中国电力
中國電力
중국전력
ELECTRIC POWER
2013年
9期
39-43
,共5页
孙保民%信晶%杨斌%王兰忠%王冲
孫保民%信晶%楊斌%王蘭忠%王遲
손보민%신정%양빈%왕란충%왕충
独立成分分析(ICA)%神经网络%电站锅炉%低NOx燃烧%排放预测
獨立成分分析(ICA)%神經網絡%電站鍋爐%低NOx燃燒%排放預測
독립성분분석(ICA)%신경망락%전참과로%저NOx연소%배방예측
independent component analysis%neural network%utility boiler%low NOx combustion%emission prediction
为了解决燃煤电站锅炉低NOx燃烧特性建模输入值高维数据众多,以及大样本处理造成模型运行速度慢、精度低的问题,将独立成分分析(ICA)应用到建模数据预处理领域,提出一种基于快速独立成分分析(FastICA)的BP (back propagation)神经网络建模方法,并用该方法对某220 MW热电机组NOx排放浓度进行预测.研究结果表明:经FastICA降维预处理后所建的神经网络模型(ICA-BP)性能优于直接构建的神经网络(BP)模型;ICA-BP模型计算结果与实测结果相对误差仅约2.5％,说明ICA方法有助于实现降低维数的同时保留更多原始数据特性的目的,是系统建模数据前处理的有效工具.
為瞭解決燃煤電站鍋爐低NOx燃燒特性建模輸入值高維數據衆多,以及大樣本處理造成模型運行速度慢、精度低的問題,將獨立成分分析(ICA)應用到建模數據預處理領域,提齣一種基于快速獨立成分分析(FastICA)的BP (back propagation)神經網絡建模方法,併用該方法對某220 MW熱電機組NOx排放濃度進行預測.研究結果錶明:經FastICA降維預處理後所建的神經網絡模型(ICA-BP)性能優于直接構建的神經網絡(BP)模型;ICA-BP模型計算結果與實測結果相對誤差僅約2.5％,說明ICA方法有助于實現降低維數的同時保留更多原始數據特性的目的,是繫統建模數據前處理的有效工具.
위료해결연매전참과로저NOx연소특성건모수입치고유수거음다,이급대양본처리조성모형운행속도만、정도저적문제,장독립성분분석(ICA)응용도건모수거예처리영역,제출일충기우쾌속독립성분분석(FastICA)적BP (back propagation)신경망락건모방법,병용해방법대모220 MW열전궤조NOx배방농도진행예측.연구결과표명:경FastICA강유예처리후소건적신경망락모형(ICA-BP)성능우우직접구건적신경망락(BP)모형;ICA-BP모형계산결과여실측결과상대오차부약2.5％,설명ICA방법유조우실현강저유수적동시보류경다원시수거특성적목적,시계통건모수거전처리적유효공구.
