基于存量知识和神经网络的直流锅炉可扩展建模方法参考.pdfVIP

2017年第 期6 冶 金 动 力 总 第 208 期 METALLURGICAL POWER 35 热 电 基于存量知识和神经网络的直流锅炉可扩展建模方法 刘仕君 （宝山钢铁股份有限公司电厂，上海 201900） 【摘 要】电站直流锅炉是一个具有显著非线性、时变和耦合特征的复杂工艺过程，往往难以得到精确的 数学模型。充分考虑直流锅炉的复杂动态特性与设计、运行数据密切相关的实际特点，将分布式神经网络结构 和存量知识相结合构成的可扩展模型可以明显提高整个模型的精确度和泛化能力，并在所配套的虚拟DCS仿 真平台上印证了这种模型的有效性。 【关键词】直流锅炉；可扩展建模；存量知识；神经网络；历史数据 【中图分类号】TK229 【文献标识码】A 【文章编号】1006-6764(2017)06-0035-07 An Extensible Modeling Methodology Based on Stock Knowledge and Neural Network for Once-Through Boiler Liu Shijun (Power Plant of Baoshan Iron Steel Co., Ltd., Baoshan, Shanghai 201900, China) [Abstract] It is difficult to obtain an accurate model for once-through boiler because it is a complicated process with remarkable nonlinear, time-varying and strong coupling charac- teristics. Taking into full consideration of the fact that the complex characteristics of once- through boiler are closely related with the design and operating data, an extensible modeling methodology combing stock knowledge and distributed neural networks can significantly im- prove the precision and generalization ability of the model. Application simulation on a virtu- al DCS platform has shown the effectiveness of the model. ； ； ； ； [Keywords] once-through boiler extensible modeling stock knowledge neural network historical data [10] 1 引言 。 由于工作原理及结构上的差异，直流锅炉的控 神经网络以其强大的函数拟合能力受到人们越 制特性与汽包锅炉相比具有更明显的多变量、非线 来越多的关注。由