基于神經(jīng)網(wǎng)絡(luò)的火電機(jī)組實(shí)時(shí)標(biāo)煤耗建模.pdf

1、對于發(fā)電企業(yè)來說,要把握電力市場的大方向,使本企業(yè)適應(yīng)電力市場環(huán)境的變化,重要的是要準(zhǔn)確掌握發(fā)電成本,實(shí)行優(yōu)化運(yùn)行,節(jié)能降耗.本論文以神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ),主要致力于火電站大型供熱機(jī)組標(biāo)煤耗率建模.主要進(jìn)行了以下幾方面的研究:1.首先簡要介紹前向神經(jīng)網(wǎng)絡(luò)的特點(diǎn)和BP算法及其改進(jìn)措施;然后列出了多層前向網(wǎng)絡(luò)的逼近能力和泛化能力的一些研究成果,作為以后建模的理論依據(jù);最后提出了一種可快速逼近的神經(jīng)網(wǎng)絡(luò)構(gòu)造算法.2.根據(jù)采集;據(jù)噪聲的特點(diǎn),我們

2、給出來異常數(shù)據(jù)剔除法和數(shù)據(jù)濾波方法,分別對異常跳變點(diǎn)和隨機(jī)噪聲進(jìn)行處理.仿真結(jié)果表明,所給方法能較好地濾除噪聲,保持良好的平滑效果.3.定性分析了影響單元機(jī)組標(biāo)煤耗率的各個(gè)因素,然后提出了基于神經(jīng)網(wǎng)絡(luò)的貢獻(xiàn)分析法,從眾多影響因素中選取了貢獻(xiàn)最大的6個(gè)因素作為神經(jīng)網(wǎng)絡(luò)模型的輸入變量.仿真結(jié)果表明,所選的變量是有效的.4.提出了一種基于增量學(xué)習(xí)的典型樣本選取方法.并與聚類方法及全樣本BP算法進(jìn)行了比較.仿真結(jié)果表明,以聚類和增量學(xué)習(xí)方法選取