行
业
产
品
功
能
北极星电力网技术频道 作者:佚名 2007/12/28 18:50:24
人工神经网络在电厂化学监督中的应用
黄兴德于萍罗运柏
武汉大学(湖北武汉430072)
摘要：从应用角度介绍人工神经网络ANN的结构、工作方式和典型算法，总结了ANN在电厂化学工作各个方面的应用，分析了当前工作中存在的问题，提出了改进的方法和措施。关键词：人工神经网络BP算法化学监督故障诊断1人工神经网络模型结构及算法简介［1—4］人工神经网络是以人脑智能为研究对象、模仿人体神经细胞的信息处理方法所构建的智能仿生模型。它是以神经元为基本运算单元、以神经元之间的连接权为知识存储单元形成的一种广泛互连的信息处理系统，是算法和结构的统一体、硬件和软件的混合体。从应用的角度出发，本文主要介绍人工神经网络模型3个方面的问题。1.1神经元特性神经元是输入、输出信息的基本单元，具有兴奋与抑制、学习与遗忘功能。神经元一般有3种类型：输入单元、输出单元、隐层单元。一个神经元可以用一个多输入/单输出的非线性结点表示，结构模型如图1，形式化描述如下：
式中，Ij表示神经元j的总输入；wij为神经元j和神经元i的结合强度，称为连接权；xi为神经元i的输出；θj为神经元j的阀值；Oj为神经元的输出；f称为转换函数或激励函数，目前广为采用Sigmoid函数：
1.2神经元之间相互连接的形式——拓扑结构单个神经元的结构简单，功能极其有限，但大量神经元互连而形成的模式反映神经网络的结构，决定着这个网络的能力和非线性特性。神经元之间相互连接的形式分为前馈型和反馈型，前馈网络是信息流单向流动的模型；反馈网络中所有神经元都是计算单元，同时可接受输入，并向外界输出，信息是双向流动的。1.3神经网络的工作方式神经网络的工作包括两个阶段：学习期和工作期。人工神经网络的学习是指确定连接权的方法和过程，按学习方式不同分为有导师学习(图2a)和无导师学习(图2b)，对应着分类和聚类两种学习过程，图中x,o,d分别为学习样本、输出和学习信号，ρ(d,o)为输出和学习信号间的距离。在学习期内，神经元之间的连接权根据学习规则进行修改，以使目标函数达到最小。在工作期内，固定连接权值，由网络的输入得到相应的输出。
从理论上讲，任何一种非线性映射都可以用一个3层前馈网络来实现。3层前馈神经网络(图3)是目前在电厂化学工作中应用得较多的网络模型，学习算法则以BP算法及其改进算法为主。BP算法属有导师学习，其学习过程由正向传播和反向传播组成。在正向传播过程，输入信息从输入层到隐层逐层处理，并传向输出层，每一层神经元的状态只影响下一层神经元的状态，如果输出层不能达到期望输出，则转入误差反向传播过程，误差信号沿原来的连接通路返回，并调整各层神经元的权值和阀值。对于给定的一个训练集，用每一个个体训练网络，重复前向传播和误差反向传播过程，直到该网络对训练集中的每个输入信息的实际输出和期望输出的误差都小于一个设定值。2人工神经网络在电厂化学中的应用人工神经网络技术以其模拟人脑的工作方式、并行分布处理模式和自学习能力而具有强大生命力，对解决复杂非线性、难于建立精确数学模型的问题有着良好的适应性，这也是人工神经网络模型广泛应用于电厂化学领域的原因之一。2.1煤的发热量模型煤的发热量是表征煤质的一个重要参数，在计算煤耗、锅炉热平衡、热效率,估测理论燃烧温度，指导锅炉燃烧而确定不同煤种的混烧配比时都要用到。目前广泛采用氧弹量热仪测离线煤的发热量，结果准确，自动化程度高。但其操作过程繁琐，费时长，且对外界环境温度敏感，尤其对炉前煤缺乏快速准确的反映。人们利用煤的工业分析和元素分析组成的数据，应用数理统计的方法进行线性回归得到煤的发热量的数学模型，以期快速估算。事实上，煤的发热量与水分、挥发份、固定碳之间存在着很强的非线性关系，此类模型精度差。但在一定程度上启发人们利用神经网络模型解决这类具有复杂非线性关系的问题。苏伟等利用动力煤国家标准物质标准值作为训练样本，以干燥基灰份、干燥基挥发份、空气干燥基水分、干燥基全硫作为输入，输出为高位发热量，建立了网络结构为4×8×1的人工神经网络模型。训练好的模型用于实际预测，误差可控制在2.5以内。实践证明，人工神经网络方法能够应用于快速估算动力用煤的发热量和煤质在线检测。
2.2水力冲灰管道结垢量的预测模型人工神经网络在这个方面的应用，突破了现有冲灰管道结垢判断指数只能定性反映结垢趋势，不能定量判断结垢量的弊端。影响冲灰管道结垢的因素很多，可大致分为内因(灰样自身的性质)、外因(粒径、时间、流态等)两大类。齐连惠等人在诸多影响因素中择其要点，设计正交实验，检出主要影响因素，并据此作单因素实验，得出各因素对成垢的作用规律。在此基础上构筑包括fCaO含量、冲灰原水碳酸盐含量和pH值、灰水比、灰水流速、灰水接触时间、灰水ALK、颗粒形貌(粒径)等7个主要影响因素作为输入，结垢量作为输出，经过大量试算，确定网络结构为7×20×1的模型，以正交实验结果作为训练集，利用单因素实验数据检验模型的有效性，采用联合梯度算法以加快网络的学习速度，提高预测精度。人工神经网络应用于水力冲灰管道结垢量预测，摈弃了化学平衡及物料平衡等繁琐的反应式，省略了中间推导的各个环节，找出成垢规律性，建立符合实际运行状况的模型，从而达到准确预测冲灰管道结垢量的目的，这对于保证发电厂的安全运行，具有较高的实用价值。2.3汽轮机基础油氧化安定性与化学组成关系模型火电厂汽轮机油在使用过程中，热氧化是使其变质的主要因素。因此，氧化安定性是汽轮机油的一项重要性能指标。汽轮机油通常是由深度精制的高粘度指数的基础油调制而成，基础油的组成是汽轮机油性能好坏的关键。人们研究发现，在使用同种防腐抗氧添加剂的条件下，不同化学组成的汽轮机油表现出不同的抗氧化性能，启发人们探讨基础油的组成与抗氧化性能有着密切的关系。史永刚等人利用人工神经网络构建了基础油组成与氧化安定性之间分子水平上的基本关系模型，将反映基础油化学组成的7个参数：饱和烃、单环芳烃、双环芳烃、三环芳烃、多环芳烃、总氮和总硫含量作为网络的输入。汽轮机油氧化安定性指标有3种：ASTMD-943、ASTMD-2272、IP280，因此有两种输出建模方案：一种是单目标变量法，即应用3个目标变量分别建模；另一种是同时对3个目标变量建模的多目标变量法。实验结果表明，单目标变量法的预测结果与实际值的相关性优于多目标变量法。建立依据基础油的化学组成预测氧化安定性的人工神经网络模型，对汽轮机油的调配有着重大指导意义。2.4变压器油的故障诊断模型人工神经网络模型应用于变压器油的故障诊断，是在我们讨论的几个方面中研究和应用最为活跃和卓有成效的一个。大型变压器是电力系统重要的输出设备，其运行状态直接关系到系统的安全水平。变压器在故障情况下，绝缘材料(油和绝缘纸)会发生受热分解，产生CO2、CO、H2和低分子碳氢化合[1][2]下一页
广告直拨： 媒体合作/投稿：陈女士 13693626116
关于北极星 | 广告服务 | 会员服务 | 媒体报道 | 营销方案 | 成功案例 | 招聘服务 | 加入我们 | 网站地图 | 联系我们 | 排行
京ICP证080169号京ICP备09003304号-2
京公网安备11010502034458号电子公告服务专项备案
网络文化经营许可证 [2019] 5229-579号广播电视节目制作经营许可证 (京) 字第13229号出版物经营许可证新出发京批字第直200384号人力资源服务许可证1101052014340号
Copyright © 2022 Bjx.com.cn All Rights Reserved. 北京火山动力网络技术有限公司 版权所有
