基于神经网络的电厂锅炉效率分析
杨巧云(武汉电力职业技术学院 湖北武汉 430079)
摘 要:以锅炉试验数据为样本,利用人工神经网络建立锅炉效率模型,将模型计算得到的效率值与在锅炉上的试验数据计算的效率值比较,对模型进行验证。根据该模型在不同的燃煤特性及运行参数下分析锅炉效率特性。
关键词:神经网络;电厂锅炉;效率
锅炉是火力发电厂主要设备之一,其运行效率的高低对电厂的经济效益有着直接影响。电厂锅炉效率特性很复杂,受到燃煤性质、锅炉负荷、配风方式、炉型、燃烧器型式、炉温、过剩空气系数、煤粉细度、风粉分配均匀性等多种因素的影响,很难用简单的公式进行计算。人工神经网络方法在复杂对象特性建模问题方面已得到广泛应用,并取得了较好的结果,本文采用人工神经网络方法建立电厂锅炉效率特性模型,对锅炉效率进行分析。
一、神经网络简介
人工神经网络 (简称神经网络) 是由大量模拟生物神经元的人工神经元连接而成的复杂网络系统,是一种模仿人脑结构及功能的信息处理系统。它是对人脑若干基本特性通过数学方法进行抽象和模拟,通过输入信号在各神经元之间的传递获得输出。
人工神经元数学模型如图1所示。图中的x1、x2、…、xi、…、xn分别为神经元的输入,yj为输出,ωj1、ωj2、…、ωj i、…、ωj n表示输入与该神经元的连接强度,即连接权重,θj为阈值,f (sj)为激活函数。
图1 人工神经元j
BP网络是人工神经网络中应用最为广泛的网络,这是一种误差反向传播的多层前馈网络。在初始化的网络权值和阈值下,计算网络的输出值,并将其与期望输出值比较,得到计算误差,然后根据误差反向修正权值和阈值,使输出误差趋于最小。通过不断前向计算和反向调整,当输出值达到所要求的精度时,权值和阈值的修正停止,建立起符合要求的网络。
BP网络通常有一个或多个隐层,图2为具有一个隐层的BP网络模型,这是一个多输入和多输出的网络,输入为x1、x2、…、xn,输出为o1、o2、…、om,输入层与隐层之间、隐层与输出层之间的权值分别为w j i、w k j 。
图2 3层 BP网络模型
|