10.16058/j.issn.1005-0930.2019.05.005
基于工程经验和RBF神经网络的水轮机综合特性曲线拓展和重构
水轮机特性曲线是描述水轮机运行过程中运行参数变化及相互关系的重要数据图.采用径向基函数(Radial Basis function,RBF)神经网络拓展和拟合水轮机特性曲线的方法可避免用具体的数学表达式表示该特性曲线高度非线性的函数关系,而是通过对离散样本点的学习和训练来获得水轮机全特性曲线.在使用RBF方法进行拟合数据和重构曲面之前,本文利用边界条件和工程经验将已知工况区域的特性曲线向小开度区域和低效率区域进行了有效拓展,大幅增加了RBF神经网络的学习样本数量,从而进一步提高了RBF方法拟合水轮机全特性曲线的精度和可靠度.以HL180水轮机为例,对拓展和拟合水轮机综合特性曲线的具体过程进行了详细介绍.计算结果表明,同仅采用RBF神经网络方法相比,采用本文方法得到的水轮机全特性曲线具有更高的精度和可靠度.
水轮机特性曲线、拓展、拟合、径向基函数神经网络
27
TK730.2;TV724.1(水能、水力机械)
国家自然科学基金;国家重点研发计划;国家自然科学基金
2019-11-11(万方平台首次上网日期,不代表论文的发表时间)
共12页
996-1007