙伟李沂蔓花磊嵇春雷马慧心彭甜
申请人 ：
淮阴工学院
申请人地址 ：
江苏省淮安市涟水县海安路10号安东大厦8楼
代理机构 ：
南京苏高专利商标事务所(普通合伙)
代理人 ：
柏尚春
优先权 ：
CN202111610797.3
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06N3/00 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习，例如人工智能，神经网络，支持向量机或训练模型
法律状态
2022-04-29 ：
实质审查的生效
IPC(主分类) : G06F 30/27
申请日 : 20211227
申请日 : 20211227
2022-04-12 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
