[发明专利]基于BP神经网络的超超临界汽轮机排汽干度计算方法有效
申请号: | 201310337186.5 | 申请日: | 2013-08-05 |
公开(公告)号: | CN103440366A | 公开(公告)日: | 2013-12-11 |
发明(设计)人: | 郑李坤;陈畅;阚伟民;谢诞梅;冯永新;熊扬恒;李千军 | 申请(专利权)人: | 广东电网公司电力科学研究院;武汉大学 |
主分类号: | G06F17/50 | 分类号: | G06F17/50;G06N3/02 |
代理公司: | 广州知友专利商标代理有限公司 44104 | 代理人: | 周克佑 |
地址: | 510080 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 针对国内大型超超临界机组的排汽干度在线计算问题,本发明提供一种基于BP神经网络的排汽干度计算方法,该方法以实际超超临界机组不同机组负荷和排汽压力工况下的热平衡图为基础,计算得到不同工况下的汽轮机排汽干度,在对计算结果进行一定的数据处理之后,利用BP人工神经网络最终快速而准确的计算得到汽轮机排汽干度,得到的计算结果与实际汽轮机运行值非常接近,具有理想的计算精度,同时该模型结构简单、计算迅速,能够达到汽轮机实际工况排汽干度在线计算的目的,防止排汽干度异常,帮助运行人员了解机组运行状态,维持汽轮机安全、经济运行。 | ||
搜索关键词: | 基于 bp 神经网络 临界 汽轮机 排汽干度 计算方法 | ||
【主权项】:
一种基于BP神经网络的超超临界汽轮机排汽干度计算方法,其特征是包括以下步骤:S1、BP神经网络算法的部分公式(1)BP网络前向传播计算 net ij = Σ k = 1 N i - 1 O ( i - 1 ) k W ( i - 1 ) kj O ij = f s ( net ij ) = 1 1 + exp ( - ( net ij - θ ij ) ) 式中:netij为第i层第j个神经元总输入,Oij为第i层第j个神经元输出,Wijk为第i层第j个神经元到第i+1层第k个神经元连接权值,fs表示激活函数,θij表示第i层第j个神经元的阈值;(2)BP网络后退算法BP算法的权值调整公式权值调整公式:△Wijk=η(dk‑yk)yk(1‑yk)Oij,i+1层为输出层 Δ W ijk = η O ( i + 1 ) k ( 1 - O ( i + 1 ) k ) ( Σ h = 1 N i + 2 δ ( i + 1 ) h w ( i + 1 ) kh ) O ij , i+1层为隐含层式中:η为学习效率,dk为期望输出,yk为网络实际输出;第i层神经元:δik=(dk‑yk)yk(1‑yk),i+1层为输出层 δ ik = O ( i + 1 ) k ( 1 - O ( i + 1 ) k ) ( Σ h = 1 N i + 2 δ ( i + 1 ) h w ( i + 1 ) kh ) , i+1层为隐含层Wijk(t+1)=Wijk(t)+△Wijk=Wijk+ηδikOij阈值调整公式:△θik=η(dk‑yk)yk(1‑yk),i+1层为输出层 Δ θ ik = η O ( i + 1 ) k ( 1 - O ( i + 1 ) k ) ( Σ h = 1 N i + 2 δ ( i + 1 ) h w ( i + 1 ) kh ) , i+1层为隐含层;S2、排汽干度BP神经网络模型的结构和参数设置输入层:两个节点:机组负荷,排汽压力;输出层:一个节点:排汽干度;采用线性激活函数;隐含层:5个节点,采用双曲正切型S型激活函数;学习函数:基于梯度下降法的学习函数;网络训练函数:Levenberg‑Marquardt方法;网络目标:0.0001;学习效率:0.65;训练次数:2000;S3、训练样本集的设计利用各工况点的热平衡图,查询得到不同负荷、不同排汽压力下共42个工况的排汽比焓,并利用下式计算得出典型工况下的排汽干度值,作为神经网络的训练样本: x = h - h ′ h ′ ′ - h ′ 式中:x为排汽干度;h为该工况下的排汽焓,kJ/kg;h′,h″为排气压力下的饱和液体焓和饱和蒸汽焓,kJ/kg;S4、利用Matlab神经网络工具箱进行排汽干度BP神经网络模型建模根据模型,应用Matlab中的神经网络工具箱,利用BP神经网络的非线性拟合特性,结合汽轮机实时运行数据,利用基于梯度下降的BP算法对网络进行训练。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东电网公司电力科学研究院;武汉大学,未经广东电网公司电力科学研究院;武汉大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201310337186.5/,转载请声明来源钻瓜专利网。
- 上一篇:变电站全景数据建模方法
- 下一篇:基于深度学习的对象间的关联分析方法及其装置