您当前的位置:五五电子网电子知识电工技术电力配电知识多层前向神经网络建模及其在火电厂系统辨 正文
多层前向神经网络建模及其在火电厂系统辨

多层前向神经网络建模及其在火电厂系统辨

点击数:7817 次   录入时间:03-04 11:54:41   整理:http://www.55dianzi.com   电力配电知识
 摘 要:本文采用前向反馈型神经网络,建立了一个火力发电厂双输入双输出系统的辨识模型。利用MATLAB5.3神经网络工具箱编程,以湖南湘潭电厂一台30万千瓦机组的输入输出参数的实测数据作为学习样本训练网络模型,并在训练好的模型基础上给出了系统多步步长的预测结果及调门开度的单位阶跃响应曲线。结果表明这种方法收敛速度快、误差小、精度高,是一种比较理想的系统辨识方法。
关键词:系统辨识 双输入双输出模型 前向反馈型神经网络

0引言
人工神经网络(ANN)是新近发展起来的一门交叉学科,它涉及生物、电子、计算机、数学和物理等学科,在模式识别、信号处理、系统辨识、自动控制等方面得到了广泛的应用[13]。对于采用锅炉跟随方式的火电厂单元机组负荷控制这样一个以调门开度和给粉指令为输入变量,实发功率和蒸汽压力为输出变量的双输入双输出系统而言,用传统的线性辨识方法得到精确的数学模型一般比较困难。由于神经网络自身非线性,可以通过直接学习系统的输入/输出数据,使其误差函数达到最小,从而归纳出隐含在系统输入/输出数据中的关系。这个关系隐含在神经网络内部,它不需要知道对象的精确数学模型,只需用神经网络逼近动态系统输入和输出之间的非线性关系,这样经过训练的神经网络就可以成为描述系统的模型。
1多层前向神经网络模型的建立
1.1单元机组负荷控制系统原理
采用锅炉跟随方式的单元机组负荷控制系统原理图如图
1所示其中,UtUb分别是模型输入变量。调门开度μt(%)和给粉指令μb(%)YNYP分别是模型输出变量:机组功率N(MW)和主汽压力P(MPa)
图
1所示系统的输入输出关系可用下式表示:

GNT(S)GPT(S)分别为以Ut为输入,YNYP为输出的传递函数(Ub保持不变)GNB(S)GPB(S)分别为以Ub为输入,YNYP输出的传递函数(Ut保持不变)
1.2神经网络系统辨识模型
考虑到
GNT(S)GPT(S)GNB(S)GPB(S)4个传递函数精确求解有困难,故本文采用多层前向型神经网络建立系统辨识模型。多层前向型神经采用误差逆传播算法,在实际应用中最为广泛[

[1] [2] [3]  下一页


本文关键字:网络  火电厂  电力配电知识电工技术 - 电力配电知识

《多层前向神经网络建模及其在火电厂系统辨》相关文章>>>