El consumo de carbón suministrado por las unidades generadoras es el principal indicador del nivel de ahorro y reducción del consumo de energía de la unidad. En este artículo se utiliza la tecnología de análisis de big data para analizar los datos históricos relacionados con el consumo de energía de la unidad, y se utilizan redes neuronales para construir modelos analíticos de las características de consumo de carbón para cada rango de carga, calcular el índice de sensibilidad del impacto de cada parámetro controlable en diferentes estados de funcionamiento sobre el consumo de carbón, y la capacidad predictiva del modelo en diferentes rangos de carga. Los resultados muestran que la precisión del entrenamiento y la predicción del modelo de análisis de las características de consumo de carbón basado en redes neuronales se encuentra en el rango de ±0,6%, lo que indica una alta precisión de cálculo; cada parámetro controlable tiene un impacto diferente en el consumo de carbón en los diferentes rangos de carga, pero presenta regularidades; en la operación real, se debe enfocar en ajustar los parámetros con un índice de sensibilidad alto.

big data, unidades generadoras, consumo de carbón, redes neuronales, retropropagación, coeficiente de evaluación, análisis de sensibilidad