基于BP神经网络的地温推演模型

针对地温观测中数据缺测和国家一般气象站无深层地温观测的问题,提出了采用BP神经网络建立的实时地温推演模型和深层地温推演模型(40~160 cm地温模型和320 cm地温模型)。前者可用于整点地温观测数据缺测的填补,后者用于无深层地温观测地区的地温估算。以样本站的小部分数据训练网络,用样本站全部数据测试,反复调试神经网络参数,筛选出误差性能好的地温模型,再用对比站数据测试地温模型的输出误差。实时地温模型样本站推演正确率为77.705%,对比站推演正确率为66.168%;40~160 cm地温模型72%以上的输出误差不大于0.5℃;320 cm地温模型83%以上的输出误差不大于1℃。实验结果表明,该方法建立的地温推演模型具有较高的精度和实用性。     

影响电除尘效率的对策

河门口发电厂通过对电除尘器各种运行工况的分析和研究,制定出了相应的检修工艺要求及运行操作措施,逐步摸索出了维持电除尘器长期高效运行的经验。     

基于BP神经网络的锅炉效率在线测量

锅炉效率是反映锅炉运行经济性的重要指标,对锅炉性能监测和查找锅炉节能潜力具有重要意义。以国标锅炉效率计算模型为例,分析锅炉效率在线计算的难点以及影响锅炉效率主要因素的特性。建立了它们的在线监测模型,实现了所有锅炉效率影响因素可在线测量,然后,将这些在线可测的参数作为输入变量,建立了锅炉效率的BP网络模型,并对其仿真结果进行比较,得出该模型具有良好的泛化能力,能准确地预测锅炉效率。     

基于BP神经网络的热经济性在线计算模型

借助神经网络较强的非线性拟合能力、网络泛化及客错能力构建了基于BP神经网络的热经济性在线计算模型.以某台320 MW机组为例,针对特定的热经济性指标,根据指标的热力学特性,充分利用神经网络的优点构建了汽轮机热耗率的模型.与常规方法计算所得结果的对比表明,该模型具有较高的准确性和稳定性,非稳态运行引起的参数波动对其计算结果影响很小,为热经济性指标在线计算提供了一种新的思路和方法.     

加强维护管理，以经济有效手段提高电除尘效率

本文通过对除尘效率设计公式的分析与研究,总结出加强维护管理,以经济有效手段提高除尘效率的方法和途径。     

基于BP神经网络的电网短期负荷预测模型研究

为了获得能够反映短期负荷波动的自动预测模型,将BP神经网络运算逻辑与Matlab神经网络工具箱相结合,利用供电系统的气象条件、供电日的日期类型等函数干扰因素作为BP网络神经元的约束"权值",结合自适应控制中的节假日、供电限制等"外部干预项",通过模型对系统历史运行短期负荷数据进行自动"学习",获得一个具有自适应学习速率...     

提高电除尘效率的辅助措施

我国燃煤锅炉的煤质多变,从而导致电除尘器的效率极不稳定.新的环保标准的颁布,对电除尘性能提出了更严格的要求,使20世纪建成投产尤其是20世纪80年代投入运行的电除尘器,不同程度地都面临着提高电除尘效率的改造任务.本章阐述了当电除尘器本体设备不能按通常的扩容办法增加收尘面积时,针对不同的实际情况,采取相应的辅助措施（如烟气调质、声波清灰、高频高压开关电源等）,也可以达到提高除尘效率的目的.     

基于BP神经网络QoS到QoE映射模型

随着互联网的发展,基于语音和视频的网络应用服务层出不穷,人们开始不仅仅满足于知道网络 QoS 参数,更加关注网络服务的好坏,即 QoE 评价指标。目前常用的视频 QoE 评价的方法是基于图像评价的算法如 PSNR 算法、VQM 评价算法等。这些算法需要原始视频图像进行对比,较为复杂,实时性差。本文研究了一种基于 BP 神经网络的 QoS 到流媒体 QoE 映射模型,使用抖动和丢包两个网络 QoS 参数作为输入层神经元,基于 VQM 算法的 QoE 评价值作为输出层神经元。使用若干组 QoS 和 QoE 数据训练该 BP 神经网络,分别使用单隐含层 BP 神经网络和多隐含层 BP 神经网络进行效果对比,之后使用该神经网络和 QoS 参数对 QoE 评价值进行预测,并与 QoE 实际值比较验证。得到基于 BP 神经网络的 QoS 到 QoE 的映射模型。该模型较为简单,拟合度高,RMS 误差较小。     

基于Shapley组合模型及神经网络的电能表需求预测研究

针对电能表需求预测问题,建立基于Shapley组合模型及神经网络的电能表合理优化分配模型,以提升需求预测精度.文章通过挖掘历史数据,采用Holt-Winters、BP神经网络和RBF神经网络模型对电能表需求分别进行预测、对比和分析,并且引入Shapley法对三类预测模型进行组合建模,求取相应模型的权重,获取最优的生产调...     

基于BP神经网络的凝汽器故障诊断研究

通过对现有凝汽器运行中常见的典型故障及征兆集的分析,进一步完善了凝汽器的典型故障知识库,对故障征兆的具体表达方法进行了分析。运用 Matlab 神经网络工具箱和隶属度函数两种方法对凝汽器的运行状态进行故障监测和诊断,通过实例验证表明应用 Matlab 神经网络工具箱方法不仅计算简便,而且诊断结果具有较高的可靠性。     

基于模型参考的神经网络自适应控制器

在过去30年,线性系统理论为经典控制的发展作出了巨大贡献。文章提供了一种能用于非线性动态系统控制的控制策略,其中的自适应设计可以解决时变系统的控制问题。文章提出的基于参考模型的神经网络结构可以用于线性、非线性系统的自适应控制,并且在线性仿真系统环境对该神经网络控制器进行了测试。     

电除尘器效率下降的原因及对策

在对影响锅炉电除尘器效率的因素进行了较为全面分析的基础上，对电除尘器的各有关环节和除尘机理之间的内在联系进行了深入的分析。提出了进一步提高电除尘器除尘效率的相关对策和建议。     

基于BP神经网络的静电放电电流解析表达式

针对静电放电(ESD)电磁脉冲测试及其辐射场计算这一难点问题,提出了一种基于BP(back propaga-tion)神经网络的任意曲线拟合方法,并给出了任意曲线的数学解析表达式通式。根据IEC 61000-4-2标准的相关规定,采用本方法得出了理想接触式ESD电流波形的解析表达式,神经网络隐含层神经元个数选取为9时,拟合曲线均方误差(MSE)为4.491 7×10-4。提取本方法得到的理想接触式ESD电流曲线的波形参数(上升时间为0.81ns,峰值电流为14.938 5A,30ns时电流值为8.038 9A,60ns时电流值为4.037 7A),证明了该解析式满足IEC61000-4-2的相关规定。通过对6kV放电电压的工程实测ESD电流波形曲线拟合,得到工程实测ESD电流波形的解析表达式,隐含层神经元个数选取为20时,拟合曲线均方误差为0.093 5。本方法为工程实测ESD辐射场的相关计算提供了更准确的解析表达式。     

神经网络非线性模型算法控制

将多项式基函数神经网络作为模型算法控制（ＭＡＣ）中的内部模型,以此逼近被控对象的非线性特性,推导出相应的最优控制策略算法,克服了ＭＡＣ不能用于非线性预测控制的缺陷．该方法在被控对象未知或建模困难的情况下能很好地实现对系统的预测控制,具有很强的鲁棒性和自适应性．     

基于BP神经网络PID自适应控制的无刷直流电动机控制方法

提出了利用变步长法和引入动量项来改进BP神经网络学习算法,有效减小了学习过程的振荡趋势,改善了收敛性,避免了学习过程陷入某些局部最小值,并将其用于在线调整无刷直流电动机控制系统的PID参数,实现具有最佳组合的PID控制。     

基于BP神经网络的电力变压器故障诊断

介绍了基于BP神经网络的电力变压器的故障诊断方法,并给出了实例.     

新型复合静电除尘器脱硝性能研究

NO是燃烧产生的重要气体污染物之一。脉冲放电与直流放电相结合的新型除尘方式在有效提高对粒径小于 2.5 mm的颗粒物(PM2.5)脱除效率的同时,还具有氧化NO的能力。高压脉冲放电产生的高能电子可以产生强氧化性的自由基,对NO进行氧化,同时还可以直接打断N-O键,游离态的N原子大部分生成了N2分子。线筒式放电结构氧化NO的能力明显优于线板式放电,与除尘能力具有一致性。氧化效率随着电压的升高而升高,由于一定电压下对NO的处理量趋于定值,氧化效率与NO的初始浓度具有重要的关系,同时也受NO2浓度的影响。在该文讨论的反应器中,当脉冲峰值电压达到50kV,NO初始体积分数低于10-4时,NO的氧化率可以达到90%以上。氧化产物NO2可以在湿法脱硫设备中脱除。     

基于SolidWorks 的静电除尘器结构参数化设计研究

静电除尘器在控制火电厂烟气污染中得到广泛的应用, 零部件的设计精度直接影响静电除尘器的安装、运行和检 修。文章利用SolidWorks 虚拟建模技术和SolidWorks 应用程 度编程接口（application programming interface,API）二次开发 技术,结合Visual Basic 6.0 软件建立交互式静电除尘器零部件 参数化设计系统,该系统可以大大减少除尘器开发时间和成 本,提高零部件的设计精度,从而减少除尘器在运行过程中由 于零部件精度不高引发的故障。     

一种基于优选BP神经网络的智能模糊优化算法

建立了以模糊逻辑形式表示的基于优选BP神经网络的模糊优化模型,构造了用于优选:BP神经网络权值估计的遗传算子,重点讨论了加权梯度方向的计算方法及沿加权梯度方向进行变异的算子,确定了遗传算法的基本策略,构造了该算法的流程.针对飞边金属消耗设计准则挖掘问题,阐述了该准则建立的依据,讨论了该准则各变量之间的关系,并利用基于模糊优选BP神经网络的模糊优化算法实现了飞边金属消耗设计准则的挖掘.继而应用该实例对算法的稳定性进行了校验,并将该算法与利用梯度下降法对神经网络进行权值估计的算法进行了比较,结果表明,该算法速度快,精度高,稳定性好.