论文部分内容阅读
火电机组在运行过程中不仅产生大量的历史数据，同时这些边界参数还与热耗率之间存在复杂的非线性关系。针对某电厂的实时数据，首先利用敏感性分析，从大量的机组运行参数中筛选出对机组能耗影响较大的重要参数：负荷、循环水人口温度、主蒸汽温度、再热蒸汽温度、主蒸汽压力、循环水流量。然后，对BP和,RBF神经网络在热耗率与机组边界参数的应用进行了对比分析。训练和预测结果表明，BP和RBF神经网络都能对此进行分析研究，但RBF比BP神经网络的训练和预测的相对误差较小些，可以更准确地对机组热耗进行预测。为今后的可控参数优化提