[發明專利]基于BP神經網絡預測循環流化床鍋爐最佳工作溫度的方法

在審

• 申請號: 201510018649.0
• 申請日: 2015-01-14
• 公開（公告）號: CN104504292A
• 公開（公告）日: 2015-04-08
• 發明（設計）人: 申濤;任萬杰;欒維磊;劉曉璞
• 申請（專利權）人: 濟南大學
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06N3/10
• 代理公司: 濟南圣達知識產權代理有限公司37221
• 代理人: 張勇

1.一種基于BP神經網絡預測循環流化床鍋爐最佳工作溫度的方法，其特征是：包括以下步驟：

(1)根據熱電廠循環流化床鍋爐的實際運行情況，選取燃料量x₁、石灰石量x₂、一次分量x₃、二次風量x₄作為BP神經網絡模型的輸入，將循環流化床鍋爐的最佳工作溫度作為BP神經網絡的輸出；

(2)記錄并存儲現場的歷史數據并作濾波處理，選取這些數據作為訓練集樣本，確定BP神經網絡的輸入層節點個數、隱含層結點個數、權值和閾值參數；

(3)通過BP神經網絡的方法結合輸入參數進行分析計算，得到預測出的熱電廠流化床鍋爐的最佳工作溫度；

(4)進行仿真測試，將通過預測的結果與現場的實際結果進行比對分析。

2.如權利要求1所述的基于BP神經網絡預測循環流化床鍋爐最佳工作溫度的方法，其特征是：所述步驟(1)中，具體方法為：根據熱電廠循環流化床鍋爐的實際運行情況，分析相關的輸入輸出量，通過仿真實驗，篩選出能夠對循環流化床最佳工作溫度進行分析的變量，作為BP神經網絡模型的輸入，將循環流化床鍋爐的最佳工作溫度作為BP神經網絡的輸出，最終選取燃料量x₁、石灰石量x₂、一次分量x₃、二次風量x₄作為輸入，流化床最佳工作溫度y₁作為輸出。

3.如權利要求1所述的基于BP神經網絡預測循環流化床鍋爐最佳工作溫度的方法，其特征是：所述步驟(2)中，具體方法包括：

(a)記錄并存儲現場的歷史數據并作濾波處理，選取這些數據作為訓練集樣本，訓練集樣本共有4組，分別為燃料量訓練集、石灰石量訓練集、一次風量訓練集、二次風量訓練集；

(b)定義BP神經網絡的輸入層的節點個數為n，由前面的分析得到n＝4，隱含層的節點個數為q，輸入層和隱含層的權值為ν_ki(k＝1,2,…,q；i＝1,2,…,n)，閾值為θ_i(i＝1,2,…,n)，輸出層的節點個數為m，可知m＝1，隱含層和輸出層的權值為ω_jk(j＝1,2,…,m；k＝1,2,…,q)，閾值為為隱含層的傳遞函數，f₂(·)為輸出層的傳遞函數。

4.如權利要求3所述的基于BP神經網絡預測循環流化床鍋爐最佳工作溫度的方法，其特征是：所述步驟(a)中，4組樣本數量都確定為165。

5.如權利要求1所述的基于BP神經網絡預測循環流化床鍋爐最佳工作溫度的方法，其特征是：所述步驟(3)中，具體的分析計算方法為：計算隱含層節點的輸出和輸出層節點的輸出，定義神經網絡的期望值輸出，并將計算的輸出誤差展開到隱含層和輸入層中，按照使BP神經網絡的權值和負梯度成正比的方法調整權值，訓練網絡。