语音识别中深度神经网络目标值优化

训练深度神经网络声学模型时,所采用的强制对齐得到的目标值存在无法精准地表示出语音实际状况的问题。针对这一问题,提出一种利用前后向算法得到非0-1分布目标值的方法。由于用于强制对齐的模型可能与处理语句不完全匹配,以及发音连续性导致的过渡边界难以分离等问题,强制对齐得到的目标值存在不合理性。新的目标值可以表示某一帧以一定概率属于邻近各状态的分布情况,更详细地描述建模单元之间的过渡,进一步还原语音的原貌,提升模型的鲁棒性。同时,为寻求模型鲁棒性和建模单元区分度之间的平衡,对算法得到的目标值进行加窗处理。在中文客服问答领域进行实验,在小数据量上验证了目标值对于训练的较大影响,并且选取窗长宽度这一参数。最后将训练数据量提升至60、80以及100 h,结果显示,新的目标值优化方法训练得到的模型在识别性能上获得提升,相对字错误率下降为1.10%~3.65%。多组实验验证新的目标值优化方法对模型训练有一定效果,在训练数据量上升的情况下依然具有有效性。

330MW机组湿法烟气脱硫控制系统目标值优化

基于火电机组脱硫系统在实际运行过程中积累的历史数据,采用数据挖掘的方法对系统的重要运行参数进行优化,挖掘出在满足脱硫效率要求时经济效益最大的最佳运行参数值。提出了一种模糊关联规则挖掘算法,对某330 MW机组石灰石-石膏湿法烟气脱硫系统运行优化目标值进行确定。针对历史运行数据利用竞争凝聚算法决定分类数、软化划分边界并构造优化的模糊数据集,以满足脱硫效率为前提,以经济效益作为优化目标,利用模糊Apriori关联规则挖掘算法得到的频繁项集进行关联规则挖掘,最终得到运行参数最优目标值,实验结果和理论分析表明挖掘结果能为电厂脱硫系统的经济运行作出贡献,可以作为指导机组优化运行的重要依据。

基于DRNN-LSTM-IPSO的锅炉经济运行优化目标值

锅炉作为火电厂的重要设备,提高其运行经济性直接影响电厂的生产效益,而锅炉运行参数优化目标值的合理确定是保障锅炉经济运行的关键。首先提出改进的高斯混合模型算法应用于工况划分,即通过划分数据的分散度作为依据并基于马氏距离来构建评价准则函数,以确定聚类数;其次通过构建具备长短时记忆功能的深度循环神经网络(deep recurrent neural network with long-short term memory, DRNN-LSTM)建立各工况区间下的经济模型;最后在经济模型构建的基础上,针对传统粒子群算法容易陷入局部极值问题,通过对惯性权重和加速因子进行调整得到改进的粒子群算法(improved particle swarm optimization, IPSO),可更加精准地在不同工况下进行区间范围内寻优,确定运行参数的优化目标值。实验结果表明,采用本文方法确定的优化目标值对应供电煤耗优于历史最优运行值,说明了该方法在挖掘锅炉优化运行潜力上具有一定的优势,按此方案调整锅炉运行可有效降低能耗水平,以达到锅炉经济运行的目的。

数据挖掘在火电厂运行参数优化目标值确定中的应用

提出了基于语言值关联规则挖掘的电厂运行参数优化目标值确定方法,通过挖掘某电厂300 MW机组历史运行数据,发现机组各运行参数间的关联关系,并据此确定参数最优值。首先利用FCM算法软化划分边界,将连续值转变为离散值,再用语言值关联规则挖掘算法进行挖掘,得到机组运行效率较高时对应的参数运行区间作为最优值区间以指导机组优化运行,理论分析表明挖掘结果能够正确反映机组运行规律。

基于关联规则的电厂优化目标值确定的研究

火电机组优化目标值的合理确定是机组性能监测和优化运行的前提和基础,充分利用电厂生产运行的大量历史数据,将关联规则应用于火电厂优化目标值的确定,建立从数据预处理到规则评估与表示的完整过程模型,并以某1 000 MW机组历史数据作为挖掘对象,运用此方法得到100%负荷下各参数的最优值。

数据挖掘在火电厂运行优化目标值确定中的应用

火电厂运行优化目标值是指基于当前设备状况,在机组最优运行状态下的运行参数和性能指标,通过指导运行调整,优化机组运行的经济性。运行优化目标值包含参数指标优化、控制方式优化两个方面,在工程应用中,参数指标优化实质上是多维空间的寻优和定量优化问题,是当前优化研究领域的热点和难点。

华龙一号核电厂公众辐射剂量优化设计目标值研究

基于我国新建三代压水堆核电机组华龙一号运行状态下的流出物设计与现实排放源项,结合机型的排放特点、沿海与内陆厂址的不同环境和气象等条件,对新建核电厂公众剂量优化设计目标值进行了研究。研究结果表明,在我国华龙一号的设计方案下,对于滨海厂址条件所能够达到的公众剂量优化设计目标值可以达到与欧美国家体系相当的水平。但由于厂址环境条件的差异,对内陆核电厂还需要结合工艺系统的改进开展进一步深入研究工作。对流出物中氚和C-14的排放还需要进一步开展经验反馈积累,在此基础上给出更符合未来运行状态的辐射剂量评价结果。本研究还对华龙一号后续的排放源项和评价方法等方面给出了建议,对进一步加强华龙一号的环境友好性和先进性具有积极作用。

基于约束模糊关联规则的多目标燃烧优化

为了进一步提升燃煤电站锅炉燃烧性能,提出了基于约束模糊关联规则的锅炉运行参数目标值优化方法。通过挖掘锅炉不同工况下海量历史运行数据,发现锅炉稳态运行条件下主要运行参数与性能指标之间的关联关系,并据此得到锅炉高效低污染运行时对应的参数运行目标值,进而指导锅炉燃烧优化。数据挖掘结果以烟气含氧量为例,给出了锅炉运行不同工况下的优化目标值。基于约束模糊关联规则的多目标锅炉燃烧优化,不仅为当下锅炉运行参数调整提供了理论依据,也为日后进一步的闭环控制铺垫了参数设定值基础。

基于数据挖掘的电站运行优化应用研究

火电机组运行优化目标值的合理确定是关系到机组经济性诊断正确性与准确性的重要因素,该文充分利用火电厂运行数据的关联特性,提出了基于模糊关联规则挖掘的电站运行优化目标值确定方法,利用改进的模糊关联规则挖掘算法从电站运行历史数据中挖掘定量关联规则,以指导优化运行,解决了传统优化目标值确定中对机组实际状态考虑不足而失去指导意义的问题。以某300MW机组历史运行数据为基础,对各典型负荷工况下的历史数据进行挖掘,得到各运行工况下的最优值以指导实际运行。运行试验结果表明,基于模糊关联规则挖掘的运行优化目标值确定方法可以提高机组运行效率,降低污染物排放,优化目标值来源于机组实际运行数据,能够反映机组在特定负荷和相关条件下的最优运行状态,可以指导机组的优化运行。

数据挖掘技术在火电厂优化运行中的应用

火电机组运行优化目标值的合理确定是实施机组性能诊断和优化运行的前提和基础,是电站运行优化的关键。采用传统方法确定的优化目标值往往不能正确反映机组的实际运行状态。充分利用火电厂生产运行的大量历史数据,提出了数据挖掘的火电机组运行优化方法,将模糊关联规则应用于火电厂运行优化目标值的确定。以某300 MW机组历史数据为基础,运用这一方法得到各典型工况下的最优值以指导实际运行。试验结果表明,基于数据挖掘的火电厂运行优化目标值确定方法可以提高机组运行效率,降低污染物排放。

改进模糊关联规则及其在电站锅炉运行优化中的应用

提出了一种改进的模糊关联规则挖掘算法对电厂运行优化目标值进行确定,首先利用竞争凝聚算法决定分类数、软化划分边界并构造优化的模糊数据集,再结合某300 MW机组的历史运行数据,以供电煤耗率作为优化目标,利用频繁模式树生成算法得到的频繁项集进行关联规则挖掘,最终得到运行参数最优值,实验结果和理论分析表明挖掘结果能够正确反映机组运行机理、可以作为指导机组优化运行的重要依据。

电站运行优化决策支持系统及优化值的确定

在电站运行优化的目标分析的基础上 ,依照决策支持系统 ( DSS)的结构及其设计思想 ,对电站运行优化决策支持系统 ( OODSS)的结构进行探讨 ,重点对运行优化的关键性难题——优化目标值的确定问题进行深入研究 ,在传统方法的基础上提出基于数据开采技术的新方法 ,并利用决策支持系统解决半结构化问题的优势提出进一步的综合性解决方案。图 2表 2参

基于大数据平台的火电机组运行优化研究

面对气候环境日益严峻,我国电力交易市场逐步放开,对火电厂节能降耗提出了更高要求。文章以利用Hadoop、Spark、Hbase等构建的分布式大数据分析平台(X-DT)为分析工具,采集某600 MW火电厂3号机最近大量历史数据,利用大数据预处理获得健康数据后,通过灰色关联度挖掘出影响能耗偏高的主要运行参数,在考虑负荷、环境温度的边界条件下,采用聚类决策规则挖掘出该机组全工况最低供电煤耗实际可达目标值,并分析出机组重要参数的运行优化的指导方案,以期降低火电机组能耗,提高机组经济效益与竞争力。

基于模糊划分的数据挖掘算法在电厂燃烧优化系统中的应用

电厂锅炉燃烧系统具有多输入、多输出、大滞后和强非线性特性。为了优化燃烧过程,提高机组热效率,关键问题是确定机组运行主要可控参数的优化目标值。本文采用基于模糊划分的多值属性数据挖掘算法来确定重要参数的运行优化目标值。将模糊集合理论引入到关联规则的研究中,利用模糊概念对数据进行概括和抽象,通过定义在属性论域上的模糊集来软化边界。此方法能将多值属性关联规则的挖掘问题转化为布尔型关联规则的挖掘问题。通过实验验证了算法的可行性并对算法的性能进行了讨论,说明了本文中提出的挖掘算法能发现关系数据库中数量型属性之间的蕴涵的关联性。最后以600 MW机组历史实测参数为基础数据,对各种不同特征负荷工况下的数据进行挖掘,得到各自的最优值,并将这些最优值用于指导实际运行,取得了显著的效果。

Enhancement of Performance by Blade Optimization in Two-Stage Ring Blower

This paper describes the shape optimization of an impeller used for two-stage high pressure ring blower.Two shape variables,which are used to define an impeller shape,are introduced to increase the blower performance.The pressure of a blower is selected as an object function,and the blade optimization is performed by a response surface method.Three-dimensional Navier-Stokes equations are introduced to analyze the internal flow of the blower and to find the value of object function for the training data.Relatively good agreement between experimental measurements and numerical simulation is obtained in the present study.Throughout the shape optimization,it is found that a hub height is effective to increase pressure in the ring blower.The pressure rise for the optimal two-stage ring blower is successfully increased up to 1.86% compared with that of reference at the design flow rate.Local recirculation flow having low velocity is formed in both sides of the impeller outlet by different flow direction of the inlet and outlet of the impeller.Detailed flow field inside the ring blower is also analyzed and discussed.