[发明专利]基于BP神经网络的电厂厂用电率计算方法

摘要

本发明公开了一种基于BP神经网络的电厂厂用电率计算方法，其通过建立用于计算电厂厂用电总负荷的BP神经网络初始模型,BP神经网络初始模型采用历史数据样本进行网络学习训练得到用于计算电厂厂用电总负荷的BP神经网络最终模型，输入设计电厂设备数据，通过BP神经网络最终模型计算出设计电厂厂用电总负荷，将计电厂厂用电总负荷转换成设计电厂厂用电率。其具有计算工作自动完成、计算误差小，计算效率高、设计成本低等特点。

主权项

基于BP神经网络的电厂厂用电率计算方法，其特征在于，建立用于计算电厂厂用电总负荷的BP神经网络初始模型,BP神经网络初始模型采用历史数据样本进行网络学习训练得到用于计算电厂厂用电总负荷的BP神经网络最终模型，输入设计电厂设备数据，通过BP神经网络最终模型计算出设计电厂厂用电总负荷，将计电厂厂用电总负荷转换成设计电厂厂用电率，包括以下步骤：步骤1、建立用于计算电厂厂用电总负荷的BP神经网络初始模型：按照电厂厂用电总负荷计算要求，确定电厂厂用电总负荷的影响变量，以影响变量为输入变量，电厂厂用电总负荷为输出变量，的Sigmoid型函数为神经元的激活函数建立具有输入层、隐层及输出层的BP神经网络初始模型；步骤2、初始化BP神经网络初始模型并进行参数设置：初始化BP神经网络初始模型的连接权值和阀值，对BP神经网络初始模型的学习速率、期望误差、最大步数参数进行设置；步骤3、采集计算现有电厂厂用电总负荷的影响变量数据：BP神经网络初始模型采集多组现有电厂影响变量数据作为输入变量数据；步骤4、通过网络学习训练得到BP神经网络最终模型：对输入变量数据进行归一化处理得到历史数据样本，采用历史数据样本进行网络学习训练，将通过历史数据样本计算出的电厂厂用电总负荷和实测电厂厂用电总负荷进行对比，直到网络学习训练的均方误差达到要求，确定BP神经网络的连接权值和阀值,得到BP神经网络最终模型；步骤5、计算设计电厂厂用电率：将设计电厂厂用电总负荷的影响变量数据作为输入变量数据输入到BP神经网络最终模型，通过计算得出设计电厂厂用电总负荷，将计电厂厂用电总负荷转换成设计电厂厂用电率。