对于间歇过程变量深层特征提取困难,以及变量的时序性、非线性、动态特性所导致质量预测精度不高的问题,提出了一种基于卷积-时空注意力的双层长短期神经网络(convolutional neural networks spatial and temporal attention with doubl...对于间歇过程变量深层特征提取困难,以及变量的时序性、非线性、动态特性所导致质量预测精度不高的问题,提出了一种基于卷积-时空注意力的双层长短期神经网络(convolutional neural networks spatial and temporal attention with double long short term memory networks,CNN-STA-DLSTM)的间歇过程质量预测模型。首先,对间歇过程数据沿着变量的方向展开成二维矩阵,对二维数据采用Max-Min法归一化,接着,使用PLS对原始数据降维,保留与质量变量相关性较强的变量,使用CNN挖掘过程数据的潜在特征,提高质量相关特征信息的关注;其次,引入时间注意力机制和空间注意力机制构建双层LSTM的编码器-解码器结构网络,利用注意力机制自适应地学习时间步长的相关历史信息,以提高模型的长期记忆能力,并加强过程变量与质量变量之间的时空相关性;然后,采用随机-网格搜索法寻找预测模型合适的超参数,并构建了预测模型;最后,使用青霉素发酵仿真平台和带钢热连轧生产过程数据进行实验验证,结果表明所提模型具有更精准的预测效果。展开更多
设计了一种用于继电保护测试的数字化变电站过程层通信故障发生装置。以EP3C25现场可编程门阵列芯片为中央控制器,以88E1111 k M以太网物理层芯片为通信接口,通过"截取-修改-转发"方式人为地改变过程层网络中的采样值报文和GO...设计了一种用于继电保护测试的数字化变电站过程层通信故障发生装置。以EP3C25现场可编程门阵列芯片为中央控制器,以88E1111 k M以太网物理层芯片为通信接口,通过"截取-修改-转发"方式人为地改变过程层网络中的采样值报文和GOOSE报文,使继电保护装置接受的信号出现异常。在此基础上,采用信息熵检测法监视电压信息的变化,实现过程层通信故障、电力系统故障的联合仿真。实验表明,通信故障发生装置引起的网络延时很短,对RTDS模拟的绝大部分电力系统故障能够有效鉴别。展开更多
文摘对于间歇过程变量深层特征提取困难,以及变量的时序性、非线性、动态特性所导致质量预测精度不高的问题,提出了一种基于卷积-时空注意力的双层长短期神经网络(convolutional neural networks spatial and temporal attention with double long short term memory networks,CNN-STA-DLSTM)的间歇过程质量预测模型。首先,对间歇过程数据沿着变量的方向展开成二维矩阵,对二维数据采用Max-Min法归一化,接着,使用PLS对原始数据降维,保留与质量变量相关性较强的变量,使用CNN挖掘过程数据的潜在特征,提高质量相关特征信息的关注;其次,引入时间注意力机制和空间注意力机制构建双层LSTM的编码器-解码器结构网络,利用注意力机制自适应地学习时间步长的相关历史信息,以提高模型的长期记忆能力,并加强过程变量与质量变量之间的时空相关性;然后,采用随机-网格搜索法寻找预测模型合适的超参数,并构建了预测模型;最后,使用青霉素发酵仿真平台和带钢热连轧生产过程数据进行实验验证,结果表明所提模型具有更精准的预测效果。
文摘设计了一种用于继电保护测试的数字化变电站过程层通信故障发生装置。以EP3C25现场可编程门阵列芯片为中央控制器,以88E1111 k M以太网物理层芯片为通信接口,通过"截取-修改-转发"方式人为地改变过程层网络中的采样值报文和GOOSE报文,使继电保护装置接受的信号出现异常。在此基础上,采用信息熵检测法监视电压信息的变化,实现过程层通信故障、电力系统故障的联合仿真。实验表明,通信故障发生装置引起的网络延时很短,对RTDS模拟的绝大部分电力系统故障能够有效鉴别。
