BP网络在水机温度模型改进中的应用

论文摘要

水力发电是我国电能的主要来源之一。发电厂的运行控制是一个非常复杂的工作,对操作人员的要求也很高,由于一些实际问题,运行人员不能得到更多的实际操作锻炼的机会。水电站数据融合仿真系统的目的就是要实现对工人和技术人员进行培训,使工作人员在进行培训后即可上岗工作,它是水电厂中运行人员进行正常计算机监控和消除事故、故障的保证。温度模型的优劣关系到水机能否正常运行,因此,在仿真系统中,温度模型的性能对于整个仿真系统起着重要的作用。本文主要针对水电仿真系统中原有的温度模型中存在的问题,提出了改进的新的模型,并用BP网络加以实现。首先,本论文对水电运行仿真系统进行了总体介绍,主要介绍了水电运行仿真系统的仿真环境、软硬件的构成及系统的整体结构;其次,介绍了神经元网络理论的一些基础知识和历史,特别重点介绍了本文中要用到的BP神经元网络;然后,对水电运行仿真系统中与温度模型相关的水机部分的内容进行了简单的介绍,重点介绍了温度模型的原理及其数学模型与实际应用,并分析了这个模型存在的问题;并用MATLAB仿真工具进行了仿真,从现场获得的数据中,选择了2000对作为网络的训练样本,利用这些样本对BP网络进行了训练。在训练过程中,不断调整BP网络的学习系数、允许最大误差系数等,一直到网络训练完成;最后,对改进后的温度模型进行了测试和评估,并对新旧模型进行了比较,结果表明,在相同的输入下,新温度模型比原温度模型的准确率平均提高了7.8%。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的意义
• 1.1.1 课题的提出
• 1.1.2 课题的意义
• 1.2 当前水电运行仿真系统的现状
• 1.3 吉林丰满水电仿真系统介绍
• 1.4 水电仿真建模要求
• 1.5 课题研究的主要内容
• 第2章 丰满水电仿真系统水机温度模型介绍
• 2.1 丰满水电仿真系统
• 2.1.1 丰满水电运行仿真系统的软、硬件组成
• 2.1.2 支撑环境总体结构设计
• 2.2 温度系统模型
• 2.2.1 水机系统
• 2.2.2 冷却水系统
• 2.2.3 润滑水系统
• 2.2.4 压油装置系统
• 2.2.5 温度系统
• 2.3 传统水机温度模型存在的问题
• 2.4 小结
• 第3章 BP神经网络
• 3.1 人工神经网络的发展历史及现状
• 3.2 人工神经网络的分类及常用的几种学习算法
• 3.2.1 人工神经网络的分类
• 3.2.2 神经网络常用的几种学习算法
• 3.3 BP网络基本原理
• 3.3.1 BP网络介绍
• 3.3.2 BP网络的主要功能
• 3.3.3 BP网络的学习规则和计算方法
• 3.4 BP网络的自学习能力
• 3.5 MATLAB神经网络工具箱简介
• 第4章 温度模型的BP神经元网络模型
• 4.1 改进的温度模型的BP网络的构造
• 4.1.1 网络层数的选取
• 4.1.2 初始权值的选取
• 4.1.3 学习速率的选取
• 4.1.4 期望误差的选取
• 4.1.5 输入、输出层节点的选择
• 4.1.6 隐层节点数的选择
• 4.1.7 激活函数的选择
• 4.2 温度系统模型的实现
• 4.2.1 推力瓦温的处理
• 4.2.2 上导瓦温的处理
• 4.2.3 下导瓦温的处理
• 4.3 样本数据的采集
• 4.3.1 样本采集对象
• 4.3.2 采集数据的处理
• 4.4 改进模型的程序实现
• 第5章 改进的温度模型的训练和测试
• 5.1 改进温度模型中相关系数的确定
• 5.1.1 学习系数的确定
• 5.1.2 中间层神经元个数的确定
• 5.1.3 改进模型的训练结果
• 5.2 改进的温度模型性能的评价
• 5.2.1 温度模型性能的评价依据
• 5.2.2 新旧模型测试结果的比较
• 结论
• 参考文献
• 致谢
• 攻读硕士期间发表（含录用）的学术论文