基于RBF神经网络的热力系统煤种辨识方法

• 作者: 徐向东 董均华
• 来源期刊: 清华大学学报（自然科学版）
• 学科: 工学
• 关键词: 低位发热值 煤种辨识 径向基函数神经网络
• 年，卷（期）: 2006,（8）
• 所属期刊栏目: 热能工程
• 页码范围: 1430-1433
• 页数: 4页
• 分类号: TK223.7
• 字数: 3523字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-0054.2006.08.023

摘要

为了保证热力系统稳定运行,提高锅炉安全寿命,控制污染物,该文利用多模型思想,对煤种低位发热值进行初步辨识和精确辨识.初步辨识中,采用改进的K均值聚类算法,快速辨识出煤种类型;精确辨识中,利用初步辨识的结果优化发热量辨识模型,减少模型搜索范围,采用自动调节隐节点和参数的径向基函数(RBF)神经网络算法.仿真结果表明,该辨识方法的辨识误差在1.5%以内,具有良好的辨识精度,在速度上也优于单独的RBF辨识算法,可以应用于热力系统煤种发热量在线辨识.