[發明專利]基于貝葉斯神經網絡算法的蒸汽管網預測系統

無效

• 申請號: 201310300837.3
• 申請日: 2013-07-17
• 公開（公告）號: CN103425743A
• 公開（公告）日: 2013-12-04
• 發明（設計）人: 馬湧;徐朝暉;吳疆;劉開勇;周謙干;王翔宇;蔡尹楚;楊煬;陳偉;蔣宇佳
• 申請（專利權）人: 上海金自天正信息技術有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06N3/08
• 代理公司: 上海精晟知識產權代理有限公司 31253
• 代理人: 馮子玲

技術領域

本發明涉及保健按摩器械領域，具體地說，特別涉及到一種貝葉斯神經網絡算法以及基于該算法的蒸汽管網預測系統。

背景技術

蒸汽是鋼鐵企業重要能源介質之一。在大型聯合鋼鐵企業里，蒸汽系統是具有大時滯、大慣性、非線性、多變量耦合、變參數等特點的復雜對象，具體表現在多分散用戶、多汽源、多壓力等級（中、低壓）、多工況變化(季節、生產方案)，操作管理人員缺乏對管網運行工況信息的準確預測和有效控制。面對如此復雜的運行狀況，管理人員大多數還是采用“因應式”的調度管理方式，依靠多年來生產所積累的經驗指揮系統運行，時常發生放空、降質使用等情況，造成極大的浪費。這樣必然導致缺乏有效的管網運行預測控制手段。

貝葉斯神經網絡是一種將貝葉斯原理與神經網絡相結合的數據挖掘方法，它將貝葉斯原理引入到神經網絡的權值學習中，以權值的后驗概率為優化目標函數，通過最大化權值的后驗概率來求取神經網絡的權值，從而建立完整的神經網絡模型。基于貝葉斯方法的神經網絡被廣泛地應用于非線性系統模型辨識研究，并取得了良好的實際效果。

發明內容

本發明采用基于貝葉斯網絡的人工神經算法對蒸汽管網運行工況進行預測研究，預測結果可用于管網調度控制，為優化管網運行提供決策支持。基于貝葉斯網絡算法來訓練神經網絡，可以提高網絡的泛化能力。為避免網絡的過訓練，在網絡的目標函數中引入了表示網絡結構復雜性的懲罰項，以便能夠通過在訓練優化過程中降低網絡結構的復雜性。

本發明所解決的技術問題可以采用以下技術方案來實現：

基于貝葉斯神經網絡算法的蒸汽管網預測系統，其特征在于：包括實時數據庫服務器、應用服務器、關系數據庫服務器和工程師站；

所述實時數據庫服務器具有數據采集模塊和實時數據庫，數據采集模塊用于采集現場數據并將其存儲于實時數據庫中，實時數據庫用于向貝葉斯神經網絡預測模塊提供現場數據；

所述應用服務器具有貝葉斯神經網絡預測模塊，應用服務器與實時數據庫服務器連接，所述貝葉斯神經網絡預測模塊采用貝葉斯神經網絡算法，用于根據現場數據計算出蒸汽管網的運行工況模型和數據；

所述關系數據庫服務器具有關系數據庫，所述關系數據庫的端口分別與應用服務器和工程師站連接，用于存儲貝葉斯神經網絡預測模塊計算得出的運行工況模型和數據；

所述工程師站具有數據顯示模塊，該數據顯示模塊用于讀取并顯示關系數據庫中存儲的運行工況模型和數據；所述數據顯示模塊具有數據接口部分，用于向貝葉斯神經網絡預測模塊輸入數據。

一種用于蒸汽管網預測系統的貝葉斯神經網絡算法，其特征在于：所述算法流程如下：

1）計算貝葉斯神經網絡的誤差函數J_D：

JD=12Σk=1KΣn=1N(dnk-onk)2]]>

式中，d_nk為網絡的實際輸出，o_nk為期望輸出值，k為樣本個數，n為神經網絡的輸出量個數；

2）計算權衰減項J_W：