时序-神经网络模型在磨煤机一次风量测量中的应用.pdfVIP

第38卷第1期自动化仪表Vol．38No．1

2017年1月PROCESSAUTOMATIONINSTRUMENTATIONJan.2017

时序-神经网络模型在磨煤机一次风量测量中的应用

金秀章,张少康,尹子剑,刘潇

(华北电力大学控制与计算机工程学院,河北保定071003)

摘要:针对制粉系统存在的大惯性和大迟延等特点,提出了一种基于时序-神经网络的一次风量软测量模型。在建模过程中,考

虑了生产过程输入变量和输出变量的时序,给出了辅助变量选取和数据预处理方法。某电厂实际运行结果表明,该模型的准确性较

目前广泛应用的静态神经网络软测量模型有显著提高。该研究为磨煤机一次风量的测量提供了一定的理论基础。

关键词:火电厂;制粉系统;磨煤机;风量;软测量;时间序列;BP神经网络;人工智能;归一化处理;数据挖掘

中图分类号:TH71;TP183文献标志码:ADOI:10686/ki.issn1000-0380.201701011

ApplicationoftheTimeSequence-NeuralNetworkModel

inMeasurementofPrimaryAirFlowofPulverizer

JINXiuzhang,ZHANGShaokang,YINZijian,LIUXiao

(SchoolofControlandComputerEngineering,NorthChinaElectricPowerUniversity,Baoding071003,China)

Abstract:Inaccordancewiththecharacteristicsoflargeinertiaandlargetimelagofthecoalpurverizingsystem,themodelofsoft

measurementofprimaryairflowbasedontimesequence-neuralnetworkisproposed.Inthemodelingprocess,thetime

sequencesofinputvariablesandoutputvariablesofproductiveprocessareconsidered,themethodsofsecondaryvariables

selectionanddatapretreatmentaregiven.Thesimulationverificationofmodelisconductedusingthepracticalhistoricaloperation

dataofcertainpowerplant,theresultsindicatethatcomparingwiththecommonlyusedstaticneuralnetworksoftmeasurement

models;theprecisionofthismodelisobviouslyimproved.Theresearchprovidescertaintheoreticalbasisforthemeasurementof

primaryairflowofpulverizers.

Keywords:Thermalpowerplant;Coalpulverizingsystem;Pulverizer;Airflow;Softmeasurement;Timeseries;BPneural

network;Artificialintellegence;Normalizedprocessing;Datamining

输入变量和输出变量的时序分析,并通过仿真验证了

0引言