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、…、x_i、…、x_n分别为神经元的输入，y_j为输出，ω_j1、ω_j2、…、ω_{j i}、…、ω_{j 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、…、x_n，输出为o₁、o₂、…、o_m，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