原文服务方: 热力发电       
摘要:
在线机组热力系统性能计算中,汽轮机的排汽通常处于湿蒸汽区,排汽干度目前无法实现直接测量。对此,将神经网络方法应用于汽轮机排汽焓的估算,通过分析汽轮机排汽焓的影响因素,并对数据进行无量纲化处理,对BP神经网络在不同训练函数下的计算精度与速度,以及BP神经网络与RBF神经网络计算排汽焓的准确度进行比较。结果表明:BP 神经网络对训练函数的依赖程度较大,部分函数在计算中随机性较强、计算时间较长;traingdx、trainscg和trainoss 3个函数计算时间较短、计算精度较高,可作为训练函数;RBF神经网络的计算误差较BP神经网络大,但其自适应能力强,对训练函数的依赖程度较小,在训练样本足够多时,可以减小其计算误差。
推荐文章
汽轮机低压缸排汽通道优化改造
低压缸
排汽通道
导流装置
优化
改造
提高汽轮机排汽焓在线预测精度的 GA-Elman 神经网络算法
汽轮机
排汽焓
在线计算
预测精度
Elman
GA
基于PSO-Elman神经网络的汽轮机排汽焓在线预测计算
汽轮机
排汽焓
Elman神经网络
粒子群优化算法
在线预测
基于Elman神经网络的汽轮机排汽焓在线预测计算
汽轮机
排汽焓
Elman神经网络
在线预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 神经网络算法在汽轮机排汽焓估算中的应用
来源期刊 热力发电 学科
关键词 汽轮机排汽焓 估算 BP神经网络 RBF神经网络
年,卷(期) 2014,(8) 所属期刊栏目 发 电 技 术 论 坛
研究方向 页码范围 125-130
页数 6页 分类号 TK263.1
字数 语种 中文
DOI 10.3969/j.issn.1002-3364.2014.08.125
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨勇平 华北电力大学新能源国家重点实验室 313 4455 36.0 53.0
2 侯宏娟 华北电力大学新能源国家重点实验室 26 416 10.0 20.0
3 吴俊杰 华北电力大学新能源国家重点实验室 3 9 1.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (33)
共引文献  (41)
参考文献  (9)
节点文献
引证文献  (8)
同被引文献  (44)
二级引证文献  (16)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(4)
  • 参考文献(1)
  • 二级参考文献(3)
1999(3)
  • 参考文献(1)
  • 二级参考文献(2)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(7)
  • 参考文献(0)
  • 二级参考文献(7)
2002(6)
  • 参考文献(0)
  • 二级参考文献(6)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(3)
  • 引证文献(3)
  • 二级引证文献(0)
2017(4)
  • 引证文献(1)
  • 二级引证文献(3)
2018(7)
  • 引证文献(2)
  • 二级引证文献(5)
2019(8)
  • 引证文献(1)
  • 二级引证文献(7)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
汽轮机排汽焓
估算
BP神经网络
RBF神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
热力发电
月刊
1002-3364
61-1111/TM
大16开
西安市雁塔区雁翔路99号博源科技广场A座
1972-01-01
中文
出版文献量(篇)
6331
总下载数(次)
0
总被引数(次)
39999
论文1v1指导