共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
针对燃煤电厂普遍缺少煤炭元素分析数据的现状,以我国商品煤煤质数据库中的3 000余条煤质数据为基础,分别采用线性回归、BP神经网络、SSA BP神经网络模型对煤炭工业分析数据进行建模,预测煤炭元素分析含碳量,进而从原料侧计算燃煤碳排放,3种模型对于煤炭元素分析含碳量预测的相对误差分别为8.40%,2.51%,1.30%。选取某百万机组燃煤电厂平稳负荷、波动负荷、升负荷、降负荷4种典型工况,从原料侧通过上述3种模型开展电厂燃煤连续碳排放计算,并与电厂烟气侧检测碳排放值进行比较。结果表明:线性回归、BP神经网络、SSA BP神经网络模型可以较好地推测元素分析含碳量。3种模型在平稳负荷的低负荷、中负荷、高负荷3种工况下,与锅炉烟气侧测量所得燃煤碳排放的均方根误差RMSE分别为0.35,0.08,0.07;0.87,0.37,0.09;0.23,0.19,0.17。在升负荷、降负荷、波动负荷工况下,3种模型计算值的均方根误差RMSE分别为1.00,0.84,0.71;1.43,1.24, 0.73;1.33,1.15,0.93。以某电厂典型工作日为例,3种模型对日总碳排放计算值与烟气检测法获得的碳排放相对偏差分别为12.28%,5.52%,0.22%。SSA BP神经网络模型煤质预测和碳排放计算结果与烟气侧测量值偏差最小。 相似文献
3.
基于PCA—BP神经网络的锅炉煤质的软测量 总被引:2,自引:0,他引:2
采用主元分析法(PCA)与BP神经网络相结合的方法,为电站锅炉入炉煤质中的挥发分和低位热值建立了软测量模型。应用主元分析法对与入炉煤质相关的运行参数进行降维处理,再将处理过后的综合变量作为BP神经网络的输入变量,方便和简化了过程数据的处理,亦使得煤质预测的精度得到了有效提高。 相似文献
4.
根据超超临界锅炉汽水分离器的结构特点建立了三维有限元模型,以某1000MW机组为例模拟了其启动过程的总应力场.将有限元法和神经网络法相结合,以有限元计算结果作为训练样本,以介质压力和筒体壁温序列为辅助变量,建立了基于Elman神经网络的分离器应力动态软测量模型,通过模型的训练,确定了准确的应力预测模型结构.应用电厂实际运行监测数据对所建立的Elman网络软测量模型进行验证,结果表明:模型计算结果可很好地逼近有限元结果,预测精度高,实时性好,可为锅炉寿命的在线监测提供数据支持. 相似文献
5.
6.
为了对电厂煤质发热量进行简单准确的测量,在煤质发热量理论研究的基础上,提出了利用支持向量机算法进行软测量。对支持向量机的数学原理进行分析后,利用某燃煤电厂的运行数据,构建了支持向量机模型。在构建模型过程中引入了PSO(粒子群优化算法)寻找模型中涉及的惩罚参数c和核函数参数g的最优值,然后利用最优值构建了PSO-SVM软测量模型,模型的测试结果表明:PSO-SCM模型相对误差集中在1%以内,CV(交叉验证法)建立的SVM模型相对误差在1.5%左右,而常用的BP(按误差逆传播算法训练的多层前馈网络)神经网络模型得到的相对误差只能保证在3%以内,可见PSO-SVM款测量模型对煤质发热量的测量更准确。 相似文献
7.
神经网络模糊多模型软测量在磨煤机存煤量测量方面的应用 总被引:1,自引:1,他引:0
基于钢球磨煤机的机理模型,采用神经网络模糊多模型软测量的方法解决球磨机存煤量测量问题,首先建立钢球磨煤机的机理模型,然后将FCM聚类与RBF神经网络多模型理论相结合深入探讨了神经网络模糊多模型软测量方法的实现,最后进行了球磨机存煤量测量的仿真试验,并与RBF神经网络单模型的仿真结果进行了比较.结果表明:神经网络模糊多模型软测量的预测输出的误差较小,训练速度更快,具有更好的泛化能力;将神经网络模糊多模型应用于球磨机存煤量的测量是可行的. 相似文献
8.