超超临界机组非线性动态模型的研究

论文摘要

随着我国火电机组向着高参数大容量的超超临界机组发展,机组强非线性、强不确定性和强耦合性的特点更加明显,这就给单元机组动态模型的建立带来了困难。本文在分析超超临界单元机组动态特性的基础上,分别利用静态BP神经网络、动态Elman神经网络和模糊神经网络建立了1000MW超超临界直流锅炉单元机组的动态模型并与机组的线性模型进行了比较,仿真结果证明了所建模型的有效性。论文的研究内容和取得的主要成果主要体现在以下几个方面：1.在分析超超临界机组机理动态特性的基础上,将机组简化为三输入三输出非线性模型；2.本文中参与辨识和测试的数据均采自生产现场1000MW机组,使文中所建模型具有较高的工程实用价值；3.结合现场历史数据,用多种不同神经网络建立了单元机组的三输入三输出模型,验证了神经网络在1000超超临界单元机组建模中的有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 选题背景及意义
• 1.2 国内外超临界/超超临界机组建模研究现状
• 1.2.1 国内研究现状
• 1.2.2 国外研究现状
• 1.3 论文的主要工作
• 第二章 超超临界火电机组模型结构
• 2.1 国际上超临界/超超临界机组的发展
• 2.2 国内超临界/超超临界机组的发展
• 2.3 超超临界机组的优势
• 2.4 超超临界机组动态特性的分析
• 第三章 神经网络基础
• 3.1 神经网络的定义
• 3.2 神经网络的性质与功能
• 3.2.1 神经网络的基本性质
• 3.2.2 神经网络的基本功能
• 3.3 神经网络的发展概况
• 3.3.1 神经网络产生和发展的历史
• 3.3.2 神经网络当前的发展和问题
• 3.4 神经网络模型
• 3.4.1 神经网络的结构
• 3.4.2 神经网络的学习方式
• 3.5 神经网络的建模与辨识
• 3.5.1 非线性系统辨识的一般模型
• 3.5.2 神经网络辨识理论依据与辨识结构
• 3.5.3 神经网络辨识的特点
• 3.6 神经网络的应用实例
• 第四章 基于神经网络的1000MW单元机组动态特性模型
• 4.1 引言
• 4.2 1000MW直流锅炉单元机组的线性模型
• 4.2.1 多输入多输出系统的最小二乘参数估计的递推算法
• 4.2.2 1000MW直流锅炉单元机组的线性模型
• 4.3 1000MW直流锅炉单元机组的BP神经网络模型
• 4.3.1 BP神经网络
• 4.3.2 100OMW直流锅炉单元机组的BP神经网络模型
• 4.4 1000MW直流锅炉单元机组的Elman神经网络模型
• 4.4.1 Elman神经网络
• 4.4.2 1000MW直流锅炉单元机组的Elman神经网络模型
• 第五章 基于模糊神经网络的1000MW直流锅炉单元机组的模型
• 5.1 基于Takagi-Sugeno模型的模糊神经网络
• 5.2 基于Takagi-Sugeno模型的模糊神经网络的学习算法
• 5.3 1000MW直流锅炉单元机组的模糊神经网络模型
• 第六章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢
• 在校期间发表的学术论文和参加科研情况