基于神经网络与遗传算法的锅炉系统的优化
传统热工控制系统DCS在锅炉运行中存在多变量之间相关关系难以全面协调以及期望性能指标难以达到的问题.针对参数难以全面协调问题,采用BP神经网络来解决多变量间的非线性关系.针对性能指标的优化,在神经网络预测功能的基础上,采用遗传算法优化锅炉参数间的比值,并将优化后的风煤比在线监测数据作为反馈信号引入锅炉性能优化系统中,改进后的方法优化处理了热工控制系统问题.以青岛市某循环流化床锅炉为例,通过Matlab与C#语言编写的可视化界面曲线得出,预测与优化的综合方法能够将锅炉效率提高0.5%~3%.
预测、优化、循环流化床锅炉、Matlab、C#
31
TP273(自动化技术及设备)
国家自然科学基金项目50975147
2016-09-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
43-47