典型文献
基于Copula联合AT-GRU网络的火电机组实发功率辨识
文献摘要：
辨识火电机组的实发功率与机组参数的动态非线性关系便于机组的深度调峰分析以及先进控制算法应用.针对辨识参数相关性重要程度考虑不足和辨识方法泛化能力差的问题,提出了一种基于Copula函数联合含注意力机制的门控循环神经网络的辨识算法.该算法采用Copula函数对影响机组实发功率的参数进行相关性分析,通过注意力机制赋予相关参数注意力系数,提高辨识精度;采用门控循环神经网络进行辨识,克服梯度爆炸与泛化能力差的问题.基于某320 MW亚临界机组的历史数据进行辨识,并对比多种神经网络模型,验证了考虑参数重要程度的优越性.离线实验结果表明所提算法具有良好的泛化能力,对现场机组状态分析与在线应用具有一定的参考价值.
文献关键词：
火电机组;动态非线性模型;Copula函数;AT-GRU网络;系统辨识
中图分类号：
作者姓名：
于春浩;李新利;李军;高嵩;杨国田;王雪瑶
作者机构：
华北电力大学控制与计算机工程学院,北京102206;国网山东省电力公司电力科学研究院,山东济南250003
文献出处：
引用格式：
[1]于春浩;李新利;李军;高嵩;杨国田;王雪瑶-.基于Copula联合AT-GRU网络的火电机组实发功率辨识)[J].华北电力大学学报（自然科学版）,2022(06):59-67
A类：
动态非线性模型
B类：
Copula,AT,GRU,火电机组,非线性关系,深度调峰,先进控制,控制算法,算法应用,参数相关性,重要程度,辨识方法,泛化能力,数联,注意力机制,门控循环神经网络,辨识精度,MW,亚临界机组,历史数据,数重,离线,机组状态,状态分析,在线应用,系统辨识
AB值：
0.313162
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
