基于RBF神经网络的梯级电站优化调度规则研究

由于天然径流的随机性使梯级水电站基于确定性来水的优化调度结果难以直接指导实际生产,采用RBF神经网络法研究梯级电站优化调度规则,以梯级电站长系列优化调度结果为依据,建立基于RBF神经网络的调度函数模型,将其应用于大渡河下游梯级电站的联合调度运行,并与基于BP神经网络的调度函数模型进行综合对比。结果表明,RBF神经网络模型能更准确地映射优化调度过程中各变量间的数值关系,提升了调度函数的拟合精度,可更好地指导梯级电站的实际运行。     

基于模糊神经网络控制算法的工业炉窑燃烧控制仿真分析

水泥是我国建筑行业广泛使用的一种重要材料,水泥的品质也直接决定了建筑物的质量。对于水泥生产线来说,水泥分解炉是最为关键的生产设备,如何做好针对工业炉窑燃烧的控制工业一直是相关单位十分重要的研究课题之一。因此,设计了一套基于模糊神经网络控制算法,旨在对工业炉窑的燃烧进行更加准确的控制,同时也对该算法的应用效果进行了仿真检验。     

基于BP和RBF神经网络压气机特性曲线拟合方法的研究

分析了BP神经网络和RBF神经网络的网络模型.分别利用这两种网络对某型轴流式压气机进行特性曲线拟合,得出了这两种网络在压气机特性拟合方面的不同之处,为利用神经网络进行压气机特性拟合提供了新的思路.     

电厂锅炉燃烧系统的模糊免疫PID控制

讨论了单元机组采用炉跟机负荷控制方式时的锅炉燃烧控制系统,针对风扇磨直吹制锅炉汽压调节对象惯性大、给煤机给煤量与控制电流呈非线性等特点,分析了对象的数学模型,将高阶惯性对象等效为带纯迟延的一阶惯性系统;利用借鉴生物系统的免疫机理而设计出的一种非线性控制器,再使用Zadeh的模糊逻辑AND操作并采用常用的mom反模糊化方法得到模糊控制器的输出f(u(k),Δu(k))。通过计算机仿真,给出了仿真曲线。结果表明,汽压系统能做到稳定性高,鲁棒性强,调节及时,反应速度快,动态偏差小,无静态偏差。该分析和控制方法非常适合于燃烧控制系统,控制品质好,符合工程实际,有实用价值。图6参4     

电站锅炉神经网络燃烧诊断系统应用研究

先进的燃烧诊断技术可以有效地提高电站锅炉运行的经济性和安全性,本文通过对炉膛火焰的图像采集,利用计算机数字图像处理技术及人工神经网络模型分析方法,开发了永安电厂5号炉的火焰图像燃烧诊断系统。该系统为运行人员提供了有意义的定量化特征参数,并对燃烧状况辩识的机理进行了富有成效的探索,为电站锅炉的燃烧诊断和优化控制提供新方法和新途径。     

基于遗传算法的燃煤电站锅炉整体燃烧优化方法研究

针对电站锅炉燃烧效率和污染物的排放,提出了一种整体燃烧优化的思想,并结合遗传算法和人工神经网络技术,对整体燃烧优化方法进行了研究。仿真结果表明,采用本文提出的燃烧优化控制方案,不仅能使锅炉节能,还能降低排放的烟气中氮氧化物的含量,减少对环境的污染,具有较强的可行性。     

用于电站煤粉锅炉NOx排放监测的BP神经网络试验研究

利用计算机图像处理技术从电站煤粉锅炉炉内火焰图像中提取火焰燃烧特征参数，结合BP神经网络，对电站煤粉锅炉NOx排放监测进行了实验研究，并取得了比较满意的结果。     

先控技术在电站锅炉燃烧优化中的应用

分析了电站锅炉燃烧优化应用的数个典型案例,介绍了电站锅炉燃烧优化的应用环境、优化内容与相应优化技术的特点,针对应用效果,总结了经验教训,可为燃烧优化技术的应用提供参考.     

锅炉主蒸汽温度的模糊神经网络控制

针对电站锅炉这样一个非线性耦合、大滞后、多变量、多干扰的复杂对象,根据模糊控制和单神经元的特点,将单神经应用于模糊控制器中,构成神经元模糊控制器,并给出了将它应用于锅炉主蒸汽温度控制的仿真结果。     

燃煤锅炉飞灰含碳量的BP神经网络模型

燃煤锅炉是复杂的多变量系统,其飞灰的含碳量形成机理复杂,不能用简单的数学公式估算。现场实炉测试这些数据具有工作量大,测试工况有限等缺点;燃煤锅炉运行参数及燃料特性等因素影响着飞灰的含碳量,其相互耦合,导致分析数据过程困难。神经网络建模将燃煤锅炉视为黑箱,应用该方法可以良好的描述其输入输出之间的黑箱特性,因此,人工神经网络应用广泛。利用燃煤锅炉试验数据,采用3层BP(back propagation)神经网络构建了锅炉飞灰的含碳量排放特性模型。通过锅炉的实测数据验证,该BP神经网络对飞灰含碳量相对预测误差在0.19%~0.50%,预测效果良好。测试结果表明,建立的神经网络预测模型可以准确逼近验证样本数据,也能够较好的逼近非验证样本数据,具有良好的泛化能力。     

柴油机BP神经网络调速快速控制原型研究

设计了BP神经网络整定PID参数的柴油机调速控制器.把该控制器下载代码到dSPACE/Mi-croAutoBox控制器内,利用快速控制原型的原理进行了起动和负荷突变工况的功能验证,并与传统PID调速控制器快速控制原型结果进行对比,结果表明,BP神经网络具有自学习能力和逼近任意函数的能力,可进行PID参数的在线整定和优化;BP整定PID调速控制器工作正常,调速精度较传统的PID控制器有较大改善;快速控制原型的研究使控制器从功能设计到产品的转化奠定了坚实的基础.     

基于BP神经网络的解耦方法在直流锅炉控制系统中的应用

分析了直流锅炉运行时各变量之间的耦合关系;针对直流锅炉参数多变、强耦合的特点,提出了一种改进的误差反向传播算法(BP)神经网络分散解耦方法,对直流锅炉汽温-压力控制系统进行解耦,然后采用基于BP神经网络的PID控制方法对解耦后的2个近似独立的单输入单输出系统进行控制.仿真实验结果表明:BP神经网络分散解耦控制算法具有很强的自学习功能和自适应解耦能力,能取得良好的控制效果.     

锅炉燃烧含氧量中的大数据与神经网络技术分析

锅炉燃烧是工业生产中常见的形式,但其在运行过程中存在诸多潜在的问题,与之相关的能源损耗以及环境影响也是人们长期以来关注的话题。只有锅炉长期处于稳定运行状态,才可以确保其具有良好的燃烧效率。通过采集火电厂锅炉燃烧相关运行数据,旨在研究电厂大数据背景下将神经网络建模方法应用于锅炉燃烧系统辨识的可行性,探讨其对提高火力发电燃烧效率的意义。     

神经网络在锅炉燃烧特性挖掘中的噪声适应性

深入分析了BP、RBF网络以及分别基于BP和RBF网络的T-S模糊神经网络对数据噪声的适应性.首先比较分析了它们在不同白噪声环境下对一个虚拟的非线性多输入多输出(MIMO)系统特性挖掘中的表现差异;随后比较分析了它们在数据严重被噪声污染情况下1台600MW电站锅炉燃烧特性挖掘中的表现差异.结果表明:必须重视对所选用挖掘工具的噪声适应性问题;4种神经网络的噪声适应能力由弱到强的排序是:BP网络、RBF网络、基于BP的T-S模糊神经网络、基于RBF的T-S模糊神经网络.对于像电站锅炉燃烧过程这类较复杂及噪声较严重的应用场合,建议选用基于RBF的模糊神经网络作为过程特性的挖掘工具.     

应用神经网络模糊控制器的发动机怠速控制

应用模糊控制理论设计了一个用于发动机怠速控制的模糊控制器,并用ＢＰ人工神经网络实现这种模糊控制器输入输出的映射关系,在神经网络训练中采用了先进、有效的变尺度学习算法。最后给出了控制仿真结果。     

基于模糊聚类和BP神经网络的小水电短期发电能力预测方法

小水电大多为无调节能力的径流式电站,汛期与大中型水电挤占输电通道,导致水电弃水及地区窝电现象日趋严重,因此尽可能准确地掌握小水电发电能力、制定合理的大小水电协调调度计划愈显重要。对此提出了基于模糊聚类和BP神经网络相结合的小水电短期发电能力FC-BP预测方法,将训练样本根据历史运行数据分类,建立相应的BP网络,对待测样本识别归类,预测小水电装机日利用小时数,并将该方法应用于云南省盈江县和云龙县小水电短期发电能力预测中。结果表明,FC-BP预测方法较传统ANN模型预测精度有所提高,且泛化能力更强。     

基于模糊神经网络的电站燃煤锅炉结渣预测

综合运用模糊数学和神经网络知识构建了一个模糊神经网络模型,用以预测电站燃煤锅炉的结渣特性．通过引入反映煤灰特性的4个常用指标以及反映锅炉运行情况的两个指标,使所建模型综合考虑了煤灰特性和锅炉运行因素对结渣的影响．以实际电厂燃煤锅炉为样本,基于改进的BP(back-propagation)算法对网络模型进行了训练．为验证模型的准确性,对7台电站燃煤锅炉的结渣特性进行预测,并将该模型与只考虑煤灰特性指标的常规 BP网络模型进行比较．验证结果表明,模糊神经网络模型的预测结果与实际相符,效果优于常规BP网络模型．     

基于极值搜索控制的电站锅炉在线燃烧优化

提出一种基于极值搜索控制的电站锅炉在线燃烧优化方法.首先分析了极值搜索控制的基本原理,指出其实质是通过调制和解调过程,在滤波器的共同作用下对性能指标相对设定值变化的导数进行估计,然后利用梯度法获得局部最优解;给出了基于极值搜索控制的燃烧优化控制系统的基本结构及参数设置方法.通过某送风控制系统的仿真结果表明,该燃烧优化策略不但能够成功地驱动系统达到最佳含氧量目标值,实现燃烧优化;同时作为一种闭环、在线优化方式,它对负荷变化、漏风等干扰因素具有更好的适应能力.     

基于RBF神经网络的柴油机故障诊断

神经网络模式识别的实时性和鲁棒性使得它成为故障诊断的常用方法.本文首先介绍了RBF神经网络的构成和特性,然后将柴油机的振动信号和油管压力信号作为特征参数,运用RBF神经网络对供油系统的3种故障进行诊断分析.实践表明,RBF神经网络用于多征兆机械系统的故障诊断是有效、可行的.     

基于神经网络的锅炉优化燃烧技术

为了提高锅炉燃烧效率,降低火电机组发电能耗,减少温室气体的排放。通过采用神经网络技术建模的锅炉优化燃烧技术,并用遗传算法寻优以调整锅炉燃烧的风粉配比等控制参数,实现锅炉燃烧工况的动态最优运行,较好的克服了传统试验法指导燃烧调整的缺点,解决了燃煤机组煤炭来源不稳定,在偏离设计煤种工况下运行而导致的锅炉燃烧效率低,煤炭消耗及氮氧化物高的问题。通过试验证明该技术可以优化锅炉的运行工况,提高锅炉效率,降低氮氧化物的排放,具有较高的应用价值和广阔的应用前景。