Un modèle de prédiction des données en temps réel de la centrale électrique basé sur le réseau neuronal BP amélioré a été proposé, c'est-à-dire en introduisant un facteur de momentum et un taux d'apprentissage adaptatif dans l'algorithme BP standard pour réduire les oscillations de convergence, accélérer la vitesse d'apprentissage. Les données en temps réel du débit principal de l'eau de la centrale de 300MW ont été utilisées pour l'apprentissage et la vérification du réseau, et l'analyse de l'impact du nombre de nœuds de la couche d'entrée et cachée, du nombre d'échantillons d'apprentissage et du facteur de momentum sur la précision de prédiction du modèle a été réalisée. L'analyse des cas a montré que ce modèle présente une bonne tolérance aux pannes et peut répondre aux exigences de l'analyse des performances des groupes électrogènes.

Réseau neuronal BP; modèle de prédiction; centrale électrique; facteur de momentum; adaptatif