申请/专利权人：南京远思智能科技有限公司

申请日：2024-03-13

公开（公告）日：2024-04-16

公开（公告）号：CN117892635A

主分类号：G06F30/27

分类号：G06F30/27;G06N3/04;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了一种基于Modelica的系统仿真与神经网络集成方法，通过运用Modelica语言构建精确的系统仿真模型，获取关键运行数据，借助Python实施神经网络训练关键运行数据，形成能够准确反映实际系统运行状态的简洁高效代理模型，实现了代理模型能够直接用于快速评估系统的功能，减少对复杂Modelica模型的直接依赖，提高计算效率，尤其是在需要频繁运行或进行快速评估的场景中，提供了一种既准确又高效的系统仿真和分析方法，这对于工程设计、系统优化以及决策支持等方面具有重要的实际应用价值。

主权项：1.一种基于Modelica的系统仿真与神经网络集成方法，其特征在于包括以下步骤：步骤S1、基于ThermalPower库建立蒸汽循环系统的Modelica仿真模型,模型包含冷凝泵、汽水分离器、锅炉、汽水泵、过热器、蒸汽阀、汽轮机、冷凝器与发电机，首先，锅炉给水加热经过汽水泵抽取到汽水分离器中,汽水分离器中的水蒸气经过热器进一步加热后,流经蒸汽阀节流控压,然后进入汽轮机扩张做功给发电机发电，最后,蒸汽进入冷凝器冷凝为水,再由冷凝泵输送到汽水分离器,完成循环；步骤S2、进行系统仿真计算，获取特征数据作为数据集1，仿真结果中的锅炉供热量、过热器过热量与冷凝泵的给水量作为数据集1的输入数据，发电机的发电量、冷凝器的换热量与汽轮机的轴功率作为数据集1的观测数据；步骤S3、将数据集1进行归一化处理，然后设置神经网络所需要的参数，包括样本数量、输入维度、输出维度、学习率与节点数；步骤S4、训练神经网络模型，当模型输出结果与数据集1的观测数据误差小于误差设定值时,获得预测代理模型；步骤S5、利用步骤S1中的Modelica系统模型得到另一工况下的蒸汽循环系统数据作为数据集2，进行校验,将数据集2的输入数据输入到预测代理模型中,将预测代理模型的输出数据与数据集2的观测数据进行比较，如果误差小于3%,则成功建立代理模型;否则返回步骤S4，重新训练。

全文数据：

权利要求：

百度查询： 南京远思智能科技有限公司 基于Modelica的系统仿真与神经网络集成方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD