基于神经网络的电锅炉动态过程建模研究

发布时间：2020-08-05 20:39

【摘要】：在热电厂配置电极式锅炉,有助于热电机组的热电解耦,能够提高机组调峰能力和系统运行灵活性,从而可以减少风电弃风。电极式锅炉各参数变量间存在强耦合、非线性的关系,神经网络具有良好的复杂动态系统建模能力,应用日益广泛。因此,电极式锅炉的神经网络建模研究具有重要的意义。为此,本文针对15MW电极式锅炉,详细分析了电锅炉系统的结构原理及控制流程。在深入了解人工神经网络不同结构原理、学习算法与辨识结构的基础上,通过比较时延BP神经网络与时延Elman神经网络的两种结构,以及梯度下降法、Levenberg-Marquardt算法与贝叶斯正则化三种神经网络的训练算法,建立了电极式锅炉的电功率与主蒸汽压力的一阶迟延神经网络预测模型。然后,针对粒子群优化算法在神经网络阶次优化中的不足,引入重启动策略,提出了一种改进的粒子群优化算法,用其优化神经网络参数迟延阶次得出了最优电锅炉神经网络预测模型。通过比较各种扰动下的动态数据,验证了神经网络模型具有较高预测精度。最后,运用MATLAB软件使电极式锅炉与350MW单元仿真机组实时双向通讯,建立了组合模型。通过仿真实验,验证了组合模型之间存在功率守恒关系,得出了电极式锅炉的电功率可有效快速地影响单元机组的上网功率的结论。本文工作为电极式锅炉在火电厂网源侧深度调峰的协调控制提供理论基础,有利于电极式锅炉在火电厂中的工程应用。
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM621.2;TP183
【图文】：

锅炉系统,电极

第 2 章电锅炉系统炉系统与结构原理炉系统电锅炉即电极式锅炉，电极式锅炉系统的基本原理见图 2-，充分的利用了内筒的热量，增加了热效率。电极式锅炉的、除盐水箱和加药系统三部分组成。锅炉本体材料采用不锈层隔热棉进行保温，减少热量散失造成的浪费。高压三线电接入内筒，绝缘方式主要有：内外筒的液位测量通过采用绝筒采用悬挂的绝缘子吊在外筒顶端；循环水由外筒进入内筒下泄阀门与外筒金属杆利用六角绝缘连接。

生物神经元

络有着多种复杂的功能。3.1 生物神经元与人工神经元3.1.1 生物神经元生物神经元主要由细胞体、树突、轴突和突触几个部分组成。其结构简图如图3-1 所示。图 3-1 生物神经元结构简图树突是生物神经元的输入部分，与其它神经元的突触相连，将信息传入；细胞体是整个生物神经元的中枢，是神经细胞的核心部分，它负责接纳来自其它生物神经元传来的信息；轴突是神经元的输出部分，它可以将细胞体处理后的信息向外部导出，每个神经元仅有一个轴突，它的尾部伸出许多神经末梢，末梢顶端长有突触；突触是生物神经元的连接接口，起到信息传递的作用[40]。生物神经元的种类虽然各有差异，但是其处理信息的流程具有相似性。信息从神经元的树突进入细胞体，在经细胞体处理后流向轴突，最后到达突触传递给其它神经元的树突。3.1.2 人工神经元受生物神经元的启发，人们构造出人工神经元，结构如图 3-2 所示，其主要由连接权、求和单元和激活函数组成，我们可以用如下公式描述一个人工神经元：

数据预处理,输入参数,训练样本

b）数据预处理后训练样本的输入参数图 4-2 数据预处理前后训练样本的输入参数3 两种神经网络预测模型的训练和验证比较经过分析，我们选择表 4-1 中的输入输出参数，选用图 4-1 中的两个神经，将各输入的迟延确定为一阶，利用 MATLAB 神经网络工具箱创建时延络和时延 Elman 神经网络，设置均方误差（MSE）为 10-5，最小梯度为迭代次数为1900次。其中，输入层到隐含层的传递函数为S型正切函数ta层到输出层的传递函数为 purelin，用贝叶斯正则化（trainbr）来训练网络够限制模型连接权值的大小来防止“过拟合”现象，进而提高泛化能力[49]。越多包含训练信息越多，过多会产生“过拟合”现象，隐含层神经元个数由[50]，并运用试凑法进行试验。n i j k（：i 为输入层的神经元数，j 为输出层神经元数，k 为[1,10]范围内的常数不同隐层个数的训练结果如表 4-3 所示，随着隐层个数的增加，均方误差

【参考文献】