2模型求解及结果讨论
2.1确定模型参数
从湖南湘潭电厂30万千瓦组实测得到几组工况下实发功率、调门开度、蒸汽压力和给粉指令的数据。选用一组负荷变化从185MW到206MW工况下的数据进行系统辨识，利用Matlabt5.3的神经网络工具箱编程求解［6～7］，训练得到的神经网络模型参数如下：对隐含层而言，训练网络得到的各种神经元的权重系数如下：
2.3步长预测及误差分析
用得到的模型结构对另一负荷变化为188MW到221MW的工况下的数据做步长预测，即在已知当前时刻实发功率、调门开度、蒸汽压力和给粉指令的基础上作n步步长预测，利用已经建立好的模型仿真运算，将计算得到的1000个时刻的实发功率与蒸汽压力值与实际值相比较，以检验模型的准确性。n=5，5预测的结果如图3、4所示：
模型的收敛误差设定为1e-06，收敛时间1s，运算速度很快。实发功率N的最大相对误差为1.12%，蒸汽压力P的最大相对误差为0.77%，辩识效果良好，说明此模型对机组的不同工况具有通用性。
加大预测步长n，在n=30时，实发功率N的最大相对误差为5.16%，蒸汽压力P的最大相对误差为2.48%，辩识效果仍然令人满意。
2.4辩识模型阶跃响应曲线
利用此神经网络辩识模型给出调门开度的单位阶跃响应曲线，效果令人满意，如图5、图6所示。
