基于粒子群优化算法的Elman神经网络凝汽器真空模型

将一种动态递归网络——Elman神经网络应用到凝汽器真空预测。通过实例计算,表明该方法能够较准确地预测凝汽器真空,并具有训练速度快、结构简单、精度高的特点,是一种行之有效的预测方法。同时,对反向传播(BP)神经网络算法会出现局部极小值,提出了利用粒子群优化算法的全局寻优能力优化Elman神经网络连接权值系数的方法。仿真结果表明,利用粒子群优化算法的Elman神经网络可以建立精度更高的凝汽器真空预测模型。     

双背压凝汽器变工况计算与能损分析

双背压凝汽器有2个独立的凝汽器,用单侧凝汽器的变工况计算和能损分析方法,不能准确地反映双背压凝汽器的变工况特性和耗差特性,针对此,改进了凝汽器变工况计算公式,提出了双背压凝汽器高压侧的变工况计算模型.根据双背压凝汽器高、低压侧真空不同的特点,分析了双背压凝汽器真空变化对机组热经济性的影响,并通过实例验证了该方法在凝汽器...     

真空泵母管制系统下双压凝汽器性能影响因素试验研究

采用母管制连接方式的双压凝汽器抽空气系统凝汽器低压侧抽空气时存在排挤现象,致使凝汽器高、低压侧压差偏离设计值,影响双压凝汽器性能。研究影响凝汽器高、低压侧压差的因素,包括真空泵抽空气母管上抽气调节阀开度大小、真空泵开起台数等。结果表明,抽气调节阀存在最佳开度,其最佳开度与凝汽器真空值有关;当抽气调节阀在最佳开度时,真空泵采用二运一备方式运行较经济。     

基于神经网络的凝汽器污垢热阻预测模型

针对凝汽器污垢热阻难以预测的问题,采用改进粒子群算法优化的Elman神经网络建立凝汽器污垢热阻预测模型。根据粒子个体与全局的认知能力动态调整惯性权重,改进粒子群算法,提高算法收敛精度和速率,利用改进的粒子群算法优化神经网络的权值和阀值,提升模型的预测能力。以某电厂300 MW机组凝汽器清洗后的运行状况搭建模型,将预测值与实际值进行对比,验证模型准确性。结果表明,改进后的预测模型具有更好的精度和适应能力,为凝汽器污垢热阻预测和清洗时间间隔提供了理论依据。     

双压凝汽器冬季节能技术

凝汽器在冬季运行时,一般需要通过调整循环水上水塔防冻门开度,提高循环水入口温度,以避免凝汽器真空过高导致的机组振动等安全隐患。这种常规控制方式对双压凝汽器而言,在避免双压凝汽器低压侧真空过高的同时,也人为降低了高压侧真空,一定程度上影响了双压凝汽器运行经济性。     

基于布谷鸟-Elman算法的光伏发电预测

提高光伏发电功率预测的精度对于保证电网的安全稳定运行、提高光伏资源的开发和利用率具有重要的意义。文中提出了一种基于天气相似度以及改进布谷鸟算法优化Elman神经网络的光伏发电短期功率预测模型。首先在选取相似日上,提出一种基于距离和角度趋势的相似度计算方法,选出与待预测日相似度更高的相似日。其次,利用改进后的布谷鸟算法对Elman神经网络的权值和阈值进行优化并构建光伏发电短期功率预测模型。最后将文中提出的光伏发电预测模型与传统Elman神经网络模型的预测结果及实际输出值进行比较,结果表明改进布谷鸟算法优化Elman神经网络的光伏发电短期功率预测模型预测精度更高。     

基于神经网络的短期电力负荷预测仿真研究

为了提高短期电力负荷预测精度,分别建立了基于BP神经网络和Elman神经网络的短期负荷预测模型。采用附加动量法优化BP神经网络以提高其收敛速度;针对Elman神经网络易陷入局部极值的缺点,改进其激励函数并采用LM算法优化学习算法。Matlab仿真结果表明,改进后的Elman神经网络模型比BP神经网络模型的预测精度高,收敛速度快,更适合处理动态问题。     

基于PSO-Elman神经网络的燃煤机组受热面清洁状态预测

随着节能减排政策力度的加大,国家十分重视火电厂节能降耗技术的开发研究。针对目前锅炉受热面吹灰方式不合理的情况,以污染率（FF）表征受热面清洁状态对锅炉受热面传热的影响,建立了基于PSO-Elman神经网络的受热面清洁状态预测模型,实现对受热面清洁状态的预测。采用粒子群算法（PSO）和Elman动态神经网络相结合的预测方法,首先根据输入、输出参数个数确定Elman神经网络结构,然后利用PSO优化网络的权值和阈值,将优化后的最优权值、阈值赋给Elman神经网络作为初始值进行网络训练,建立基于PSO-Elman神经网络的受热面清洁状态预测模型。通过具体实例仿真证实了所提方法的有效性,获得了较满意的预测精度,验证了该方法的有效性。     

基于小波包和改进纵横交叉法的风电预测模型

针对风电出力的随机性、季节性和波动性及一般方法预测精度不高的问题,采用改进纵横交叉(improved crisscross optimization,ICSO)算法,建立了一种基于小波包变换与改进纵横交叉算法优化Elman神经网络的风电预测模型。仿真结果表明:改进的纵横交叉算法不但克服了一般算法早熟收敛的缺陷,有效提高神经网络的泛化能力和预测精度,而且表现出良好的稳定性,适用于风电的预测。     

考虑气温和时间因素的短期电力负荷预测

针对传统的Elman神经网络模型预测存在准确度不高的问题,提出了考虑影响因素的改进型Elman神经网络短期负商预测模型。用人工鱼群算法优化Elman神经网络预测模型的权阈值,使Elman神经网络模型收敛速度更快,准确度更高。以气温因素和时间因素作为模型输入量,分别预测工作日、非工作日和节假日的负荷。Matlab仿真结果表明,考虑影响因素的改进型Elman神经网络预测模型准确度更高,