基于双隐层径向基过程神经网络的汽轮机排汽焓在线预测

宫唤春

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于双隐层径向基过程神经网络的汽轮机排汽焓在线预测

热能科学研究 | 更新时间：2025-09-28

- 基于双隐层径向基过程神经网络的汽轮机排汽焓在线预测
- Double hidden layer RBF process neural network based online prediction of steam turbine exhaust enthalpy
- 热力发电 2014年43卷第7期页码：32-35
- 作者机构：
  
  燕京理工学院机电工程学院
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TK261
- 纸质出版日期：2014
- 稿件说明：
移动端阅览
宫唤春. 基于双隐层径向基过程神经网络的汽轮机排汽焓在线预测[J]. 热力发电, 2014,43(7):32-35.

GONG Huanchun. Double hidden layer RBF process neural network based online prediction of steam turbine exhaust enthalpy[J]. Thermal power generation, 2014, 43(7): 32-35.
宫唤春. 基于双隐层径向基过程神经网络的汽轮机排汽焓在线预测[J]. 热力发电, 2014,43(7):32-35. DOI：

GONG Huanchun. Double hidden layer RBF process neural network based online prediction of steam turbine exhaust enthalpy[J]. Thermal power generation, 2014, 43(7): 32-35. DOI：

摘要

为实现机组经济性能在线诊断

将双隐层径向基神经网络方法引入汽轮机排汽焓在线预测计算

建立了汽轮机排汽焓特性与相关运行参数之间的复杂关系模型。并以某300MW机组汽轮机末级抽汽及排汽焓值为例进行了在线计算。结果表明:该方法在线预测汽轮机排汽焓值的平均相对误差小于1%

比BP神经网络的精度更高

同时具有训练速度快、结构简单、精度高等特点

是一种行之有效的预测方法。

Abstract

In order to diagnose the unit economic performance online

the radial basis function(RBF)process neural network with two hidden layers was introduced to online prediction of steam turbine exhaust enthalpy.Thus

the model reflecting complicated relationship between the steam turbine exhaust enthalpy and the relative operation parameters was established.Moreover

the enthalpy of final stage extraction steam and exhaust from a 300MW unit turbine was taken as the example to perform the online calculation.The results show that

the average relative error of this method is less than 1%

so the accuracy of this algorithm is higher than that of the BP neutral network.Furthermore

this method has advantages of high convergence rate

simple structure and high accuracy.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

提高汽轮机排汽焓在线预测精度的GA-Elman神经网络算法

汽轮机转子温度场有限元法简化计算模型

固体自润滑技术在发电厂的应用

双抽可调式汽轮机控制系统整定研究

180MW燃气-蒸汽联合循环机组汽轮机并网带初负荷故障分析