采用卷积神经网络的电站锅炉燃烧效率建模方法

• 作者: 刘汉青 张建博 李梦迪 杨清宇 胡怀中
• 来源期刊: 西安交通大学学报
• 关键词: 电站锅炉燃烧效率 卷积神经网络 特征提取 主成分分析法
• 年，卷（期）: 2019,（10）
• 页码范围: 10-15
• 页数: 6页
• 分类号: TP273
• 语种: 中文
• DOI: 10.7652/xjtuxb201910002

摘要

针对电站锅炉燃烧效率经典建模方法精度较低的问题,提出了一种基于卷积神经网络(CNN)的新型建模方法.通过分析影响锅炉燃烧效率的各项因素,建立了以锅炉负荷、一二次风配风方式、烟气含氧量等参数为输入,锅炉燃烧效率为输出的建模数据集.由于CNN的核心特征是通过卷积运算从样本数据的空间关联中进行特征提取,所以为了加强输入样本数据的空间特征,利用主成分分析法(PCA)对数据进行重构.在此基础上,采用LeNet-5结构的CNN构建锅炉燃烧效率模型.仿真结果表明,经过PCA重构的锅炉燃烧效率CNN模型的检验集相对误差最小,相比经典模型减小了19.58％,该方法为锅炉燃烧效率的优化提供了新的思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨清宇	西安交通大学电子与信息工程学院	29	431	10.0	20.0
2	胡怀中	西安交通大学电子与信息工程学院	38	213	8.0	12.0
3	张建博	西安交通大学电子与信息工程学院	2	4	1.0	2.0
4	刘汉青	西安交通大学电子与信息工程学院	1	0	0.0	0.0
5	李梦迪	西安交通大学电子与信息工程学院	1	0	0.0	0.0