基于深度学习的电力数据分析研究

针对传统电力数据分析方法存在适用范围有限、模型复杂等导致电器分类准确率较差的问题,提出了一种基于多层堆叠长短期记忆(Long short-term memory,LSTM)网络的电力数据分析模型。首先,根据电力数据的频谱图、Mel频率倒谱系数(Mel-Frequency Cepstral Coefficient,MFCC)和Mel频谱图提取电力数据的特征,然后将其应用于深度学习模型并提高分类任务的性能,从而改善过拟合问题。其次,建立了一个多层堆叠LSTM模型,从而有效提高模型的分类和回归能力。最后,提出了一种改进的软独热编码和多尺度训练方法,从而防止峰值概率分布,提高模型的泛化能力。实验阶段,以家庭电力数据集为例,对所提模型进行验证。仿真结果表明,所提模型软独热编码及多尺度训练对加快训练效果具有一定效果,最终分类准确率到达89.85%。     

空间核动力装置控制系统设计分析及启示

空间核动力装置执行深空任务具有复杂性和特殊性，对其控制系统的研发提出较多独特的挑战。研发具有高可靠性和高自主性的控制系统，一直是空间核反应堆领域的研究重点及难点之一。对美俄(苏联)从20世纪80年代至今典型空间堆控制系统的研发方案展开调研，分别从控制系统的总体要求、架构设计、启动控制策略、额定工况下功率控制方案等方面，对其设计现状进行分析和归纳，总结美俄不同型号空间堆控制系统的设计及其特殊性。在美俄空间堆控制系统设计的经验基础上，为不同型号空间堆装置控制系统的设计提供借鉴。