使用参考站点模型评估无发电功能水坝的水电成本
Gbadebo Oladosu 和 Yu Ma
《Energies》:Assessing the Costs of Hydropower at Non-Powered Dams Using a Reference Site Model
Gbadebo Oladosu and
Yu Ma
【字体:
大
中
小
】
时间:2026年03月16日
来源:Energies 3.2
。
摘要
高温流体反应堆(ARs),如钠快中子反应堆(SFRs)和熔盐冷却反应堆(MSCRs),在常压下使用高温流体。为了在反应堆启动时熔化流体并在冷却过程中防止流体冻结,这些反应堆的热液系统包括由特定加热器、控制器、温度传感器和隔热材料组成的加热区。由于隔热材料老化或安装不当导致加热区故障,从而产生额外的热量损失,可能会引起流体冻结。由于缺乏实验细节的了解,使用传热模型来检测故障较为困难。基于数据的机器学习方法可以作为一种可行的替代方案。在本研究中,我们评估了循环神经网络(RNNs)在分析安装在液态钠容器上的加热区升温瞬态温度时间序列方面的性能。RNN模型包括长短期记忆网络(LSTM)和门控循环单元网络(GRU),以及它们的双向变体BiLSTM和BiGRU。通过将基于百分位的阈值应用于去趋势后的温度时间序列中的残差波动来识别异常温度点。此外,还研究了指数加权移动平均(EWMA)方法对检测精度的影响。使用精确度、召回率和F1分数指标来评估RNN模型的性能。结果表明,RNN模型能够有效检测温度时间序列中的异常,其中最佳模型的F1分数超过了93%。为了解释不同加热区之间RNN模型性能的差异,我们使用Kullback–Leibler(KL)散度来量化训练数据和测试数据之间的相对熵,并使用去趋势波动分析(DFA)来评估长期时间相关性。对于具有强长期相关性和训练数据与测试数据之间相对熵最小的数据集,GRU是表现最好的模型。当数据表现出较弱的长期相关性以及训练数据与测试数据分布之间存在显著相对熵时,BiGRU的性能最佳。对于KL散度和DFA值介于两者之间的数据集,LSTM和BiLSTM分别表现出最佳性能。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号