电站锅炉神经网络建模及性能优化

论文摘要

锅炉系统是一种非线性的多变量耦合系统,具有一定的滞后性,导致无法获得精确的数学模型。目前,燃煤电站的锅炉控制系统主要为DCS,该系统虽然对单输入、单输出系统具有较高的控制精度,但是由于锅炉系统的复杂性,系统整体控制很难达到最优。利用神经网络对锅炉系统建立黑箱模型,通过遗传算法对锅炉模型参数进行辨识,用辨识获取的参数指导运行人员对锅炉进行调节。最后在一电厂320 MW循环流化床锅炉上进行了试验,结果显示,所提出的方法能有效地降低供电煤耗。

论文目录

• 0 引言
• 1 BP神经网络建模
•   1.1 研究对象简介
•   1.2 试验数据筛选
•   1.3 模型输入参数和输出参数的确定
• 2 基于GOAT工具箱的遗传算法寻优
•   2.1 确认优化目标
•   2.2 参数辨识流程
•   2.3 适应度函数设计
•   2.4 参数辨识
•   2.5 寻优结果
• 3 结语

文章来源

类型: 期刊论文

作者: 郝光,董朝轶,高胜利

关键词: 电站锅炉,神经网络,遗传算法,仿真

来源: 能源与节能 2019年10期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 内蒙古伊利集团股份有限公司,内蒙古工业大学,内蒙古北方龙源风力发电有限责任公司

基金: 国家自然科学基金(61364018)

分类号: TM621.2

DOI: 10.16643/j.cnki.14-1360/td.2019.10.025

页码: 65-67+83

总页数: 4

文件大小: 749K

下载量: 115