《燃煤电厂锅炉燃烧系统的回声状态网络建模-论文》.pdfVIP

第35卷第3期 2014年3月 电力 建 设 燃煤 电厂锅炉燃烧系统的 回声状态网络建模 孙灵芳 ，麻世博 ，赵瑞 ，赵光军 (1．东北电力大学 自动化工程学院，吉林省吉林市 132012； 2．广 I1华润热电有限人司，广州市 511455) 摘 要：燃煤电厂的锅炉燃烧系统是一个复杂而又重要的系统i建立其精确、普适的模型很困难。首先对现场采集的锅 炉燃烧系统输入输出数据进行处理和优选，以用于燃烧系统的建模 ；然后将一种新型的递归神经网络——回声状态网 络(echostatenetwork，ESN)进行改进，提高了网络的精度和适应性 ，并且将改进的回声状态网络应用于燃烧系统静态 建模 ，与其他4种神经网络建立的静态模型比较，前者适应性更强；最后将改进的回声状态网络应用于锅炉燃烧系统的 动态建模 ，与静态建模相比，模型的适应性更好，能够进行长时间的预测。 关键词：燃煤电厂；锅炉燃烧系统；回声状态网络 (ESN)；静态模型；动态模型 EchoStateNetworkM odelingofBoilerCombustion System inCoa1．firedPowerPlant SUNLingfang，MAShibo，ZHAORui，ZHA0Guangjun (1．SchoolofAutomationEngineering，NortheastDianliUniversity，Jilin132012，JilinProvince，China； 2．GuangzhouCRThermalPowerCo．，Ltd．，Guangzhou511455，China) ABSTRACT：Theboilercombustionsystem incoal—firedpowerplantisasocomplicatedandimportantsystem thatitis difficulttobuildapreciseandadaptablemodelforit．First，theinputandoutputdataofcombustionsystem collectedfrom thescenewasprocessedandselectedofrthecombustionsystemmodeling．Second，theEchoStateNetwork(ESN)，which wasanew typeofRecurrentNeuralNetwork，wasimprovedanditsprecision andadaptabilitywereincreased．Then，the improvedESN wasappliedtobuildingstaticmodelofcombustionsystem ，whichhadbestadaptabilitycomparedwithmodels foundedwithotherfourNeuralNetworks．Last，hteimprovedESN wasappliedtobuildingdynamicmodelofcombustion system ，whichhadbetteradaptabilityandwasmoresuitableforlong-timepredictioncomparedwiht staticmode1． KEYWORDS：coal—firedpowerplant；boilercombustionsystem；echostatenetwork(ESN)；staticmodel；dynma icmodel 中图分类号：TM621．2 文献标志码 A 文章编号：，000-7229(2014)O3—0097一O5 DOI 10．3969／j．issn．1000—1 20 03；019 - 。 1 近年来应用最多的燃烧系统辨