基于非对称神经网络结构的电站锅炉智能燃烧控制模型

发布时间：2018-03-14 10:31

  本文选题：锅炉　切入点：燃烧控制　出处：《热力发电》2017年12期 　论文类型：期刊论文

【摘要】：针对目前国内电站锅炉燃烧建模存在煤质与负荷波动频繁、测点精度有限、设备运行组合多变等产生的问题,提出了电站锅炉燃烧的非对称神经网络建模方法。将锅炉模型的输入按照实际物理规律的关联关系设计网络结构组合,去掉关联性较弱的联系,从而使模型天然体现一定的锅炉燃烧规律,实现了不同燃烧器出力分配下的单一网络建模,提高了学习训练效率,并大幅降低了模型所需样本数量。将经典对称神经网络模型和非对称神经网络模型进行对比训练,结果表明本文提出的非对称神经网络建模方法检验正确率高。将其应用于某超临界660 MW机组的燃烧优化控制,锅炉效率平均可提高0.25%。
[Abstract]:In view of the problems of frequent fluctuation of coal quality and load, limited precision of measuring point and changeable operation combination of equipment in the combustion modeling of domestic power plant boiler at present, An asymmetric neural network modeling method for boiler combustion in power plant is proposed. The input of boiler model is combined according to the correlation relation of actual physical law, and the relation of weak correlation is removed. Thus, the model naturally embodies a certain boiler combustion law, realizes the single network modeling under different burner force distribution, and improves the efficiency of learning and training. The classical symmetric neural network model and the asymmetric neural network model are compared and trained. The results show that the unsymmetrical neural network modeling method proposed in this paper has a high test accuracy. The boiler efficiency can be increased by 0.25 on average when it is applied to the combustion optimization control of a supercritical 660 MW unit.
【作者单位】： 西安热工研究院有限公司;国家电投集团河南电力有限公司开封发电分公司;
【基金】：中国华能集团公司总部科技项目(HNKJ17-H12,HNKJ17-H13)~~
【分类号】：TM621.2

【相似文献】

相关期刊论文 前10条

1 王可健 ,王其平;非对称配对电触头的材料转移[J];西安交通大学学报;1985年04期

2 李树生,刘贺平;用非对称参量法选择典型三阶系统的最优参数[J];冶金自动化;1984年03期

3 胡tb;;再论电动机保护[J];电工技术;1982年06期

4 米麟书;陈刚;刘芳宁;;变结构与变参数大型电力系统非对称断相故障电气量值的快速计算[J];电力系统自动化;1992年03期

5 李民族,刘敏;非对称补偿原理及方法[J];贵州工业大学学报;1998年06期

6 杨海柱;刘洁;曾志伟;姚君旺;;基于非对称模糊PI控制的光伏发电MPPT研究[J];电源技术;2014年04期

7 李漠,任好玲;非对称阀控制非对称缸位置伺服系统理论分析与试验研究[J];机械制造与自动化;2005年04期

8 徐伟华;艾芊;陈陈;王伟;凌晓波;刘蓓;王冲;;基于非对称扰动的负荷建模新方法及工程应用[J];电力系统自动化;2009年13期

9 林镇翔;唐飞;王晓浩;;用于FAIMS的高场非对称波形电源的研制[J];高电压技术;2009年06期

10 王玉辉;压电振动系统的神经网络建模和预测研究[J];仪器仪表用户;2005年04期

相关会议论文 前6条

1 杨培华;麦文杰;;MnO_2//Fe_2O_3全固态非对称超级电容器[A];中国化学会第29届学术年会摘要集——第24分会：化学电源[C];2014年

2 杨斌;刘景全;陈迪;蔡炳初;;一种新型非对称电极的非接触压电微马达[A];中国微米、纳米技术第七届学术会年会论文集（一）[C];2005年

3 李广建;鲍学根;;浅议锅炉燃烧运行调整的方法和措施[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集（上册）[C];2004年

4 马晖;王飞;崔巍;严建华;马增益;沈佩华;岑可法;;300MW电站锅炉燃烧诊断和运行指导系统[A];首届长三角科技论坛——能源科技分论坛论文集[C];2004年

5 朱玉璧;程相利;陶新建;李琢;王志军;;智能控制在锅炉燃烧优化中的应用[A];全国火电大机组（600MW级）竞赛第十二届年会论文集（下册）[C];2008年

6 王智全;殷修平;贾青;;把握劣质煤特性增强锅炉燃烧稳定性[A];全国火电100-200MW级机组技术协作会2009年年会论文集[C];2009年

相关硕士学位论文 前10条

1 刘向英;锅炉燃烧优化控制系统的设计与实现[D];电子科技大学;2014年

2 林祥;融合温度场信息的锅炉燃烧优化专家系统研究[D];东南大学;2016年

3 王天放;陡河发电厂200MW锅炉燃烧优化神经网络建模[D];华北电力大学(北京);2016年

4 莫浩浩;660MW超临界机组锅炉燃烧优化研究[D];东南大学;2016年

5 侯玉杰;基于改进果蝇算法的电站锅炉燃烧建模与优化[D];哈尔滨理工大学;2017年

6 朱钰森;热电锅炉燃烧过程建模与运行优化研究[D];浙江大学;2017年

7 徐晨晨;基于Hadoop大数据平台的电站锅炉燃烧系统建模及优化[D];太原理工大学;2017年

8 卢博伦;基于煤质在线检测的锅炉燃烧模型研究[D];华北电力大学;2012年

9 刘小军;基于灰色关联分析法的电站锅炉燃烧综合评价[D];华北电力大学;2013年

10 丁元国;锅炉燃烧的在线智能监测与优化研究[D];东北电力大学;2007年

，

本文编号：1610818