电力建设
電力建設
전력건설
ELECTRIC POWER CONSTRUCTION
2014年
3期
97-101
,共5页
孙灵芳%麻世博%赵瑞%赵光军
孫靈芳%痳世博%趙瑞%趙光軍
손령방%마세박%조서%조광군
燃煤电厂%锅炉燃烧系统%回声状态网络(ESN)%静态模型%动态模型
燃煤電廠%鍋爐燃燒繫統%迴聲狀態網絡(ESN)%靜態模型%動態模型
연매전엄%과로연소계통%회성상태망락(ESN)%정태모형%동태모형
燃煤电厂的锅炉燃烧系统是一个复杂而又重要的系统,建立其精确、普适的模型很困难.首先对现场采集的锅炉燃烧系统输入输出数据进行处理和优选,以用于燃烧系统的建模;然后将一种新型的递归神经网络——回声状态网络(echo state network,ESN)进行改进,提高了网络的精度和适应性,并且将改进的回声状态网络应用于燃烧系统静态建模,与其他4种神经网络建立的静态模型比较,前者适应性更强;最后将改进的回声状态网络应用于锅炉燃烧系统的动态建模,与静态建模相比,模型的适应性更好,能够进行长时间的预测.
燃煤電廠的鍋爐燃燒繫統是一箇複雜而又重要的繫統,建立其精確、普適的模型很睏難.首先對現場採集的鍋爐燃燒繫統輸入輸齣數據進行處理和優選,以用于燃燒繫統的建模;然後將一種新型的遞歸神經網絡——迴聲狀態網絡(echo state network,ESN)進行改進,提高瞭網絡的精度和適應性,併且將改進的迴聲狀態網絡應用于燃燒繫統靜態建模,與其他4種神經網絡建立的靜態模型比較,前者適應性更彊;最後將改進的迴聲狀態網絡應用于鍋爐燃燒繫統的動態建模,與靜態建模相比,模型的適應性更好,能夠進行長時間的預測.
연매전엄적과로연소계통시일개복잡이우중요적계통,건립기정학、보괄적모형흔곤난.수선대현장채집적과로연소계통수입수출수거진행처리화우선,이용우연소계통적건모;연후장일충신형적체귀신경망락——회성상태망락(echo state network,ESN)진행개진,제고료망락적정도화괄응성,병차장개진적회성상태망락응용우연소계통정태건모,여기타4충신경망락건립적정태모형비교,전자괄응성경강;최후장개진적회성상태망락응용우과로연소계통적동태건모,여정태건모상비,모형적괄응성경호,능구진행장시간적예측.
