时延神经网络的NOx排放动态建模

针对复杂工业过程中NOx排放参数建模及预测的问题,引入时延辅助变量,将非稳态工业过程中容易测量失真的辅助变量时间信号转化为空间状态。采用径向基函数(RBF)时延神经网络,利用与预测参数相关的辅助变量和时延辅助变量构建NOx排放的动态模型。仿真结果表明:选取重要辅助变量(总燃料量)的时延单元作为时延辅助变量,通过神经网络训练,可以获得包含非稳态燃烧过程丰富特性的参数模型;设定相同条件,与静态模型进行比较。结果表明,动态模型的内部神经元个数明显少于静态模型,模型结构更紧凑,训练时间更短,泛化能力更强。该方法能提高复杂非稳态工业过程热力参数模型的预测精度,具有较高的应用价值。

西门子超超临界1000 MW机组DEH甩负荷控制功能异常分析及处理

随着热控自动化检测及控制技术、汽轮机监测仪表的精确度及灵敏度、DEH控制系统的控制精度及速度的提高,机组对外界工况变化的响应速度亦有了大幅提升。文章以国华徐电#1、#2超超临界1 000 MW机组2012年7月7日电网负荷波动为实例,分析了机组在电网负荷异常波动时,汽轮机DEH控制系统快速响应控制及保护联动过程。

优化发电业务流程

神华北京国华电力有限责任公司（以下简称国华电力公司）从1999年3月成立至今，经历了十年的发展，在电力行业中独树一帜，成为资产优良、效益领先、管理先进的新型独立电力公司。形成了一整套适合企业有效实施的专业化、信息化、标准化管理的企业管控体系。为了适应电力供需变化和应对金融危机爆发带来的冲击，