采用卷积神经网络的电站锅炉燃烧效率建模方法 |
| |
引用本文: | 胡怀中,张建博,刘汉青,李梦迪,杨清宇.采用卷积神经网络的电站锅炉燃烧效率建模方法[J].西安交通大学学报,2019(10). |
| |
作者姓名: | 胡怀中 张建博 刘汉青 李梦迪 杨清宇 |
| |
作者单位: | 西安交通大学电子与信息工程学院 |
| |
摘 要: | 针对电站锅炉燃烧效率经典建模方法精度较低的问题,提出了一种基于卷积神经网络(CNN)的新型建模方法。通过分析影响锅炉燃烧效率的各项因素,建立了以锅炉负荷、一二次风配风方式、烟气含氧量等参数为输入,锅炉燃烧效率为输出的建模数据集。由于CNN的核心特征是通过卷积运算从样本数据的空间关联中进行特征提取,所以为了加强输入样本数据的空间特征,利用主成分分析法(PCA)对数据进行重构。在此基础上,采用LeNet-5结构的CNN构建锅炉燃烧效率模型。仿真结果表明,经过PCA重构的锅炉燃烧效率CNN模型的检验集相对误差最小,相比经典模型减小了19.58%,该方法为锅炉燃烧效率的优化提供了新的思路。
|
关 键 词: | 电站锅炉燃烧效率 卷积神经网络 特征提取 主成分分析法 |
Power Plant Boiler Combustion Efficiency Modeling Approach Based on Convolutional Neural Networks |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|