為研究提升鍋爐效率的方法,首先基于某電廠燃燒數(shù)據(jù)進(jìn)行深度分析,確定了燃燒過程中的主要熱損失來源——排煙熱損失q₂和未燃?xì)怏w熱損失q3,以及影響q₂和q₃的主要參數(shù)——排煙溫差和CO含量;然后利用BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)對排煙溫差和CO含量分別進(jìn)行建模,預(yù)測燃燒過程中排煙溫差和CO含量的變化趨勢,使控制系統(tǒng)能提前調(diào)整相關(guān)參數(shù),從而降低q₂和q₃的數(shù)值,進(jìn)而提升鍋爐效率。建模結(jié)果表明:針對CO含量建立的BP和RBF模型效果并不太理想,而建立的排煙溫差RBF模型能準(zhǔn)確預(yù)測排煙溫差的變化規(guī)律,模型精度較高,能在現(xiàn)場中實(shí)際應(yīng)用。

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引言
1 數(shù)據(jù)分析
2 建模技術(shù)簡介
    2.1 BP神經(jīng)網(wǎng)絡(luò)
    2.2 RBF神經(jīng)網(wǎng)絡(luò)
3 建立模型
    3.1 CO含量建模
    3.2 排煙溫差建模
4 結(jié)語



本文編號：3908053