基于层次聚类算法的火电厂磨煤机一次风量的预测

发布时间：2021-01-16 06:29

　　目前,火力发电厂的锅炉的经济性和安全性取决于燃烧的稳定性。在火电厂锅炉燃烧系统中,磨煤机系统中的一次风系统是保证煤粉输送和锅炉燃烧的重要系统,一次风量是一次风系统中最重要的参数,送风的安排对锅炉燃烧的实惠性万分关键。所以,有必要合理地预测磨煤机的一次风流量,以保障一次风量的可操纵性,提高磨煤机一次风量预测和估计的精度,为磨煤机一次风量的在线监测和优化运行提供数据支持。针对火电厂磨煤机一次风量的预测,本文先选取了10个有关磨煤机一次风量的运行参数;然后采用灰色关联度分析法对采集的数据进行处理,可选取确定5个与磨煤机一次风量的关联度较大的影响因素;再采用层次聚类分析算法对选取的5个影响磨煤机一次风量的各类因素的历史数据进行分类,从中选择用于神经网络训练的数据;最后根据聚类结果,选择与预测日条件相近的历史数据作训练样本,检验样本为预测日的一次风量值,通过Matlab软件建立BP神经网络仿真模型进行一次风量的预测,并进行预测数值的误差检验。本文的创新点在于针对火电厂磨煤机一次风量的预测,采用K-均值算法结合AGNES算法的方法进行层次聚类分析,可以让聚类既准确又快速。结果表明预测数值的相对误差... 

【文章来源】：上海电机学院上海市

【文章页数】：98 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景和意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 火电厂磨煤机一次风量的研究现状
        1.2.1 国内的技术研究
        1.2.2 国外的技术研究
    1.3 论文研究内容和技术路线
        1.3.1 研究内容
        1.3.2 技术路线
第二章 灰色关联度模型的建立
    2.1 引言
    2.2 灰色关联度算法
    2.3 影响因素的选用分析
    2.4 本章小结
第三章 基于层次聚类算法的数据分类
    3.1 引言
    3.2 层次聚类算法
    3.3 数据分类分析
    3.4 本章小结
第四章 BP神经网络预测模型的建立
    4.1 引言
    4.2 BP神经网络算法
    4.3 磨煤机一次风量的预测分析
    4.4 本章小结
第五章 结束语
    5.1 结论
    5.2 展望
参考文献
附录1 MPS—89K（N）磨煤机
附录2 论文的原始数据
致谢
攻读硕士学位期间取得的研究成果



本文编号：2980327