采用卷积神经网络的电站锅炉燃烧效率建模方法

论文摘要

针对电站锅炉燃烧效率经典建模方法精度较低的问题,提出了一种基于卷积神经网络（CNN）的新型建模方法。通过分析影响锅炉燃烧效率的各项因素,建立了以锅炉负荷、一二次风配风方式、烟气含氧量等参数为输入,锅炉燃烧效率为输出的建模数据集。由于CNN的核心特征是通过卷积运算从样本数据的空间关联中进行特征提取,所以为了加强输入样本数据的空间特征,利用主成分分析法（PCA）对数据进行重构。在此基础上,采用LeNet-5结构的CNN构建锅炉燃烧效率模型。仿真结果表明,经过PCA重构的锅炉燃烧效率CNN模型的检验集相对误差最小,相比经典模型减小了19.58%,该方法为锅炉燃烧效率的优化提供了新的思路。

论文目录

• 1 锅炉燃烧效率的影响因素
•   1.1 锅炉燃烧效率的计算
•   1.2 锅炉燃烧效率的主要影响因素分析
•   1.3 锅炉燃烧效率建模数据选取
• 2 锅炉燃烧效率CNN模型
•   2.1 锅炉燃烧效率CNN模型结构
•   2.2 锅炉燃烧效率建模数据重构
•   2.3 模型的建立与验证
• 3 结 论

文章来源

类型: 期刊论文

作者: 胡怀中,张建博,刘汉青,李梦迪,杨清宇

关键词: 电站锅炉燃烧效率,卷积神经网络,特征提取,主成分分析法

来源: 西安交通大学学报 2019年10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: 西安交通大学电子与信息工程学院

基金: 国家自然科学基金资助项目(61673315)

分类号: TM621.2;TP183

页码: 10-15

总页数: 6

文件大小: 1720K

下载量: 285