[发明专利]基于BP神经网络预测循环流化床锅炉最佳工作温度的方法

权利要求书

1.一种基于BP神经网络预测循环流化床锅炉最佳工作温度的方法，其特征是：包括以下步骤：

(1)根据热电厂循环流化床锅炉的实际运行情况，选取燃料量x₁、石灰石量x₂、一次分量x₃、二次风量x₄作为BP神经网络模型的输入，将循环流化床锅炉的最佳工作温度作为BP神经网络的输出；

(2)记录并存储现场的历史数据并作滤波处理，选取这些数据作为训练集样本，确定BP神经网络的输入层节点个数、隐含层结点个数、权值和阈值参数；

(3)通过BP神经网络的方法结合输入参数进行分析计算，得到预测出的热电厂流化床锅炉的最佳工作温度；

(4)进行仿真测试，将通过预测的结果与现场的实际结果进行比对分析。

2.如权利要求1所述的基于BP神经网络预测循环流化床锅炉最佳工作温度的方法，其特征是：所述步骤(1)中，具体方法为：根据热电厂循环流化床锅炉的实际运行情况，分析相关的输入输出量，通过仿真实验，筛选出能够对循环流化床最佳工作温度进行分析的变量，作为BP神经网络模型的输入，将循环流化床锅炉的最佳工作温度作为BP神经网络的输出，最终选取燃料量x₁、石灰石量x₂、一次分量x₃、二次风量x₄作为输入，流化床最佳工作温度y₁作为输出。

3.如权利要求1所述的基于BP神经网络预测循环流化床锅炉最佳工作温度的方法，其特征是：所述步骤(2)中，具体方法包括：

(a)记录并存储现场的历史数据并作滤波处理，选取这些数据作为训练集样本，训练集样本共有4组，分别为燃料量训练集、石灰石量训练集、一次风量训练集、二次风量训练集；

(b)定义BP神经网络的输入层的节点个数为n，由前面的分析得到n＝4，隐含层的节点个数为q，输入层和隐含层的权值为ν_ki(k＝1,2,…,q；i＝1,2,…,n)，阈值为θ_i(i＝1,2,…,n)，输出层的节点个数为m，可知m＝1，隐含层和输出层的权值为ω_jk(j＝1,2,…,m；k＝1,2,…,q)，阈值为为隐含层的传递函数，f₂(·)为输出层的传递函数。

4.如权利要求3所述的基于BP神经网络预测循环流化床锅炉最佳工作温度的方法，其特征是：所述步骤(a)中，4组样本数量都确定为165。

5.如权利要求1所述的基于BP神经网络预测循环流化床锅炉最佳工作温度的方法，其特征是：所述步骤(3)中，具体的分析计算方法为：计算隐含层节点的输出和输出层节点的输出，定义神经网络的期望值输出，并将计算的输出误差展开到隐含层和输入层中，按照使BP神经网络的权值和负梯度成正比的方法调整权值，训练网络。