基于广义回归神经网络预测入炉煤发热量.pdfVIP

工 程 技 术 基于广义回归神经网络预测入炉煤发热量① 刘勇’ 周军舰 (1．华能上安电厂 石家庄 050310；2．国华沧东发电有限责任公司 河北沧州 061113) 摘 要：针对煤的工业分析成份与发热量的经验公式应用的局限性，本文利用广史回归神经网络(GRNN)具有良好逼近任意非线性映射的 特点，对入炉煤发热量进行 了预测研究。预测结果表明，应用广义回归神经网络预测入炉煤发热量是可行的，预测相对误差在0．0049％～ 1．9024~之间，满足精度要求。 关键词：GRNN 神经网络 煤 发热量 中图分类号 ：TN711 文献标识码 ：A 文章编号：1672--3791(2009)12(a)--0060-02 电厂入炉煤煤质对燃烧有重要影响，煤中 凭经验操作，给锅炉安全稳定运行带来隐患。 (GRNN)是径向基函数神经网络的一种，具有 灰分含量直接影响发热量的大小，而发热量又 当天的煤质化验结果运行人员往往要推迟一 可以逼近任意非线性映射的能力，并且网络结 直接影响着炉膛的温度水平。煤质变差时，运 天才能知道，因此 ，通过对煤质发热量的预测 构简单。本文运用广义回归神经网络(GRNN) 行人员往往在较高负荷都开始投油枪运行，能 研究，能够给电厂相关技术人员一定程度上的 对煤质发热量进行 了预测分析。 源耗费巨大。现在受煤炭市场制约，国内绝大 指导 。 多数火电厂都无法燃烧设计煤种，不得已购买 从煤 的工业分析成份出发，煤中水份、 1 广义回归神经网络(GRNN) 小窑煤 ，有的电厂一天来煤要涉及十多个矿 灰份和挥发份对发热量有较大影响 。已有 广义回归神经网络(GRNN)是径向基函数 点，购煤渠道多，导致入厂煤煤质频繁变化，给 不少文献分析了煤的工业分析成份与发热量 神经网络的一种 ，具有一个径向基层和一个特 运行人员调整燃烧带来很大压力。炉内煤粉 的经验公式 ，这些经验公式只能局限用于 殊的线性层，参见图1。输入层节点传递输入 燃烧过程处于 “不透明”状态，运行人员只能 某一矿点，通用性不强。广义 回归神经网络 信号到隐层，隐层节点函数一般为高斯函数 ， 表 1 网络样本输入 煤样 外水％ 内水％ 灰份％ 挥发份％ 固定碳％ 发热量(实 测 J，一kg l 6．7 0．74 33．28 l1．4l 54．57 19269 O 2．54 31．53 l2．33 53．55 2l458 3．O 2．4l 31．28 l2．56 53．75 20733 4 4．6 ()．98 31．56 12．82 54．64 20945 一 5．5 1．O0 35．84 1J．58 51．58 l9l55 6 7．0 0．13 3I．84 l ’n 55．83 】984】 7 3．9 1．O】 28．88 】3．O1 57．10 2l485 8