采用卷积神经网络的电站锅炉燃烧效率建模方法
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.
电站锅炉燃烧效率、卷积神经网络、特征提取、主成分分析法
53
TP273(自动化技术及设备)
国家自然科学基金资助项目61673315
2019-11-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
10-15