La consommation de charbon fournie par les groupes électrogènes est le principal indicateur du niveau d'économie et de réduction de la consommation d'énergie de l'unité. Cet article utilise la technologie de l'analyse de données volumineuses pour analyser les données historiques liées à la consommation d'énergie de l'unité, et utilise des réseaux de neurones pour construire des modèles analytiques des caractéristiques de consommation de charbon pour chaque plage de charge, calculer l'indice de sensibilité de l'impact de chaque paramètre contrôlable dans différents états de fonctionnement sur la consommation de charbon, et la capacité prédictive du modèle dans différentes plages de charge. Les résultats montrent que la précision de l'entraînement et de la prédiction du modèle d'analyse des caractéristiques de consommation de charbon basé sur des réseaux de neurones est dans la plage de ±0,6%, ce qui indique une précision de calcul élevée; chaque paramètre contrôlable a un impact différent sur la consommation de charbon dans les différentes plages de charge, mais présente des régularités; dans l'exploitation réelle, il convient de se concentrer sur l'ajustement des paramètres ayant un indice de sensibilité élevé.

gros données, groupes électrogènes, consommation de charbon, réseaux de neurones, rétropropagation, coefficient d'évaluation, analyse de sensibilité