基于信息熵的BP网络在热工系统建模中的应用

针对火电厂热工对象实时建模困难、模型精度不高、以及神经网络因输入量增多导致收敛速度大幅降低的问题,将近似决策熵属性约简用于BP(Back Propagation)网络的建模中,提出了一种基于信息熵的BP网络建模方法。该方法采用k-means聚类算法对现场数据进行预处理及有效性评价,用近似决策熵对系统输入进行属性约简,用BP网络训练建立非线性模型。通过将该方法应用于主汽温和NOx排放浓度建模表明,该方法模型精度高,而且有效降低了BP网络输入层的维数,简化了网络结构,提高了训练速度,对热工系统实时建模具有重要实用价值。

基于信息熵和BP神经网络的故障分类方法

为了实现电厂运行中设备故障类型的快速、准确判断,解决神经网络因输入量增多导致收敛速度大幅降低的问题,将基于近似决策熵模型的属性约简算法结合BP神经网络进行故障分类预测。基于信息熵的属性约简算法对故障样本数据进行预处理,得到约简决策表,将约简数据样本作为BP神经网络的输入进行训练,预测故障分类。将该方法用于汽轮机振动故障诊断,结果表明:有效降低了神经网络的输入维数,简化了网络结构,获得了较高的分类精度,同时降低了计算开销,对快速判断故障类型,提高维修效率,具有工程实用价值。

凝结水节流模糊参数自整定PID控制器

常规火电机组协调控制系统在调节负荷过程中存在较大的惯性与迟延,凝结水节流技术实现了快速提升负荷响应速度,但存在过度调节的问题。模糊参数自整定PID控制器充分利用PID控制中各个环节,在误差和误差变化发生改变时,根据模糊规则对PID控制参数进行在线修正,提高被控对象的动、静态性能。本文结合600 MW火电机组协调控制状态下系统的运行特点,提出将模糊参数自整定PID控制器应用于具有凝结水节流技术的协调控制系统。仿真结果表明:模糊参数自整定PID控制器应用于凝结水节流协调控制系统后,既提高了机组负荷响应速度,又很大程度上缓解了凝结水的过度调节;火电机组的系统性能和经济效益得到了有效提升。