应用局部投影网络预测燃料分级燃烧锅炉的飞灰含碳量

火电厂煤粉燃烧效率体现在燃尽程度上,一般用锅炉的飞灰含碳量来进行评价。这个参数的预知对燃料分级燃烧优化,即在能够降低NOx的排放的同时保证煤粉的燃烧效率,进而提高锅炉运行效率极为重要。分析了锅炉飞灰含碳量的影响因素,利用局部投影神经网络LPN结构简单、收敛速度快、泛化能力强和适用于非线性时变过程的特点,建立锅炉的飞灰含碳量动态预测模型。利用锅炉热态试验所得数据训练和测试该模型,结果表明,预测模型较精确地预测了飞灰含碳量,从而为燃料分级燃烧优化的进行提供了模型基础。

一种新型RBF网络序贯学习算法

静态神经网络由于自身的局限性难于对非线性时变过程进行建模和预测, 而最小资源分配网络(M-RAN)又因调节参数过多难于实现. 提出了一种新型的基于局部投影概念的RBF网络序贯学习算法: 局部投影网络LPN, 进而对算法进行了最小化改进. 在此基础上进行了详细的算例验证.