一种基于卷积特征的NOx排放浓度深度预测模型

为提高燃煤锅炉出口NO_x排放浓度的预测精度,该文提出一种基于卷积特征提取的NO_x排放浓度深度学习预测模型。首先,分析锅炉燃烧产生NO_x的机理,确定模型初选变量;然后,计算不同初选变量与NO_x排放浓度之间的最大相关系数,确定变量延迟时间;其次,为挖掘输入变量深层交互信息,设计二维卷积网络进行特征提取,获得高维预测模型输入候选集合;同时,通过偏最小二乘法计算候选集变量与NO_x排放浓度之间相关性,降低输入变量维数,确定最终模型的输入变量;最后,设计深度神经网络建立NO_x排放预测模型,预测NO_x排放浓度。基于1000MW锅炉实际运行数据的实验结果表明,所提出卷积深度神经网络预测算法的平均相对百分比误差小于4%,预测精度能够满足实际生产的需求。     

基于预处理BP神经网络的开关磁阻电机建模

针对开关磁阻电机(SRM)强耦合、强非线性、难以精确解析建模的问题,提出一种基于数据预处理的反向传播(BP)神经网络建模方法。首先通过传统直流脉冲法测量一个电周期内SRM静态电磁特性,获取建模样本数据;其次充分利用电机先验知识,通过可以初步反映SRM非线性特性的磁链和转矩解析表达式对实测样本数据进行预处理并作为BP神经网络新的输入,降低神经网络拟合误差。与传统BP神经网络建模的对比结果显示,引入预处理方法可以有效减少BP神经网络节点数量,增强神经网络泛化能力,提高神经网络建模精度。     

一种基于ICA和DWT的数字图像水印算法

数字水印是图像处理领域研究的一个热点。独立分量分析（ICA）是一种基于高阶统计量的信号分析方法,它可以找到隐含在数据中的独立分量,已广泛应用于信号处理领域。提出了一种结合独立分量分析（ICA）和离散小波变换（DWT）的数字图像水印方法。该算法将原始图像进行小波分解,然后在小波逼近子图嵌入置乱后的水印图像。数字水印的检测使用了快速独立分量分析（FastICA）的方法,最后对分离出的水印进行增强处理。仿真结果表明该算法有效可行,具有较强的鲁棒性和隐蔽性。     

基于遗传算法优化反向传播神经网络的锅炉NOx排放研究及应用

为了降低NO_x排放浓度,提高机组运行效率,建立了锅炉燃烧系统遗传算法一反向传播模型,并利用该模型通过反向传播神经网络对锅炉燃烧系统中NO_x排放浓度进行建模,利用遗传算法对限定范围内的对象输入进行参数全局寻优。以内蒙古某330 MW超临界机组为研究对象,利用该模型对运行参数进行实时优化,结果表明该模型能够有效降低NO_x排放浓度,具有一定的推广价值。     

基于复合分类器的网络入侵检测模型

为提高国家电网网络入侵检测中攻击分类问题的准确度,提出一种基于复合分类器的入侵检测模型。复合分类器由核主成分分析、量子遗传算法和前馈（back propagation,BP）神经网络组合而成。复合分类器先使用核主成分分析将高维数的原始数据降维,降维后的数据再通过BP神经网络训练生成分类模型,其中BP神经网络的参数通过量子遗传算法优化得到,最后使用分类模型对待测样本做精确入侵检测分类。与传统入侵检测算法相比,基于复合分类器的入侵检测模型更准确。     

基于互信息–图卷积神经网络的燃煤电站NOx排放预测

燃煤电站NO_x排放预测模型可提高脱硝经济性。NO_x排放机理复杂,相关性变量众多,有效的融合相关变量之间的信息,能提高NO_x排放预测精度。提出了一种基于互信息-图卷积神经网络的NO_x排放预测模型。基于某660MW燃煤电站的运行参数,计算影响NO_x排放的特征变量之间的互信息,设计特征变量间的邻接关系,获取特征邻接矩阵,构建了基于图卷积神经网络的NO_x排放预测模型。将所提出的NO_x预测模型与基于LSTM、BPNN和LS-SVM的典型NO_x预测模型进行对比,实验结果表明,MI-GCN预测模型具有较好的泛化能力和较高的预测精度。     

基于数据驱动的燃煤锅炉NOx排放浓度动态修正预测模型

NO_x浓度实时预测对于燃煤电厂污染物排放控制和机组运行具有重要意义。为了克服燃烧过程大时延及强非线性特性,提出一种考虑时间延迟的动态修正预测模型。利用最大信息系数(maximum information coefficient MIC)计算相关参数与NO_x浓度的延迟时间,重构建模数据集;然后,构建基于Lasso和ReliefF的自适应特征选择算法,筛选与NO_x浓度相关程度高的参数;最后,建立结合误差校正的极限学习机(extreme learning machine,ELM)模型,达到动态预测氮氧化物浓度的目的。基于实际数据的实验结果表明:相同变量在升、降、平稳等负荷工况下的延迟时间不同;且不同负荷工况下模型特征变量存在差异;动态误差校正策略有效提升建模精度;所提出算法在不同工况下的预测误差均小于2%,能够准确预测燃烧出口的NO_x浓度,为NO_x排放监测和燃烧过程优化提供指导。     

基于神经网络的电力系统负荷特性辨识

负荷建模在电力系统分析中起着十分重要的作用。参数辨识是负荷建模的关键,好的辨识方法能够在最短的时间内找出最优的辨识结果,提高建模的效率。首先介绍了静态负荷模型和动态负荷模型,其次介绍了神经网络,最后基于神经网络对电力系统负荷特性辨识。应用线性BP（LBP）网络的参数辨识方法,分别对静态负荷模型（幂函数模型、多项式模型）和动态负荷模型（差分方程模型）的参数进行辨识。通过现场的实测数据辨识了模型的参数,并验证了模型的有效性。     

基于主成分分析和遗传优化BP神经网络的光伏输出功率短期预测

针对光伏系统输出功率的波动性和间歇性特点,提出一种基于主成分分析(PCA)和遗传算法(GA)优化的BP神经网络功率短期预测方法。通过历史功率数据和实时气象因素对输出功率进行直接预测,利用主成分分析法将多个原始变量降维成少数彼此独立的变量,作为神经网络的输入。同时利用遗传算法的全局搜索特性在解空间中定位一个较好的空间,优化BP的初始权值阈值,克服了传统BP神经网络易陷入局部极小点、学习收敛速度慢的问题。通过建立不同预测模型进行对比,验证了所提算法和模型的有效性。     

基于人工神经网络的风电场建模

风电场模型对风电场和电力系统的运行都具有重要意义.为克服机理建模方法的不足,在论述神经网络建模原理基础上,采用误差反向传播(BP)网络拟合风电场的静态特性模型;在神经网络静态模型的基础上,进一步建立动态实时仿真模型.通过数据样本进行预处理、训练和测试,使得网络模型达到精度要求,确定每层的权值,从而能很好地拟合建模对象的性能.用采集到的另一些数据进行验证,且与实际结果进行比较,以验证智能建模办法的可行性和优越性.     

基于智能计算的锅炉燃烧优化指导系统及其应用

提出一基于智能计算技术的锅炉燃烧优化实时指导系统,该系统根据电科院现场燃烧调整试验数据以及锅炉运行历史数据,采用人工智能神经网络建立了锅炉燃烧特性的NSGA-Ⅱ数学模型,将现场燃烧调整试验数据结果和日常司炉的运行经验模型化,并采用多目标遗传算法优化技术从模型中提取专家级燃烧运行知识和经验,通过计算机在线指导锅炉配风、配煤等燃烧运行调整,达到同时提高锅炉运行效率和减小NO_x排放的目的。     

SCR Control+脱硝控制系统研究及其在660 MW机组的应用

针对SCR脱硝系统大扰动、大惯性、大延迟的特点,以及SCR喷氨控制系统在超低排放改造后运行中普遍存在的问题,结合多个脱硝优化项目的数据积累,提出了带有状态预估控制算法的SCR Control⁺系统模型。其依据主导因素的分析方法,选取影响NO_x浓度的状态变量,通过设计状态变量预估控制模块,可准确、快速预测NO_x浓度的变化。也即采用状态变量预估,克服时滞与输入波动影响;应用串级反馈控制,保证控制系统的稳态指标。该喷氨控制系统在660 MW机组的应用结果表明,机组负荷发生较大变化导致SRC反应器入口NO_x浓度大幅波动时,SCR反应器出口NO_x浓度仍能保持良好的控制状态,与设定值始终偏差很小,且在各种工况下均能实现脱硝控制的快速、有效和稳定,因而可适应超低排放对NO_x排放浓度和氨逃逸的控制要求。     

An RBF Network With OLS and EPSO Algorithms for Real-Time Power Dispatch

This paper proposes a novel technique that combines orthogonal least-squares (OLS) and enhanced particle swarm optimization (EPSO) algorithms to construct the radial basis function (RBF) network for real-time power dispatch (RTPD). The goals considered are fuel cost, power wheeling cost, and NO_x/CO₂ emissions. The RBF network is composed of three-layer structures, which contain the input, hidden, and output layer. To simplify the network, the OLS algorithm is used first to determine the number of centers in the hidden layer. With an appropriate network structure, the EPSO algorithm is then used to tune the parameters in the network, including the dilation and translation of RBF centers and the weights between the hidden and output layer. The proposed approach has been tested on the IEEE 30-bus six-generator and practical Taiwan Power Company (Taipower) systems. Testing results indicate that the proposed approach can make a quick response and yield accurate RTPD solutions as soon as the inputs are given. Comparisons of learning performance are made to the existing artificial neural network (ANN), conventional RBF network, and basic particle swarm optimization (PSO) methods     

一种基于神经网络的飞灰含碳量在线检测建模方法

介绍了一种基于神经网络的飞灰含碳量在线检测建模方法,该方法将Garson方法和神经网络相结合,并采用正态分析方法对样本数据进行了处理。检验结果表明,所建模型输入少、精度高、泛化能力强。     

基于人工神经网络的综合负荷模型

指出了BP神经网络应用于动态综合负荷建模时存在的缺陷。提出了一种适合描述综合负荷动态特性的具有内反馈功能的动态Elman神经网络负荷模型,并采用改进遗传算法作为优化算法对某220 kV变电站综合负荷采集样本进行建模。大量建模实践表明,文章所提出的动态Elman神经网络综合负荷模型具有结构简单、参数少、应用简便、对综合负荷动态特性描述能力强等优点;Elman神经网络不仅对动态负荷建模具有良好的实用价值,也是一种很适合于电力系统其他动态非线性辨识的神经网络模型结构。     

Reduction of NOx from combustion flue gases bysuperimposed barrier discharge plasma reactors

NO_x reduction from combustion flue gases by superimposed barrier discharge plasma reactors is experimentally investigated. The experiments are conducted for applied voltages from 0 to 28 kV, flue gas rates from 0.5 to 2 L/min, ammonia mixture concentrations from 0.7 to 2.65 stoichiometry, and applied voltage phase differences from 0° to 180°, where two 60-Hz AC power supplies are used. The results show the following: (1) NO_x reduction rate decreases with increasing discharge power for surface discharge operations, however, NO_x reduction rate increases with increasing discharge power for silent and superimposing discharge operating modes; (2) NO_x reduction rate increases with increasing discharge power, gas flow rate and ammonia stoichiometry under in-phase operations; (3) NO_x reduction rate for out-of-phase operations is much higher compared with in-phase operations, however, NO_x reduction rate has an optimum condition on ammonia stoichiometry, discharge power, and gas flow rate; and (4) energy efficiency of NO_x reduction increases with increasing ammonia mixture and gas flow rate and decreases with increasing discharge power     

基于GMDH算法的配电网线损数据预处理研究

针对当前配电网线损计算的特点及数据存在缺失、异常等情况,基于数据分组处理算法(GMDH)建立了配电网线损缺失数据的预处理模型,实现对线损缺失数据的预处理。模型基于最邻近算法确定因变量和自变量缺失值的上下限,并进行随机插补,建立所有变量的数据分组处理模型,寻找最优复杂度模型,计算缺失值并进行迭代循环。算例结果表明,模型计算结果误差小、运算速度快,对缺失的线损数据能进行有效的动态更新,提升了数据质量,优化线损计算分析结果。     

四角切圆锅炉温度场闭环控制研究

电站锅炉炉膛温度场与煤粉燃烧、工质吸热、NO_x生成及积灰结渣的形成等密切相关,易受到某些未知因素的影响而遭到破坏,进而影响锅炉的安全、稳定运行。对某电厂2号锅炉在300 MW、270 MW、240 MW 3个工况下进行了燃烧调整试验,利用声波测温系统实时采集温度,并将数据处理结果以偏置信号的形式加在原有的信号上,通过控制二次风门开度的大小对温度场均衡性和NO_x排放浓度进行闭环控制优化。试验结果显示,锅炉温度场均衡性变好,NO_x排放浓度降低。该研究解决了温度场只能依据操作人员经验进行调整的不灵活性问题,提高了锅炉控制的智能化程度,对优化燃烧有着重要参考价值。