|
|||||
|
|
| 基于神经网络在线学习的脱硝系统入口氮氧化物预测 | |
| 作者姓名： | 金秀章 张少康 |
| 作者单位： | 华北电力大学控制与计算机工程学院 |
| 摘 要： | 针对脱硝系统入口氮氧化物静态软测量预测模型不能满足变负荷时需求的问题,建立了一种基于神经网络在线学习的软测量模型.利用粒子群算法对静态神经网络的参数进行寻优,结合预报误差和当前预测误差的大小在线更新网络的权值、阈值和学习速率,可以满足不同负荷下的需求,利用电厂的实际运行数据对模型进行了验证.结果表明:在不同负荷下,建立的神经网络在线学习模型的准确性高,实时性好,泛化能力强,可以很好地对入口氮氧化物进行预测,为脱硝系统入口氮氧化物在线测量和监测提供了一种有效的方法. |
| 本文献已被 CNKI 等数据库收录！ | |