摘要
针对目前大型电站系统中汽轮机组的一些测点容易损坏并导致热经济性分析的结果产生重大偏差的特点 ,对人工神经 BP网络模型做了改进 ,使其具有很强的自适应能力而能使网络的收敛方向和速度得到优化 ,并编制了相应的程序。作为实例 ,本文对某一实际机组进行了仿真试验 ,结果表明该改进的 BP网络具有很强的自适应能力 ,绝大多数的数据误差在 1 .5 %以下 ,可以满足工程实际的需要。同时 ,本文利用人工神经网络模型结合模糊逻辑建立了汽轮机组的故障诊断系统 ,由于人工神经网络在实际应用中不涉及具体的物理模型 ,因而其结果具有很高的实际意义 ;本文利用模糊神经网络模型对某一实际的汽轮机组进行了故障诊断 ,诊断结果与检修实际情况是基本一致的。因此 ,该模型对动力系统的热力参数在线仿真、减少传感器的维护量 ,特别是对汽轮机组故障诊断技术水平的提高有很大的意义 ;与此同时使得基于参数采集的应用软件的可靠性程度也大大的增强了。
A kind of improved BP network model based on the theory of artificial neural network is proposed and corresponding calculation program is developed.As an example this paper has simulated some key thermal parameters of the real units.The results show that relative error of most data is below 1.5% and prove this model is universally practical.Meanwhile in this paper a fuzzy neural network with self adaptation is used to diagnose faults of the steam turbine passage.With this method we have also got the satisfying results.Therefore this model is very useful for online simulation of the thermal parameters of dynamical systems and reduces maintenance of the sensors as well as increase reliability of the applied software based on data acquisition.
出处
《电力系统及其自动化学报》
CSCD
2002年第2期43-45,59,共4页
Proceedings of the CSU-EPSA
