基于神经网络的火电厂锅炉效率预测系统及方法技术方案

本发明专利技术公开了基于神经网络的火电厂锅炉效率预测系统及方法，涉及火电厂技术领域，包括以下步骤：S100、收集火电厂锅炉运行期间的历史数据，对收集的数据进行清洗，选择与锅炉效率相关的特征。本发明专利技术通过使用BP神经网络等深度学习模型，提高预测准确性，通过计算燃煤指标与锅炉效率、运行指标与锅炉效率的斯皮尔曼相关系数，可以了解各个特征对于锅炉效率的影响程度，根据相关系数的结果，调整神经网络中与这些特征相关的权重，进一步优化模型，进一步提高预测准确性，通过预测锅炉效率，火电厂可以更精准地调整运行参数，实现更高效的能源转化，提高能源利用率，降低能源浪费。

【技术实现步骤摘要】

本专利技术涉及火电厂，具体涉及基于神经网络的火电厂锅炉效率预测系统及方法。

技术介绍

1、随着经济的快速发展，城市化的进程也在不断地提高，与此同时，人们无论是在工作中还是在生活中，对于电力有着更高的需求，故而对电厂有了更高的要求。就目前情况来看，我国的发电事业主要还是选择使用燃煤以及燃油来进行火力发电，而在转化的过程中，锅炉则有着不可忽视的作用。在热电厂中，锅炉有着十分重要的作用，即将燃料的化学能转化为热能，从而提供相应的电能和热能，也就是说煤炭或者石油等资源，通过转化，将其转变为热能，这些热能有一部分会直接被使用提供热能资源，而另一些则会通过一些途径转化为电能。

2、对火电厂锅炉效率进行预测，有以下（但不仅限于这些）好处：

3、火电厂锅炉的长期运行会导致磨损、积灰等问题，影响锅炉的性能，通过预测锅炉效率，可以提前发现可能影响效率的问题，从而及时采取维护措施，保持设备在最佳状态；

4、火电厂在能源转化中存在一定的损耗，通过提前了解锅炉效率，可以有针对性地采取节能减排措施，这包括优化燃烧过程、改进热能转换设备、减少能源浪费本文档来自技高网...

【技术保护点】

1.基于神经网络的火电厂锅炉效率预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于神经网络的火电厂锅炉效率预测方法，其特征在于，步骤S200中，数据标准化的具体步骤如下：

3.根据权利要求1所述的基于神经网络的火电厂锅炉效率预测方法，其特征在于，步骤S200中，构建BP神经网络模型的步骤如下：

4.根据权利要求1所述的基于神经网络的火电厂锅炉效率预测方法，其特征在于，步骤S300中，获取BP神经网络模型进行火电厂锅炉效率预测时的信息熵、KL散度以及模型复杂度，将信息熵、KL散度以及模型复杂度建立综合分析模型，生成拟合指数，通过拟合指数对...

【技术特征摘要】

1.基于神经网络的火电厂锅炉效率预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于神经网络的火电厂锅炉效率预测方法，其特征在于，步骤s200中，数据标准化的具体步骤如下：

3.根据权利要求1所述的基于神经网络的火电厂锅炉效率预测方法，其特征在于，步骤s200中，构建bp神经网络模型的步骤如下：

4.根据权利要求1所述的基于神经网络的火电厂锅炉效率预测方法，其特征在于，步骤s300中，获取bp神经网络模型进行火电厂锅炉效率预测时的信息熵、kl散度以及模型复杂度，将信息熵、kl散度以及模型复杂度建立综合分析模型，生成拟合指数，通过拟合指数对bp神经网络模型进行火电厂锅炉效率预测的性能进行评估，根据拟合指数增加训练数据量使bp神经网络模型泛化新数据或者提高模型复杂度，依据的公式为：，式中，、、分别表示信息熵、kl散度以及模型复杂度，、、分别为信息熵、kl散度以及模型复杂度的预设比例系数，且、、均大于0。

5.根据权利要求4所述的基于神经网络的火电厂锅炉效率预测方法，其特征在于，信息熵的计算表达式为：，其中，表示随机变量x的信息熵，n表示随机变量的可能取值的个数，n为正整数，表示随机变量x取值为的概率；

【专利技术属性】
技术研发人员：王辉，张依依，甘玮，韩金涛，王翔，薛泽彬，王晴，张子涵，费依蕃，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：