超超临界机组的建模和仿真.pdf

华北电力大学硕士论文 摘 要 锅炉、汽轮机以及相应辅机构成了火电单元机组，因为超超临界机组耦合性和非线 性比一般机组的情况复杂，所以用传统方法建立数学模型比较困难。本文用线性模型， Elman)和减法 广义回归神经网络、具有输出一输入机制的改进Elman神经网络(0IF 聚类模糊神经网络建立了1000MW超超临界直流锅炉单元机组的动态模型，仿真结果 证明了，神经网络模型优于线性模型， 广义回归神经网络对样本需求量小，网络可调 参数少，最大限度减少了主观因素对结果的影响，而且它的训练过程是单程训练，不需 要迭代，它比线性模型训练过程快很多；0IFElman神经网络模型比广义回归神经网络 具有更好的收敛精度和收敛速度；ANFIS神经网络模型在训练步数，训练时间和拟合 能力方面均由于神经网络模型，仿真结果稳定，网络实用性强，将基于减法聚类的 ANFIS应用于超超临界机组建模是有效可行的。仿真结果证明了所建模型的有效 性。本文所采用的数据来自某1000MW电厂的DCG系统，因此本文的模型是建立在工程 实际的基础之上的，结合这