- 博客(3)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 【生产级方案】利用有向图的深度和广度优先遍历进行热力管网全网仿真
2024-2025年，北方J市完成了全市供热管网的数据治理工作，采集了全部33万根钢管的参数信息，为每一根钢管分配唯一标识，为每一个钢管与钢管间的连接点分配唯一标识。由于供热管线基本全部埋设于地下，为了防止漏水，管段上极少安装物联网探头，几乎只能在热源端和各个站端可以采集温度、压力、流量等供热实时数据，即除了热网的两端，百万平方级范围内绝大多数管段的参数信息未知。反过来，将换热站端看做起点，源端看作终点，在站端流量已知情况下，若管段无分叉，则入口流量等于出口流量；离散值采用众数填充，连续值采用均值法填充。
2025-04-12 15:35:18
817
原创 【生产级方案】将轻量级梯度提升机(LightGBM)应用于设备故障隐含原因深度挖掘
分别使用故障之前12小时、8小时、4小时、2小时工况进行下面第4节提及的spearman相关性分析，发现故障发生前2小时以内的测点与“热泵-系统1故障低位”具有显著高相关性（具体实验略），即在故障出现之前的两小时内，尽管热泵工作正常，已提前出现故障预兆，可将故障之前两小时内的全部工况数据看做故障样本。一般来讲，与补水有关的属性（如“补水累计流量”、“补水箱液位”）在低水位故障重要性排名中不会过高，而本站“补水累计流量”属性排名第一，“补水箱液位”排第六，说明引发故障的原因为泵站漏水。
2025-03-05 10:31:36
1016
原创 【生产级方案】将DDPG深度强化学习模型应用于连续值预测+多约束优化分析
北方J市长输供热项目以Keras DNN+粒子群优化算法实现当前供热工况下，全网泵组频率预测，及实时优化调控，以实现全网泵组电流最低，进而达到全网能耗最低。本文记录了2024年11月，本人将项目旧算法替换为深度强化学习的DDPG，并使用2024~2025供热季J市真实供热数据进行了验证。本项目基于DDPG官方团队公开的开源项目并在PyCharm上调试通过。
2025-01-11 16:05:51
961
【生产级方案】将DDPG深度强化学习模型应用于连续值预测+多约束优化分析
2025-01-11
软考“三高”经验谈
2018-12-19
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人