基于粒子群优化算法优化BP神经网络模型的间接空冷散热器性能监测

论文摘要

为监测间接空冷散热器的换热性能,提出了监测间接空冷塔出水温度的方法。根据间接空冷系统散热器传热量计算和热平衡方程,分析了间接空冷塔出水温度的影响因素,建立了以环境温度、环境风速、大气压力、间接空冷塔循环水进水温度、循环水进水压力、出水压力和百叶窗开度7个主要参数为输入,出水温度为输出的BP神经网络模型。为避免该模型陷入局部最优,采用非线性动态惯性权重的粒子群优化（PSO）算法对BP神经网络模型的初始权值和阈值进行了优化,构建了PSO-BP神经网络预测模型,并根据某660MW间接空冷机组的运行数据对该模型进行了训练和验证。结果表明:采用PSO算法优化的BP神经网络模型具有较强泛化能力,预测精度高于单纯的BP神经网络模型,预测平均绝对百分比误差为0.55%。

论文目录

• 1 间接空冷系统简介
•   1.1 系统工作原理
•   1.2 换热性能监测方法和冲洗决策
•   1.3 出水温度影响因素
• 2 算法原理介绍
•   2.1 BP神经网络概述
•   2.2 BP神经网络算法原理
•   2.3 粒子群优化算法
•   2.4 PSO算法优化BP神经网络
• 3 间接空冷塔出水温度建模
•   3.1 建模数据样本
•   3.2 数据预处理
•     3.2.1 数据平滑处理
•     3.2.2 归一化处理
•   3.3 BP神经网络模型构建
•   3.4 PSO-BP神经网络模型
• 4 预测结果分析
•   4.1 预测值与实测值对比
•   4.2 误差分析
• 5 结 论

文章来源

类型: 期刊论文

作者: 李昊,罗云,李瑞东,苏永健,陈雪林,徐义巍,郭洪远,李鹏竹

关键词: 间接空冷,粒子群优化算法,预测模型,神经网络,出水温度

来源: 动力工程学报 2019年12期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 中国矿业大学机电与信息工程学院,北京天地玛珂电液控制系统有限公司,宁夏京能宁东发电有限责任公司

分类号: TM621;TP18

页码: 973-980

总页数: 8

文件大小: 297K

下载量: 193