基于PLS与神经网络的数据建模方法研究-动力工程专业论文.docxVIP

摘要 摘要 I I 摘 要 飞灰含碳量对锅炉机组燃烧效率和机组总体性能至关重要，但其特性十分复 杂，受到如锅炉负荷、一次风总风压、二次风总风压等多种因素的影响，难以用公 式进行估算。一般采用实际测试方法加以确定，并由预测结果探索出降低飞灰含碳 量的办法。由于运行数据庞大，预测工况有限，各参数对锅炉的燃烧特性存在影响， 且相互叠加，导致数据分析困难。因此，需要建立飞灰含碳量与各运行参数之间的 关系用于指导锅炉的优化运行。 本文研究了偏最小二乘法与神经网络的计算过程，以火电机组运行数据为基 础，找出影响飞灰含碳量的各个变量，对各个变量进行具体分析，去掉对飞灰含碳 量影响可以忽略的变量。根据现场运行数据筛选用以建模的最优数据。基于偏最小 二乘法与神经网络相结合研发了飞灰含碳量的预测模型，用 Matlab 语言编写了相关 计算程序；对所选数据进行飞灰含碳量预测，和实际运行飞灰含碳量的数值进行比 较，所建模型预测准确。用检验数据验证了所建模型的准确性和精确性。研究结果 表明，用偏最小二乘法与神经网络法的预测模型预测飞灰含碳量合理准确，与实际 值相差不大。但是，本文预测结果和实际结果仍存在一定偏差，具体原因还有待进 一步分析。 关键词：偏最小二乘法；神经网络；飞灰含碳量；数据建模 华北电力大学硕士学位论文 华北电力大学硕士学位论文 II II Abstract The measurement