基于BP神经网络的印染太阳能集热温度预测

温度在印染加工最重要的工艺参数,因此对太阳能的集热能力做出及时预测是太阳能集热系统在印染行业成功应用的关键,但太阳能集热受到纵多因素的影响,单纯的数学模型难以准确预测。文中采用神经网络对太阳能集热系统进行集热温度预测,根据太阳辐照度、实测温度、天气情况、进水温度等环境参数,预测印染太阳能集热系统的集热温度。结果表明,该方法速度快,结果较准确,为印染太阳能集热控制系统的设计提供了一个新的预测手段。     

燃煤锅炉飞灰含碳量的BP神经网络模型

燃煤锅炉是复杂的多变量系统,其飞灰的含碳量形成机理复杂,不能用简单的数学公式估算。现场实炉测试这些数据具有工作量大,测试工况有限等缺点;燃煤锅炉运行参数及燃料特性等因素影响着飞灰的含碳量,其相互耦合,导致分析数据过程困难。神经网络建模将燃煤锅炉视为黑箱,应用该方法可以良好的描述其输入输出之间的黑箱特性,因此,人工神经网络应用广泛。利用燃煤锅炉试验数据,采用3层BP(back propagation)神经网络构建了锅炉飞灰的含碳量排放特性模型。通过锅炉的实测数据验证,该BP神经网络对飞灰含碳量相对预测误差在0.19%~0.50%,预测效果良好。测试结果表明,建立的神经网络预测模型可以准确逼近验证样本数据,也能够较好的逼近非验证样本数据,具有良好的泛化能力。     

基于BP神经网络的超临界锅炉中间点温度预测

超临界锅炉中间点温度为控制主蒸汽温度的超前信号,同时也是水冷壁超温保护的重要参数,所以对于中间点温度的仿真与预测具有重要意义。为了能够对中间点温度做出超前预测,提出了基于BP神经网络的中间点温度预测新方法。通过对某600MW超临界锅炉生产数据进行仿真,验证了该方法的有效性。     

基于模糊神经网络的电站燃煤锅炉结渣预测

综合运用模糊数学和神经网络知识构建了一个模糊神经网络模型,用以预测电站燃煤锅炉的结渣特性．通过引入反映煤灰特性的4个常用指标以及反映锅炉运行情况的两个指标,使所建模型综合考虑了煤灰特性和锅炉运行因素对结渣的影响．以实际电厂燃煤锅炉为样本,基于改进的BP(back-propagation)算法对网络模型进行了训练．为验证模型的准确性,对7台电站燃煤锅炉的结渣特性进行预测,并将该模型与只考虑煤灰特性指标的常规 BP网络模型进行比较．验证结果表明,模糊神经网络模型的预测结果与实际相符,效果优于常规BP网络模型．     

基于BP神经网络的固体废弃物热解产物分布规律预测

选择 4 种不同种类的固体废弃物样品进行热解实验,探究在不同热解温度、停留时间、载气流量以及升温速率影响下固、液、气三态产物的分布规律．基于 BP 神经网络原理,利用 Matlab 神经网络工具箱,建立了针对不同种类废弃物在不同反应条件下的热解产物产率分布模型．模型的输入条件为反应工况和样品特性参数,输出结果为热解三态产物产率,预测值与实验值吻合良好,相关系数 R²为 0.969 6,均方根误差为 2.297 5,表明了该模型对热解过程模拟的可行性与有效性．     

基于新型测温技术的电站锅炉燃烧优化

为了提高锅炉效率,减少污染物排放,电站锅炉需要进行燃烧优化。以新型测温技术为基础,提出一种包含炉内温度场测量结果的燃烧优化模型,采用模拟退火算法作为燃烧优化控制算法进行优化。以某电厂300 MW锅炉为研究对象,采用仿真的方法对燃烧优化控制算法进行研究,通过对锅炉运行参数受到扰动时的工况进行燃烧优化,验证了模拟退火算法的优化性能。结果表明:在锅炉运行参数受到扰动时,模拟退火算法作为优化算法,能够给出有效的燃烧调整指令,解决扰动产生的问题,使炉膛燃烧状态保持设定的优化状态。     

基于BP神经网络的温度控制系统

文中介绍了基于BP(Back Pmpagation)的神经网络气化炉温度控制系统。对BP神经网络控制算法作了详细的介绍，运用模糊逻辑控制概念赋予隐层含义，并决定其节点数，同时用高斯核函数作为节点激励函数，并做了仿真研究，叙述了系统的硬件与软件构成，试验表明所设计的系统操作方便、安全可靠，所选择的控制算法适应性强，控制效果良好。     

基于BP神经网络的直角折线堰过流能力预测

为验证BP神经网络模型在预测直角折线堰过流能力方面的适用性,利用量化共轭梯度算法,选取114组水工试验数据为训练样本、21组水工试验数据为预测样本,将直角折线堰前堰长度(a)、侧堰长度(b)及堰顶水头(H)作为输入层神经元,流量Q作为输出层神经元,建立3-10-1的拓扑结构直角折线堰过流能力预测模型.结果 表明,基于B...     

基于BP神经网络的汽车散热器性能研究

利用较新的BP神经网络预测方法,构造了汽车散热器预测模型,对管带式、管芯式汽车散热器进行了预测,预测值和试验值吻合,说明利用BP神经网络方法对汽车散热器性能进行预测,方法是可行的。     

660MW超超临界旋流对冲燃煤锅炉NO_x分布数值模拟

利用Ansys Fluent 14.0软件对某电厂660MW超超临界旋流燃煤锅炉进行NOx生成规律的数值模拟,并将数值模拟结果与现场实际测量结果进行了比较.结果表明:数值模拟结果与现场实际测量结果吻合较好,验证了数值模拟结果的有效性;第1层燃烧器区域生成NOx的体积分数比其他2层高,燃烧器出口附近NOx的体积分数迅速升高到0.001;从第1层燃烧器开始沿炉膛高度方向,NOx体积分数逐渐降低,炉内NOx体积分数最高的区域位于后墙第2层燃烧器上方.     

660MW超超临界旋流对冲燃煤锅炉NOx分布数值模拟

利用AnsysFluent14．0软件对某电厂660MW超超临界旋流燃煤锅炉进行NOx生成规律的数值模拟,并将数值模拟结果与现场实际测量结果进行了比较．结果表明：数值模拟结果与现场实际测量结果吻合较好,验证了数值模拟结果的有效性;第1层燃烧器区域生成NOx的体积分数比其他2层高,燃烧器出口附近NOx的体积分数迅速升高到0．001;从第1层燃烧器开始沿炉膛高度方向,NOx体积分数逐渐降低,炉内NOx体积分数最高的区域位于后墙第2层燃烧器上方．     

基于神经网络模型的锅炉主蒸汽温度预测控制

为解决传统控制方法在火力发电机组蒸汽温度控制过程中存在的强非线性、大迟延的难题,提出了一种基于长短期记忆(LSTM)神经网络在线估计和粒子群(PSO)滚动优化的预测控制算法。该方法将常规串级控制系统的主回路控制器用预测控制器替代,采用LSTM神经网络建立主蒸汽温度控制系统的过程模型,通过多步预测实现了对复杂非线性系统模型的精确预测。利用PSO算法在线求解主蒸汽温度控制系统的最优预测控制律,避免了传统递推方法无法直接求解非线性优化问题。仿真结果表明：与传统主蒸汽温度串级控制策略相比,该控制算法明显改善了控制系统的快速性,抗扰能力较强,对主蒸汽温度这类具有非线性及模型不精确的被控对象有一定的参考价值。     

BP/RBF神经网络与模糊规则耦合的电站锅炉燃烧控制

针对电站锅炉NOx浓度和发电效率的非线性及复杂耦合关系问题,分别建立某320 MW火电机组RBF神经网络模型、BP神经网络模型和模糊规则模型.采用满负荷70％ ～ 80％的常规工况进行训练,RBF神经网络有效地预测了发电效率及NOx排放浓度,平均相对误差分别为2.03％和2.41％.根据专家经验制定25条模糊控制规则,...     

基于遗传算法的燃煤锅炉NOx排放控制

文中在分析锅炉NOx排放物生成机制、影响因素及其控制方式和锅炉效率影响因素的基础上,结合锅炉燃烧特性试验,建立了锅炉排烟温度、飞灰含碳量和NOx排放的改进型的Elman动态神经网络预测模型,这种改进型的Elman动态网络结构简单、计算量小、容易收敛且易实现在线辨识。并利用预测模型输出的锅炉排烟温度和飞灰含碳量,通过简化的锅炉损失计算模型得到锅炉排烟损失和未完全燃烧损失,这两项损失和预测模型输出的NOx排放构造了锅炉优化燃烧寻优的目标函数。利用遗传算法的寻优特性搜索锅炉可调参数的最优值,指导运行人员在高效燃烧低NOx排放的基础上优化运行。     

基于BP神经网络灰色回归组合模型的年最大负荷预测

为克服单一电力负荷预测模型的局限性,改善预测结果,提出了一种基于BP神经网络灰色回归组合模型的年最大负荷预测方法。在BP神经网络预测模型中,采用Levenberg-Marquardt算法对参数迭代过程进行优化;在灰色预测模型中,采用加政策因子处理法对原始数列进行改造以强化数列的递增趋势;在回归预测模型中,采用逐步线性回归法剔除对因变量影响较小的自变量。最后利用方差-协方差法对三种预测模型进行加权组合。以广州市2007—2016年实际数据对组合预测模型进行验证,并对广州市2017—2019年的年最大负荷进行预测。结果表明:所提方法预测精度较高且误差在工程允许范围之内,具有一定的工程实用价值。     

基于BP神经网络的空调负荷预测

本文以城建国际大厦冷源系统的检测数据为依据,利用BP神经网络,建立了空调负荷预测模型,并取得了较好的结果。文章进一步分析了可能存在的误差及提高预测精度的方法。     

基于神经网络的锅炉优化燃烧技术

为了提高锅炉燃烧效率,降低火电机组发电能耗,减少温室气体的排放。通过采用神经网络技术建模的锅炉优化燃烧技术,并用遗传算法寻优以调整锅炉燃烧的风粉配比等控制参数,实现锅炉燃烧工况的动态最优运行,较好的克服了传统试验法指导燃烧调整的缺点,解决了燃煤机组煤炭来源不稳定,在偏离设计煤种工况下运行而导致的锅炉燃烧效率低,煤炭消耗及氮氧化物高的问题。通过试验证明该技术可以优化锅炉的运行工况,提高锅炉效率,降低氮氧化物的排放,具有较高的应用价值和广阔的应用前景。     

基于BP神经网络的超临界对冲火焰锅炉飞灰含碳量预测分析

飞灰含碳量是反映燃煤锅炉机组燃烧效率的重要技术指标和运行经济指标,同时也影响锅炉的安全运行。超临界对冲火焰锅炉由于掺烧劣质煤,经常出现飞灰含碳量偏高的现象。本文以660MW超临界对冲火焰锅炉为研究对象,将影响飞灰含碳量的负荷、煤粉细度等十个运行参数作为输入量,应用BP神经网络的非线性动力学特性和自学习能力,建立了飞灰含碳量预测模型。经网络预测,与实际值的误差小于5.48%。在预测模型的基础上,对飞灰含碳量影响因素进行单因素影响规律分析。预测和分析结果表明,本模型方法能有效提取各参数对飞灰含碳量的影响规律,可用于锅炉飞灰含碳量的分析、预测和优化调节。     

基于支持向量机和BP神经网络的燃煤锅炉NO_x排放预测

基于某660 MW燃煤锅炉运行时的热态实验数据,应用BP神经网络方法和支持向量机回归的方法对该燃煤电站锅炉NO_x排放特性分别进行建模,针对BP神经网络存在的问题,采用动量法对其进行改进,而对SVM预测模型进行了核函数及相应参数c和g进行了选优。两种模型仿真结果的平均相对误差为2.75%和1.37%,证明模型的准确性和泛化能力比较好。引入神经网络模型评价指标,对这两种模型的仿真和预测结果进行对比分析,结果表明采用支持向量机方法建立的NO_x排放模型比BP神经网络模型收敛速度快,准确度高,性能更优。     

燃煤锅炉炉膛断面温度场可视化实验研究

在一台300MW燃煤锅炉上进行了炉膛断面温度场可视化实验研究，采用炉膛燃烧数值模拟程序计算沿炉膛高度平均颗粒容积份额的变化，计算出温度场重建所需的辐射参数，由火焰图像重建的炉膛温度场结果表明，燃烧器区域之上某一个断面的温度场呈现典型的单峰分布特征，且其偏料情况与电厂运行经验基本一致；250MW负荷水平下的最高温度比200MW负荷水平下的最高温度高约80K；断面温度场可视化结果刷新一次的时间不超过5s，满足在线监测的要求。