基于神经网络模型的自然通风逆流湿式冷却塔 热力性能研究

冷却塔是热力发电厂中重要的冷端设备。人工神经网络是研究冷却塔热力性能的一个重要方法,然而目前关于自然通风逆流湿式冷却塔热力特性的神经网络相关研究还不够充分。本文基于电厂领域36座自然通风逆流湿式冷却塔的实测热力数据,使用BP神经网络模型,对冷却塔的出塔水温、冷却数、蒸发损失水率进行预测研究。结果表明利用BP神经网络可以对冷却塔的热力性能进行较好的预测,出塔水温、冷却数、蒸发损失水率的预测均方误差以及平均相对误差分别为0.278、0.076、0.003和1.565%、18.153%、3.599%。研究结果对电厂冷却塔的热力设计及运行监测具有重要的参考价值。     

煤矸石电厂除氧器自动监测控制装置设计与应用

针对某煤矸石资源综合利用电厂除氧器水位、水温监测控制技术存在的除氧效果不稳定、水位控制自动化水平低、监测装置故障率高等缺陷,利用单片机自动控制技术设计研发除氧器水温、水位监测控制装置,提高自动控制水平和控制精度。应用实践表明,该电厂除氧器监测控制系统原有问题得到有效解决,锅炉给水质量有了很大改善,故障停炉频次有所减少。     

锅炉经济性运行指导专家系统

采用专家系统和模糊神经网络相结合的方法开发了锅炉经济性运行指导系统。该系统从在线监测的实时参数出发,利用适当的隶属函数将其模糊化．通过神经网络计算找出异常现象发生原因并给出专家建议,以指导操作人员进行迅速、准确地操作。本文对BP网络进行了改进,引入变步长算法来调整学习率,同时附加动量项来修改网络权值和阈值。最后利用该系统对锅炉排烟温度高的问题进行分析研究,结果表明该系统收敛速度快,精度高．能够提高电厂运行管理水平．提高了锅炉的经济性。     

电站锅炉燃烧优化过程的数据建模研究

各燃煤电厂均面临着节能和降低NO_x排放量的双重压力,而通过燃烧调整来降低NO_x排放量及煤耗是公认的最佳解决方法。现利用BP神经网络与遗传算法相结合的方法为某300 MW电站锅炉建立燃烧模型,并对输入、输出数据寻优,从而为锅炉优化运行提供指导。     

电液伺服系统的模糊神经网络并行自学习鲁棒控制

基于模糊神经网络结构，提出了一种复合式控制方案，解决了传统自适应控制中模型的在线辨识和控制器的在线设计问题。达到了对不确定非线性系统的高精度输出跟踪；通过引入运行监控器，解决了模糊神经网络实时性差的问题；同时，利用一个鲁棒反馈控制器，来保证模糊神经网络学习初期闭环系统的稳定性。应用到电液力伺服加载系统中，获得满意控制效果。     

基于数据融合的电厂设备运行安全一体化检测技术

为解决当前电厂设备运行安全检测技术存在的检测准确率和可视化程度低的问题,提出基于数据融合的电厂设备运行安全一体化检测技术。利用多层分层技术设计电厂设备运行安全一体化检测整体架构,在该架构的支持下将智能机器人、红外测温和视频监控等数据作为实时巡检数据,通过物联网与互联网技术进行巡检数据与历史数据的实时传输,并对所有数据进行分布式存储以及数据融合处理。以数据融合结果为基础,采用专家评价、神经网络和模糊数学的方法实现电厂设备运行安全一体化检测及检测全过程的可视化。实验结果表明,基于数据融合的检测技术的设备安全检测准确率和可视化程度高,鲁棒性强,实际应用效果更好。     

网络控制系统的容错研究

传统的网络控制系统需要在被控对象模型确定的情况进行系统稳定性设计研究,受到了一定的局限性.模糊理论与神经网络的结合,具有类似人脑的逻辑思维和人类经验思维的特点,解决了某些系统被控对象数学模型无法确定的问题.基于此,利用模糊神经网络来设计网络控制系统的控制器,进而稳定控制系统.     

神经网络响应面逼近在飞机总体优化设计中的应用

介绍了响应面方法的概念及其数学描述形式。分析了通过神经网络来实现响应面模型构建的方法。结合飞机设计的复杂过程,采用基于响应面的多学科优化方法解决不同的学科之间存在着的各种耦合关系、以及多个学科的综合协调问题。通过神经网络响应面来完成各个子学科空间之间的数据交换与协调,以此来逼近设计空间上的最优解。给出了一个飞机总体方案设计中解决飞机概念尺寸的算例,在子空间和系统层中均采用遗传算法进行优化,并与单一采用遗传算法解决同一问题的结果进行了对比。研究表明,应用神经网络构建的响应面模型能够减少系统的分析次数并能够很大程度上提高模型的精度,最终在设计空间内寻找出较好的设计方案。     

电厂烟气含氧量的智能混合预测方法

针对电厂烟气含氧量难以进行有效预测的问题,提出一种烟气含氧量的智能混合预测方法。首先采用RBF神经网络、主元分析方法对输入变量进行降维处理;其次利用上述分析结果运用案例推理方法进行烟气含氧量的预测;然后,为反映烟气含氧量数据中的时间累积效应,采用过程神经网络方法对当前时刻烟气含氧量进行预测;最后基于方差-协方差方法的权值组合预测方法,获得最终的烟气含氧量。基于实际运行数据的分析和工业试运行表明,所提出的智能混合预测模型具有较高的精度和鲁棒性,可以较好地解决电厂烟气含氧量的预测问题。     

供暖系统利用电厂富裕蒸汽的节能改造

为解决供暖系统消耗原煤量大及供热不足等问题,采用高效智能换热机组利用电厂富裕蒸汽对供暖系统进行节能改造。本文介绍了该机组的特点和原理,以及改造中解决的主要技术问题。     

Optimization of operating parameters and performance evaluation of forced draft cooling tower using response surface methodology (RSM) and artificial neural network (ANN)

Optimization of cold water temperature in forced draft cooling tower with various operating parameters has been considered in the present work. In this study, response surface method (RSM) and an artificial neural network (ANN) were developed to predict cold water temperature in forced draft cooling tower. In the development of predictive models, water flow, air flow, water temperature and packing height were considered as model variables. For this propose, an experiment based on statistical five-level four factorial design of experiments method was carried out in the forced draft cooling tower. Based on statistical analysis, packing height, air flow and water flow were high significant effects on cold water temperature, with very low probability values (< 0.0001). The optimum operating parameters were predicted using RSM, ANN model and confirmed through experiments. The result demonstrated that minimum cold water temperature was optioned from the ANN model compared with RSM.     

基于神经网络的火电厂脱硫控制系统研究

以某火电厂 ２×３００MW 机组为研究对象,设计了以石灰石 石膏湿法为工艺基础的烟气脱硫控制系统.对脱硫控制系统中吸收塔的浆液pH值的控制进行了改进,设计了基于神经网络自适应控制器.该控制器能有效提高浆液pH值的控制精度与稳定性.     

复合地源热泵系统土壤换热器预测模型研究

在复合式地源热泵系统中控制策略存在着极大的优化空间,本文提出以土壤换热器与冷却塔两者出口水温作为控制依据的运行策略,为实现此控制方法,需要建立准确的预测模型.本文运用人工神经网络(ANN)实现土壤换热器侧出口水温的预测,研究复合式地源热泵系统不同运行模式下预测的可行性与准确性,并与动态数值模拟结果比较.结果表明利用人工神经网络可以准确预测土壤换热器的出口水温,且模型具有较好的泛华能力,最大误差不超过0.25℃.     

基于ACO-BP神经网络的光伏系统发电功率预测

为准确预测光伏发电量,减少并网光伏对大电网的影响,引入相似日概念,对夏季预测日的平均温度、最高温度、最低温度以及天气类型进行分析。在历史数据中选取具有相似天气特征的发电功率数据和天气数据作为神经网络的训练样本,建立ACO-BP神经网络光伏发电功率预测模型,并将预测结果与传统BP神经网络和PSO-BP神经网络预测结果相比较。实验结果表明,该模型具有较高的预测精度。     

基于CMAC神经网络测温传感器的非线性校正

本文充分利用CMAC神经网络的非线性函数逼近功能,并结合电站数据采集和监测系统,提出一种校正电站测温传感器非线性输出特性的新方法,研究表明,该方法简单实用,速度快,精度高。     

Application of PID Controller Based on BP Neural Network in Export Steam's Temperature Control System

By combining the Back-Propagation(BP)neural network with conventional proportional Integral Derivative(PID)controller,a new temperature control strategy of the export steam in supercritical electric power plant is put forward.This scheme can effectively overcome the large time delay,inertia of the export steam and the influence of object in varying operational parameters.Thus excellent control quality is obtained.The present paper describes the development and application of neural network based controller to control the temperature of the boiler’s export steam.Through simulation in various situations,it validates that the control quality of this control system is apparently superior to the conventional PID control system.     

基于BP神经网络的塔机起重臂结构应力识别

以某塔式起重机为研究对象,组建BP神经网络并进行训练,对塔机不同的工作状态训练得到可靠的应力识别网络,确定塔机特征参数与结构应力间的非线性映射关系,识别出塔机起重臂结构的应力响应,为塔机寿命计算、安全监控及故障诊断提供参考。     

基于模型参考神经网络实现锅炉水位自适应控制

锅炉水位是影响锅炉安全运行的重要参数,而水位控制系统是一个复杂的非线性系统.设计了一个稳定的参考模型来表达所期望的汽包水位特性,再通过构建神经网络控制器,控制锅炉水位输出曲线匹配期望的锅炉水位特性.神经网络控制器由2个神经网络组成:被控对象辨识神经网络和控制神经网络,采用反向传播学习算法作为神经网络训练算法.仿真结果表明,采用该神经网络控制器的系统输出性能明显优于采用传统控制器的系统.     

基于遗传算法的BP神经网络在塔式起重机故障诊断中的应用

为解决BP神经网络存在的收敛速度慢、易陷入局部极小点等不足,利用遗传算法随机搜索性强,易收敛到全局最优解的优点对其进行改进,通过误差平方和的倒数建立遗传算法与BP神经网络的联系,以改进网络权值、阈值为目标,优化神经网络结构,以更加有效地应用改进网络进行预测、识别,将其应用于塔式起重机的状态识别中,可很好地对塔式起重机进行故障诊断.     

基于BP神经网络的火电厂水质调节系统的Smith-PID自适应控制

针对火电厂水质调节系统大时滞时变性的特点,提出了基于BP神经网络的Smith-PID控制算法,仿真研究和实际应用表明,该控制算法具有良好的静态特性、动态品质和很强的鲁棒性;工程应用控制效果令人满意。