基于PCA和GA-BP神经网络的磨煤机一次风量预测.pdfVIP

第24卷 第4期 仪器仪表用户 EIC Vo1．24 2017年4月 NSTRUMEN ION 2017 No．4 基于PCA~I：IGA—BP神经网络的磨煤机一次风量预测 张凯旋 ，刘延泉 ，郭嘉颖 ，胡善云 ，吴志钢 (1．华北电力大学 控制与计算机工程学院，河北 保定 071003； 2．国核电力规划设计研究院，北京 100095) 摘 要：通过DCS对火电厂660Mw机组的数据采集，利用相关性分析分析一次风量与其影响量之间的关联关系，并 计算其相关系数，为建立磨煤机一次风量的预测模型建立依据。针对一次风量的相关影响量较多，维数较大的特 点，提出了基于主成分分析 (PCA)和遗传算法优化BP神经网络相结合的方法建立模型，实现了对一次风量的提前 预测。通过数据仿真验证，基于PCA~H遗传算法优化BP神经网络的预测模型在精度，优化运行等方面取得了很好的 效果。 关键词：磨煤机一次风量；主成分分析；遗传算法；BP神经网络 中图分类号：TP391 文献标识码：A DOI：10．3969／j．issn．1671—1041．2017．04．004 文章编号：1671—1041(2017)04-0015—04 PredictionModelofPrimaryAirFlow ofPulverizerBasedonPCAandtheGA—BP ZhangKaixuan ，LiuYanquan ，GuoJiaying，HuShanyun ，Wuzhiga,g~ (1．SchoolofControlandComputerEngineering，NorthChinaElectricPowerUniversity，Hebei，Baoding，071003，China； 2．StateNuclearElectricPowerPlanningDesign＆ResearchInstitute，Beijing，100095，China) Abstract：Aimingatthecharacteristicsoflargeamountofinfluenceandlargedimensionofprimaryairvolume，combiningthe principalcomponentanalysiswithBPneuralnetworkalgorithm basedonGeneticoptimization，apredictionmodelofprimary airflowforcoalmillhasbeenproposedonthebasisofoperationdatecollectedbya660MW unit，andthecorrelationcoefficient obtainedbycorrelationanalysisofmainfactorsinfluencingprimary airvolume．ThesimulationresultsshowthattheBPneural networkpredictionmodelbasedonPCAandgeneticalgorithm hasachievedgoodresultsinprecisionandoptimization． Keywords：millprimaryairflow；principalcomponentanalysis；geneticalgorithm；theBPneuralnetwork 建模方法，如：回归分析法、BP神经网络法、SVM预测法 等。但是以上方法均有其缺点，如SVM的参数难以确定， 锅炉的经济性和安全性取决于燃烧的稳定性，而送风