【摘要】：為了準確地建立汽輪機熱耗率預(yù)測模型,提出了一種基于反向?qū)W習自適應(yīng)的鯨魚優(yōu)化算法(AWOA)和快速學習網(wǎng)(FLN)綜合建模的方法。首先將改進后的鯨魚算法與經(jīng)典改進的粒子群、差分進化算法和基本鯨魚算法進行比較,結(jié)果證明其具有更高的收斂精度和更快的收斂速度;然后采用某熱電廠600 MW超臨界汽輪機組現(xiàn)場收集的運行數(shù)據(jù)建立汽輪機熱耗率預(yù)測模型,并將改進后的鯨魚算法優(yōu)化的快速學習網(wǎng)模型的預(yù)測結(jié)果與基本快速學習網(wǎng)及經(jīng)典改進的粒子群、差分進化算法和基本鯨魚算法優(yōu)化的快速學習網(wǎng)模型預(yù)測結(jié)果相比較。結(jié)果表明,AWOA-FLN預(yù)測模型具有更高的預(yù)測精度和更強的泛化能力,更能準確地預(yù)測汽輪機的熱耗率。
[Abstract]:In order to accurately establish the prediction model of steam turbine heat consumption, an integrated modeling method based on reverse learning adaptive whale optimization algorithm (AWOA) and fast learning net (FLN) was proposed. Firstly, the improved whale algorithm is compared with the classical improved particle swarm optimization, differential evolution algorithm and basic whale algorithm. The results show that the improved whale algorithm has higher convergence accuracy and faster convergence speed. Then, the prediction model of steam turbine heat consumption rate is established by using the operation data collected from a 600 MW supercritical steam turbine unit in a thermal power plant. The prediction results of improved fast learning net model optimized by whale algorithm are compared with those of basic fast learning network, classical improved particle swarm optimization, differential evolution algorithm and fast learning net model optimized by basic whale algorithm. The results show that the AWOA-FLN prediction model has higher prediction accuracy, stronger generalization ability and more accurate prediction of heat consumption rate of steam turbine.
【作者單位】： 燕山大學電氣工程學院;
【基金】：國家自然科學基金項目(61573306,61403331)~~
【分類號】：TP18;TM621.3

【相似文獻】

相關(guān)期刊論文 前10條

1 高玉忠,董宏宇;汽輪機評標熱耗率探討[J];汽輪機技術(shù);2001年05期

2 方超;循環(huán)水參數(shù)對汽輪機熱耗率的實用修正方法[J];熱力透平;2004年04期

3 張文琴;付忠廣;靳濤;劉剛;;基于偏最小二乘算法的熱耗率回歸分析[J];現(xiàn)代電力;2009年05期

4 張文杰;;超超臨界機組熱耗率高原因分析與解決方案[J];硅谷;2012年20期

5 閆順林;蘭紅穎;;進汽參數(shù)變化對汽輪機熱耗率影響的分析[J];汽輪機技術(shù);2013年01期

6 陳偉;;海外工程中燃料付款與熱耗率及煤耗的關(guān)聯(lián)研究[J];華電技術(shù);2013年09期

7 許靜平;;對鍋爐進行在線監(jiān)測以降低運行費用[J];電力技術(shù);1983年04期

8 張建,曹祖慶;中間再熱機組在動態(tài)過程中的熱耗率在線監(jiān)測數(shù)學模型[J];汽輪機技術(shù);1992年01期

9 王雷;張欣剛;王洪躍;司風琪;徐治皋;;基于支持向量回歸算法的汽輪機熱耗率模型[J];動力工程;2007年01期

10 云曦;閻維平;;火電廠汽輪機組熱耗率計算影響因素的分析[J];電力設(shè)備;2007年03期

相關(guān)會議論文 前3條

1 任少君;司風琪;顧慧;徐治皋;;基于滑動樣本熵的汽輪機熱耗率不確定度分析[A];2012電站自動化信息化學術(shù)和技術(shù)交流會議論文集[C];2012年

2 魏鋒;駱偉;;徐塘公司300MW汽輪機通流改造[A];全國火電300MW級機組能效對標及競賽第四十二屆年會論文集[C];2013年

3 顧慧;司風琪;徐治皋;;基于Clustream數(shù)據(jù)流聚類的汽機性能監(jiān)測方法[A];智能化電站技術(shù)發(fā)展研討暨電站自動化2013年會論文集[C];2013年

相關(guān)碩士學位論文 前2條

1 韓瑜;基于數(shù)據(jù)挖掘的單元機組運行參數(shù)的優(yōu)化研究[D];華北電力大學;2016年

2 張向業(yè);基于焓值模型的火電廠汽輪機熱耗率計算[D];燕山大學;2014年

，

本文編號：2422658