基于改良BP神经网络的生物质锅炉飞灰含碳量预测模型研究

针对生物质锅炉飞灰含碳量较高的问题,文章提出了基于主成分分析法(PCA)或Garson算法与普通LM-BP神经网络相结合的两种生物质锅炉飞灰含碳量预测模型。这两种模型通过对负荷、燃烧室烟气温度、烟气含氧量等17个原始输入变量进行降维得到新输入变量,再进行训练建模,提高了模型精度。利用我国某生物质电厂飞灰含碳量的实测数据对模型进行检验,检验结果表明,LM-Garson-BP神经网络的MAPE为2.09%,MSE为0.11,MAE为0.25,泛化能力最强,稳定性最好。