基于神经网络的球磨机出力软测量模型研究

球磨机出力检测和控制是球磨机自动控制的重要内容,然而,目前在实际生产过程中,球磨机出力缺少有效可靠的检测手段,因此很难实现优化控制.结合基于神经网络的软测量和混沌信息处理技术两者的优点,建立球磨机出力软测量模型.该模型不仅能预估稳态下球磨机出力,且对动态过程中球磨机出力的在线估计也切实有效,从而为球磨机的出力监测、给煤...     

微电网中心控制器控制策略研究

在微电网系统分层控制结构中,微电网中心控制器(MGCC)是保证微电网稳定运行的重要设备。研究MGCC对推动微电网发展具有重要意义。通过MGCC实现对微电网的有效管理和控制,重点在于控制策略和能量管理控制装置。在微电网系统硬件结构上,将控制功能分散到分布式电源、负荷、储能单元各个微电网元件,并由MGCC负责集中控制和调度。同时,提出了一种MGCC控制策略,以实现微电网稳定运行及效益的最大化,并保障微电网并/离网状态的无缝切换。针对深圳职业技术学院交直流混合微电网工程,在并网运行、离网运行以及并/离网运行切换三种运行模式、多种运行工况下,对该控制策略进行了在线测试。测试结果证明了MGCC控制策略对微电网系统的有效性与可行性。该控制策略能对微电网中的分布式电源、储能装置、本地负荷等进行有效的协调控制,实现系统稳定、安全、经济运行。     

四角切圆燃烧锅炉再热器超温分析及改进

在对一台哈尔滨锅炉厂生产的670t/h锅炉的再热器壁温及烟温进行的工业性研究的基础上,系统地分析了该炉再热器入口截面的速度偏差和烟温偏差形成的机理、影响因素和对策;认为炉膛出口气流的残余旋转是造成水平烟道区域烟温和气流速度偏差的根本原因。在采取了减弱和消除烟速和烟温偏差的有效措施后,经过一系列的再热器工作性能试验,再热器的超温爆管问题得到了解决。     

电站SIS系统中锅炉性能分析计算功能模块的实现

提高锅炉机组运行的经济性目前是各电厂面临的重要问题之一。电厂监控信息系统(SIS)中锅炉性能分析计算功能模块实现了锅炉效率及其主要影响参数变化的实时监测,对于指导实际生产运行、提高锅炉效率、找到锅炉最佳运行方式具有重要意义。该文介绍了该模块的开发和实现方法。     

UD-IGA网络构造法在短期负荷预测中的应用

电力系统短期负荷预测既是电力系统调度部门制定发电计划的依据,也是制定电力市场交易计划的基础，它对电力系统的运行、控制和计划都有着非常重要的影响。可由于负荷预测的复杂性、不确定性，难以获得精确的预测值。为提高预测精度，针对电力负荷的特点，综合考虑历史负荷、天气、日类型等因素的影响，将基于均匀设计（UD）和改进遗传算法(IGA)的网络构造法用于短期负荷预测。数据样本训练和实际预测结果表明，该模型不仅可避免陷入局部极小点,而且提高了预测精度和网络的训练速度。     

UD-IGA网络构造法在短期负荷预测中的应用

电力系统短期负荷预测既是电力系统调度部门制定发电计划的依据,也是制定电力市场交易计划的基础,它对电力系统的运行、控制和计划都有着非常重要的影响.可由于负荷预测的复杂性、不确定性,难以获得精确的预测值.为提高预测精度,针对电力负荷的特点,综合考虑历史负荷、天气、日类型等因素的影响,将基于均匀设计(UD)和改进遗传算法(IGA)的网络构造法用于短期负荷预测.数据样本训练和实际预测结果表明,该模型不仅可避免陷入局部极小点,而且提高了预测精度和网络的训练速度.     

基于神经网络的NNGPC在电站石灰石/石膏脱硫系统pH值控制中的应用

SO2的脱硫率是电站湿式石灰石/石膏脱硫系统脱硫效率的关键。为保证较高的脱硫效率,吸收塔内浆液pH的控制是其中最重要的控制参数之一。采用递推遗忘因子最小二乘法(REFLS),用于神经网络在线学习,并结合广义预测控制(GPC)方法应用到吸收塔浆液pH值控制中。仿真结果表明,采用基于神经网络的非线性系统广义预测控制(NNGPC),系统的输出能很好地跟踪设定值,可以满足系统实时控制要求,在工程实践上具有较强的实用性。     

基于混沌理论的再热汽温神经网络模型

在利用混沌理论揭示火电机组再热汽温混沌动力学特性的基础上，构建了再热汽温神经网络预测模型。该模型利用混沌特性处理输入样本并确定神经网络的结构，用神经网络映射混沌相空间的相点演化的非线性关系，采用改进型遗传算法对神经网络模型进行参数辨识。仿真结果表明：该模型精度较高，收敛速度快，为实际生产过程中再热汽温的预测提供了一种新的思路和方法。     

再热汽温神经网络预测模型的构建及仿真

在火电机组运行过程中,提高再热汽温预测精度对于提高机组运行经济性、可靠性具有重要意义。影响再热汽温的因素错综复杂,采用传统方法难以建立精确的数学模型,或模型预测精度不高。混沌理论的发展为这一问题的研究提供了新的思路。本文在揭示再热汽温混沌特性的基础上,利用混沌特性处理输入样本及确定神经网络结构,将神经网络与改进型遗传算法结合,构建了基于改进型遗传算法的再热汽温神经网络预测模型。仿真结果表明,该模型相对误差的最大绝对值仅为0.068 12%,收敛速度快。     

锅炉再热汽温时间序列的混沌分析

从非线性动力学观点出发，首次利用混沌理论，针对再热汽温时间序列进行相空间重构，分析其时序关联雏与嵌入相空间轨道的变化规律，得出再热汽温的关联维数D2为分数，最大Lyapunov指数λ1是正数，从而揭示了再热汽温的混沌动力学特性．为建立再热汽温模型和精确预测提供新的思路。