目前,火力發(fā)電廠的鍋爐的經(jīng)濟(jì)性和安全性取決于燃燒的穩(wěn)定性。在火電廠鍋爐燃燒系統(tǒng)中,磨煤機(jī)系統(tǒng)中的一次風(fēng)系統(tǒng)是保證煤粉輸送和鍋爐燃燒的重要系統(tǒng),一次風(fēng)量是一次風(fēng)系統(tǒng)中最重要的參數(shù),送風(fēng)的安排對(duì)鍋爐燃燒的實(shí)惠性萬分關(guān)鍵。所以,有必要合理地預(yù)測(cè)磨煤機(jī)的一次風(fēng)流量,以保障一次風(fēng)量的可操縱性,提高磨煤機(jī)一次風(fēng)量預(yù)測(cè)和估計(jì)的精度,為磨煤機(jī)一次風(fēng)量的在線監(jiān)測(cè)和優(yōu)化運(yùn)行提供數(shù)據(jù)支持。針對(duì)火電廠磨煤機(jī)一次風(fēng)量的預(yù)測(cè),本文先選取了10個(gè)有關(guān)磨煤機(jī)一次風(fēng)量的運(yùn)行參數(shù);然后采用灰色關(guān)聯(lián)度分析法對(duì)采集的數(shù)據(jù)進(jìn)行處理,可選取確定5個(gè)與磨煤機(jī)一次風(fēng)量的關(guān)聯(lián)度較大的影響因素;再采用層次聚類分析算法對(duì)選取的5個(gè)影響磨煤機(jī)一次風(fēng)量的各類因素的歷史數(shù)據(jù)進(jìn)行分類,從中選擇用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的數(shù)據(jù);最后根據(jù)聚類結(jié)果,選擇與預(yù)測(cè)日條件相近的歷史數(shù)據(jù)作訓(xùn)練樣本,檢驗(yàn)樣本為預(yù)測(cè)日的一次風(fēng)量值,通過Matlab軟件建立BP神經(jīng)網(wǎng)絡(luò)仿真模型進(jìn)行一次風(fēng)量的預(yù)測(cè),并進(jìn)行預(yù)測(cè)數(shù)值的誤差檢驗(yàn)。本文的創(chuàng)新點(diǎn)在于針對(duì)火電廠磨煤機(jī)一次風(fēng)量的預(yù)測(cè),采用K-均值算法結(jié)合AGNES算法的方法進(jìn)行層次聚類分析,可以讓聚類既準(zhǔn)確又快速。結(jié)果表明預(yù)測(cè)數(shù)值的相對(duì)誤差... 

【文章來源】：上海電機(jī)學(xué)院上海市

【文章頁數(shù)】：98 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 火電廠磨煤機(jī)一次風(fēng)量的研究現(xiàn)狀
        1.2.1 國內(nèi)的技術(shù)研究
        1.2.2 國外的技術(shù)研究
    1.3 論文研究內(nèi)容和技術(shù)路線
        1.3.1 研究內(nèi)容
        1.3.2 技術(shù)路線
第二章 灰色關(guān)聯(lián)度模型的建立
    2.1 引言
    2.2 灰色關(guān)聯(lián)度算法
    2.3 影響因素的選用分析
    2.4 本章小結(jié)
第三章 基于層次聚類算法的數(shù)據(jù)分類
    3.1 引言
    3.2 層次聚類算法
    3.3 數(shù)據(jù)分類分析
    3.4 本章小結(jié)
第四章 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的建立
    4.1 引言
    4.2 BP神經(jīng)網(wǎng)絡(luò)算法
    4.3 磨煤機(jī)一次風(fēng)量的預(yù)測(cè)分析
    4.4 本章小結(jié)
第五章 結(jié)束語
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
附錄1 MPS—89K（N）磨煤機(jī)
附錄2 論文的原始數(shù)據(jù)
致謝
攻讀碩士學(xué)位期間取得的研究成果



本文編號(hào)：2980327