Была предложена модель прогнозирования данных в реальном времени электростанции на основе улучшенной нейронной сети BP, то есть ввод импульсного фактора и адаптивной скорости обучения в стандартный алгоритм BP, чтобы уменьшить сходимость осцилляции, ускорить скорость обучения. Для обучения сети и верификации использовались реальные данные по объему основного потока воды для энергоблока 300МВт, анализировалось влияние числа узлов входного и скрытого слоев, образцов обучения и импульсного фактора на точность прогнозирования модели. Практический анализ показал, что у этой модели хорошая отказоустойчивость, она может удовлетворить требованиям анализа производительности энергоблоков.

Нейронная сеть BP; модель прогнозирования; электростанция; импульсный фактор; адаптивный