基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
以某300 MW汽轮机为例,建立了基于主成分分析与神经网络复合模型的汽轮机排汽焓计算模型.首先分析了主成分分析和人工神经网络计算原理.然后采集了影响汽轮机排汽焓的各个主要参数的历史数据.并对采集到的数据进行了数据预处理,对剔除坏点后的历史数据做主成分分析,得到了累计贡献值大于99.95%的4个主要成分.并以这4个主要成分作为BP神经网络的输入变量,汽轮机排汽焓作为输出变量,建立基于主成分分析与神经网络复合模型的汽轮机排汽焓计算模型,通过对模型的训练和验证,得到了汽轮机排汽焓计算模型,便于在线监测中进行实时调用.研究结果表明:主成分分析能够确定合理的BP神经网络输入变家个数.提高训练精度和训练速度;主成分分析与神经网络复合模型对排汽焓的计算精度符合工程要求;排汽焓在各个负荷工况下波动不大.
推荐文章
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
基于对向传播神经网络的汽轮机排汽焓预测计算
汽轮机
排汽焓
对向传播神经网络
预测
基于主成分分析的BP神经网络长期预报模型
主成分分析
学习矩阵
BP神经网络
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
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 基于主成分分析与神经网络复合模型的汽轮机排汽焓计算
来源期刊 中国电力 学科 工学
关键词 汽轮机 排汽焓 主成分分析 神经网络
年,卷(期) 2018,(1) 所属期刊栏目 发电
研究方向 页码范围 126-132
页数 7页 分类号 TM621
字数 3262字 语种 中文
DOI 10.11930/j.issn.1004-9649.201702049
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 杨永军 5 19 3.0 4.0
2 杨斌 2 6 2.0 2.0
3 张亚 1 3 1.0 1.0
4 黄猛 1 3 1.0 1.0
5 李昆仑 1 3 1.0 1.0
6 邓新亮 1 3 1.0 1.0
7 白欢庆 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (37)
共引文献  (74)
参考文献  (9)
节点文献
引证文献  (3)
同被引文献  (39)
二级引证文献  (13)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(5)
  • 参考文献(2)
  • 二级参考文献(3)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(5)
  • 参考文献(1)
  • 二级参考文献(4)
2002(5)
  • 参考文献(1)
  • 二级参考文献(4)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(7)
  • 引证文献(2)
  • 二级引证文献(5)
2020(8)
  • 引证文献(0)
  • 二级引证文献(8)
研究主题发展历程
节点文献
汽轮机
排汽焓
主成分分析
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
中国电力
月刊
1004-9649
11-3265/TM
大16开
北京市昌平区北七家镇未来科技城北区国家电网公司办公区B315
2-427
1956
chi
出版文献量(篇)
7025
总下载数(次)
12
总被引数(次)
92972
论文1v1指导