:::
點閱 (516)
推薦(0)
| 計畫名稱 | 中低溫餘熱及壓差發電系統技術開發與應用計畫 |
|---|---|
| 主題名稱 | 有機朗肯循環之發電時間序列分析 |
| 資料時間 | 2020/12/3 |
| 上傳時間 | 2020/12/3 |
| 國別 | 國內 |
| 能源領域 | 科技 |
| 能源業務 | 節約能源 |
| 決策知識類別 | 評析 |
| 關鍵字 | 深度學習 溫差發電 預先診斷 |
重點摘述
本研究提出一種深度學習神經網路，用於提前1小時進行溫差發電預測，此方法基於遞歸神經網路（Recurrent Neural Networks，RNN）中的長短期記憶模型(Long Short Term Memory networks，LSTM)，並應用鋼鐵業ORC運轉資料進行分析，實驗結果證實此方法相較多層感知器模型(MLP)時間序列分析方法誤差下降12%，應用上能有效優化系統警戒值設定進而提早得知發電量異常，替傳統工業提出新的預先診斷方法。
| 附件 | 有機朗肯循環之發電時間序列分析_知識物件.pdf |
|---|---|
| 資料提供者/機構 | 陸雨新 / 工業技術研究院 |
| 最後修改者 | |
| 聯絡電話 | |
| 聯絡 Email |
- 熱門點閱
- 儲能自動頻率控制(AFC)輔助服務簡介(49377)
- 各式太陽能電池的優缺點評析(30008)
- 再生能源併網對配電系統不平衡之衝擊與改善方法(19247)