基于DenseNet的红外图像热斑状态分类研究

光伏热斑故障对光伏组件的运行会产生严重影响,为从图像数据中进行有效的热斑检测,提出一种基于密集连接网络(DenseNet)的深度学习方法。利用数据增强、改进模型结构和迁移学习的方法,在红外光伏故障图形数据集上训练优化,并针对构建的样本数据集具有分布不平衡性的特点,选择采用Focal损失函数缓解样本的非均衡。实验结果表明,该模型网络训练构建的光伏组件红外图像热斑状态数据集,能够实现较高准确度的图像识别,与原始DenseNet模型相比,能够提升准确率。

基于子模型收敛性评价的混合建模方法研究

结合机理模型与数据驱动模型优点的混合模型是未来的发展趋势。针对混合模型的不同结构,单纯从模型精度角度评判模型优劣有失偏颇。从数据驱动子模型权值搜索空间及收敛性的角度,对不同模型结构进行了评判。建立了一种并联型混合模型,引入机理模型的多元信息去约束数据驱动模型的权值搜索空间,实现权值快速收敛。以某1000 MW火电机组凝汽器为研究对象,仿真结果表明,采用相同的数据驱动子模型,该混合模型比其他结构权值搜索空间更小、收敛速度更快。

电气自动化设备中PLC变频节能技术的应用

绿色生产理念的深度落实,使得工业生产越来越重视节能管理,在这一阶段电气自动化设备节能备受关注。为此,本文着眼于电气自动化设备的节能改造,结合实际分析PLC变频节能技术的原理、特点和优势,并探讨电气自动化设备中的PLC变频节能技术应用要点,希望能为电气自动化设备的节能改造提供参考。PLC变频节能技术原理1.PLC技术,PLC技术是一种智能化的先进技术。

数字技术在煤矿电气自动化中的应用

在我国煤矿事业规模的不断扩大背景下,其对于各类技术的应用也提出了众多需求标准,电气自动化在煤矿领域中获得了广泛应用。然而数字技术的融入可以促使煤矿电气自动化系统实现高效运行及稳定发展,因此对煤矿电气自动化中的数字技术展开深入探讨是十分必要的。基于此,本文主要围绕煤矿电气自动化中数字技术的特点和具体应用展开全面分析,并对如何更好推动数字技术在煤矿生产领域中的发展展开简要论述,以供参考。

基于混合模型和Stacking框架的循环水出口温度预测

针对单一机理模型与数据驱动模型泛化能力弱、预测效果不理想的现状,以某电厂1000MW的凝汽器管侧模型为例,提出了一种基于混合模型和Stacking框架的参数预测方法。首先将原始数据集按人工经验分为温度数据与压力数据,使用5折交叉验证训练SVM温度模型与AdaBoost压力模型,其次以管侧机理模型的输出值与实际值为输入训练GDBT误差补偿模型,最后基于Stacking框架进行多模型融合,既弥补了机理模型在复杂工况下的模型参数失配问题,又可以对时间序列数据进行深层次的挖掘。实验结果表明,Stacking框架下的混合模型在测试集上均方误差比GRNN模型降低了0.012,判定系数相比于数据驱动组合模型提高了4.53%,提高了模型的整体预测精度。