资源描述：
《基于模糊神经网络的电站燃煤锅炉结渣预测》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第26卷第6期电力科学与工程Vol126,No16282010年6月ElectricPowerScienceandEngineeringJun.,2010基于模糊神经网络的电站燃煤锅炉结渣预测王洪亮,王东风,韩璞(华北电力大学控制与计算机工程学院,河北保定071003)摘要:分析了电站锅炉结渣的影响因素,确定评判锅炉结渣倾向性的指标。将模糊数学和BP网络相结合,构成模糊神经网络模型。采用不同的隶属函数将判别指标模糊化,以实际电站锅炉作为训练样本,对该模糊神经网络模型进行训练,并对给定4组电站锅炉进
2、行预测。分析比较预测结果,最终确定4组锅炉的结渣倾向性;试验结果表明,此种方法能够更准确地预测电站锅炉结渣倾向性,为实际锅炉设计及运行提供科学依据。关键词:结渣特性;模糊神经网络;隶属函数;样本;预测中图分类号:TK22712文献标识码:A络的输出。0引言111判别指标的确定综合考虑影响锅炉结渣的因素,将代表煤灰[2]影响电站锅炉炉膛结渣的因素很多,长期以本身特性和锅炉实际运行工况的7个指标:软来,很多研究人员对此进行了试验总结。炉膛结化温度t2,硅铝比SiO2/Al2O3,酸碱比B/A,硅渣不仅
3、仅与煤灰本身特性相关,还要受炉内温度比G,综合指数R,以及无因次炉膛平均温度φt,[1]无因次实际切圆直径φ确定为该模型预测锅炉结水平及温度场、炉内空气动力工况的影响。但d这些单一的判别指标的分辨率往往不高,原因在渣的判别指标,将这些指标定义为于炉膛结渣倾向性本身就是一个模糊的概念,结硅比G:渣程度是一个由弱到强的过程。本文充分利用了SiO2×100G=“模糊”的概念,将模糊数学理论与神经网络的SiO2+CaO+MgO+当量Fe2O3知识相结合,构成模糊神经网络模型,引入了代酸碱比B/A:表煤灰自
4、身特性和锅炉实际运行工况等7个指标;BFe2O3+CaO+MgO+Na2O+K2O=另外,采用了10个不同的隶属函数,将以上7个ASiO2+Al2O3+TiO2指标分别进行模糊化处理,作为模型的输入,并综合指数R:利用实际的25组电站锅炉作为训练样本,对模型R=51415-010023t2+11237B/A-010189G+进行训练,对另外的4组电站锅炉结渣特性进行01282SiO2/Al2O3预测;观察比较不同隶属函数得到的结果,最终无因次炉膛平均温度φt∶φt=Tpj/t2确定锅炉的结渣倾向性
5、。无因次实际切圆直径φd∶φd=Dsj/ab式中:当量Fe2O3=Fe2O3+1111FeO+1143Fe;Tpj1锅炉结渣模糊神经网络模型为炉膛平均温度;Dsj为实际切圆直径;a,b分别为炉膛的深和宽。各个指标的结渣判别界限见表1。本模型基于模糊数学理论,采用5种类型的表1各判别指标的分类界限隶属函数将结渣预测的7个判别指标模糊化后作Tab.1Classificationboundariesofeachindex为神经网络模型的输入,以锅炉结渣程度的3个指标轻微中等严重等级,即“轻微”,“中等”
6、,“严重”作为神经网t2>13901260～1390<1260收稿日期:2010-03-04。作者简介:王洪亮(19862),女,硕士研究生,主要研究方向为电站燃煤锅炉结渣预测,E2mail:whllargessea@1631com。第6期王洪亮,等基于模糊神经网络的电站燃煤锅炉结渣预测29续表指标轻微中等严重SiO2/Al2O3<11871187～2126>2165B/A<0120601206～014>014G>78186611～7818<6611图3柯西隶属函数R<115115～215>215
7、Fig.3Cauchymembershipfunctionφt<01970197～11065>11065φ其表达式为d<0147501475～015875>0158751112判别指标的模糊化μ(x,z)=d>0(3)21+d×(x-z)由于结渣程度是个模糊的概念,没有明显的(4)斜线形隶属函数界限;因此,引入各个指标的隶属函数将各个指标模糊化,求得指标对应的“轻微”,“中等”,“严重”的隶属度,作为神经网络的输入。本文为了保证预测结果的可靠性,选取不同类型的5[3]种隶属函数,见图1～5。其中,
8、每种类型选择图4斜线形隶属函数2个不同的参数,即10种隶属函数,将7个判别Fig.4Biasmembershipfunction指标模糊化。不同类型的隶属函数分别可以设定其表达式为不同的参数,如三角形隶属函数表达式中的a可1以取不同的值,使结渣等级的判别界限发生变化;μ(x,z)=d>0(4)1+d×
9、x-z
10、半圆形表达式中的r;柯西和斜线形表达式中的(5)梯形隶属函数d;梯形表达式中的a1,a2。(1)三角形隶属函数图5梯形隶属函数Fig.5Trapezoidmembership
