公开(公告)号：CN118332929A

公开(公告)日：2024-07-12

申请号：CN202410603460.7

申请日：2024-05-15

Applicant: 福州大学

Inventor： 缪希仁 ,  林蔚青 ,  陈静 ,  陈彦 ,  江灏

IPC: G06F30/27 ,  G06N3/0464 ,  G06N3/084 ,  G06Q50/06 ,  G06Q10/20

Abstract: 本发明涉及一种基于深度学习模型的发电厂仿真与真实数据联合学习方法，包括以下步骤：获取发电厂模拟机各种正常与故障工况的仿真数据，以及发电机组有限的正常运行真实数据；将仿真数据和真实数据标注不同的域标签,包括源域和目标域，生成训练集；构建仿真与真实数据的联合学习模型并基于训练集进行训练，所述联合学习模型包括特征提取器、预测器、多核最大均值差异(MK‑MMD)模块和域鉴别器；基于训练后的联合学习模型，调整预测器输出层的神经元数量，将模型用于故障诊断任务或关键参量预测任务。本发明将仿真数据的变工况知识迁移至真实场景，避免了因仿真与真实数据的差异，导致仅依靠仿真数据训练深度学习模型在实际发电厂中适用性不足的问题。