浏览全部资源
扫码关注微信
西安交通大学电子与信息工程学院
Published:2019
移动端阅览
[J]. 2019, (10): 10-15.
DOI:
[J]. 2019, (10): 10-15. DOI:
针对电站锅炉燃烧效率经典建模方法精度较低的问题
提出了一种基于卷积神经网络(CNN)的新型建模方法。通过分析影响锅炉燃烧效率的各项因素
建立了以锅炉负荷、一二次风配风方式、烟气含氧量等参数为输入
锅炉燃烧效率为输出的建模数据集。由于CNN的核心特征是通过卷积运算从样本数据的空间关联中进行特征提取
所以为了加强输入样本数据的空间特征
利用主成分分析法(PCA)对数据进行重构。在此基础上
采用LeNet-5结构的CNN构建锅炉燃烧效率模型。仿真结果表明
经过PCA重构的锅炉燃烧效率CNN模型的检验集相对误差最小
相比经典模型减小了19.58%
该方法为锅炉燃烧效率的优化提供了新的思路。
李勤道.基于炉内参数测量的燃烧系统优化运行理论与技术的研究[D].华北电力大学,2013(02).
郑立刚.煤粉射流的高温空气燃烧特性与燃煤锅炉低NO_x燃烧优化研究[D].浙江大学,2009(01).
王春林.大型电站锅炉配煤及燃烧优化的支持向量机建模与实验研究[D].浙江大学,2007(05).
杨兵.电站锅炉预测控制与燃烧优化研究[D].中国科学技术大学,2006(04).
李智.电站锅炉燃烧系统优化运行与应用研究[D].东北大学,2005(07).
周昊.大型电站锅炉氮氧化物控制和燃烧优化中若干关键性问题的研究[D].浙江大学,2004(02).
陈绍冯.基于深度辨识模型的无人直升机自适应控制[D].中国科学技术大学,2018(12).
孙伟.基于改进模糊神经网络的电站锅炉燃烧系统建模及优化控制研究[D].东南大学,2017(12).
张贵勇.改进的卷积神经网络在金融预测中的应用研究[D].郑州大学,2016(02).
赵敏.基于神经网络的电厂锅炉燃烧系统建模及优化研究[D].浙江大学,2010(08).
刘丹,周熙宏,杨冬,刘朝晖,裘立春,滕敏华.燃煤电站锅炉炉膛结渣特性计算分析[J].西安交通大学学报,2019(09).
梁志远,桂雍,赵钦新.超临界二氧化碳条件下3种典型耐热钢腐蚀特性实验研究[J].西安交通大学学报,2019(07).
邢超,张晓明,赵亚琳,王昭,高建民.利用图像信息熵差检测炉渣碳质量分数[J].西安交通大学学报,2018(08).
周飞燕,金林鹏,董军.卷积神经网络研究综述[J].计算机学报,2017(06).
林宗虎.中国燃煤锅炉节能减排技术近况及展望[J].西安交通大学学报,2016(12).
曹庆才,高德欣,刘芳.基于神经网络与遗传算法的锅炉燃烧优化系统设计[J].自动化技术与应用,2016(06).
段艳杰,吕宜生,张杰,赵学亮,王飞跃.深度学习在控制领域的研究现状与展望[J].自动化学报,2016(05).
朱晓静,毕勤成.垂直上升内螺纹管中高压汽-水两相流截面含汽率的测量[J].西安交通大学学报,2015(03).
徐齐胜,罗胜琪,陶欣,朱全利.基于神经网络遗传算法的锅炉燃烧优化系统[J].自动化与仪表,2014(06).
王子杰,李健,孙万云.基于神经网络和遗传算法的锅炉燃烧优化方法[J].华北电力大学学报(自然科学版),2008(01).
王培红,李磊磊,陈强,董益华.人工智能技术在电站锅炉燃烧优化中的应用研究[J].中国电机工程学报,2004(04).
0
Views
4
下载量
2
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution