The invention discloses a neural network model for predicting wall temperature of utility boilers, which consists of an input layer, an implicit layer and an output layer. The input layer consists of two parts, namely, the external factors affecting the wall temperature and the historical data for predicting the wall temperature, and the number of nodes of the implicit layer is a formula.
【技术实现步骤摘要】
一种电站锅炉壁温预测神经网络模型
本专利技术涉及电站锅炉燃烧的自动控制领域，具体涉及一种电站锅炉壁温预测神经网络模型。
技术介绍
超(超)临界机组锅炉具有大容量、高参数特点，具有较高的发电效率，从而可以降低燃煤消耗量，同时能够降低污染物的生成，因此得到了迅速的发展。目前，我国投产的超(超)临界机组已经超过百台。然而，超(超)临界机组爆管问题时有发生，严重影响了超(超)临界机组的运行安全。研究表明，长时间超温运行、氧化皮堵塞、吹灰不当、烟气腐蚀等都会引起锅炉爆管，其中长时间超温运行是引起锅炉管壁超温的重要原因。为了应对上述超温问题，首先要实现对壁温的测量和预测。目前，壁温的测量主要从两方面入手。一是现场直接测量，即通过在锅炉管壁安装热电偶来实现壁温测量。该方法对测点周围的环境要求较高，而炉内环境往往较恶劣，对测量的精度和准确性有一定的影响。该方法只能够测得一点的温度，因此电厂普遍增设大量的壁温测点，以实现对壁温的全面监测。另外一种方法是通过软测量的方式进行计算，即通过机理分析等方法建立壁温预测模型对壁温进行预测。比如国内常见的有1973年热力计算标准《锅炉机组热力计...
【技术保护点】
1.一种电站锅炉壁温预测神经网络模型，由输入层、隐含层和输出层构成，其特征在于：所述输入层由两部分构成，分别为影响壁温的外部影响因素以及需预测壁温的历史数据；所述隐含层的节点个数由公式
【技术特征摘要】
1.一种电站锅炉壁温预测神经网络模型，由输入层、隐含层和输出层构成，其特征在于：所述输入层由两部分构成，分别为影响壁温的外部影响因素以及需预测壁温的历史数据；所述隐含层的节点个数由公式确定，其中m为输入层节点个数，n为输出层节点个数，a为1-10之间的常数；通过遗传算法确定隐含层权值；所述输出层由需预测壁温温度构成。2.根据权利要求1所述的一种电站锅炉壁温预测神经网络模型，其特征在于：所述输出层与输入层之间的关系可以用下式来表示：z(t)＝f(x(t-1),···,x(t-p),y(t-1),…,y(t-q))其中，x(t)表示的是神经网络的输入层中影响壁温的外部影响因素部分的历史数据；y(t)表示的是神经网络的输入层中需预测壁温的壁温历史数据；z(t)表示的是神经网络的预测输出，即需预测的壁温温度；p表示神经网络输入层中影响壁温外部影响因素的延迟阶数，q表示神经网络输入层中壁温历史数据的延迟阶数，每个延迟阶数对应的时间长度为一个采样周期...
【专利技术属性】
技术研发人员：卢彬，高林，刘茜，高海东，王林，王明坤，周俊波，
申请(专利权)人：西安热工研究院有限公司，
类型：发明
国别省市：陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。