基于BP神经网络的直接空冷凝汽器出口风温预测

由于直接空冷系统的动态参数监测技术比较单一,为了便于对出口风温测点的研究,提出一种基于BP神经网络的空冷凝汽器出口风温预测模型。以某矸石电厂2×300 MW直接空冷凝汽器为对象进行研究,分别从锅炉侧与凝汽器侧分析影响空冷凝汽器出口风温的因素,从现场DCS系统分别采集各因素历史数据,对数据进行预处理后,运用BP神经网络建立空冷凝汽器出口风温预测模型。用现场实际运行数据验证模型的有效性。该模型可以预测不同工况下的空冷凝汽器的出口风温,为下一步制定动态参数监测技术提供依据,合理安排空冷凝汽器温度测点的位置和数量,也可以为空冷凝汽器的清洗周期做一个参考。     

基于模糊神经网络的SCR脱硝效率预测模型研究

针对火电厂选择性催化还原(SCR)系统存在变量多、耦合性强等特点，造成脱硝效率难以准确实时监测的问题，提出利用Takagi-Sugno(T-S)模糊神经网络算法，建立多输入单输出预测模型，以研究未来时间脱硝效率的变化。将模糊C均值(FCM)聚类算法用于结构辨识、模糊神经网络的混合学习算法用于参数辨识，构造T-S模糊预测模型。在分布式控制系统(DSC)上采集连续48 h实时数据，并利用MATLAB进行模型训练与检验。试验结果显示：训练集98%点的相对误差在±1.5%之间，最大误差小于2%,检测集99%点的相对误差在±0.5%之间，最大误差小于2.5%。该模型能够较好地反映SCR烟气脱硝效率，可以为脱硝效率的控制优化提供依据。