考虑回热循环的超超临界机组负荷预测神经网络模型

English

您当前的位置：

首页 >

文章列表页 >

热力发电 2016年第3期

热能科学研究 | 更新时间：2025-09-28

- 考虑回热循环的超超临界机组负荷预测神经网络模型
- Load prediction model for ultra-supercritical turbine power unit considering regenerative cycle characteristics
- 作者机构：
  
  华北电力大学控制与计算机工程学院,河北,保定,071003
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： P272;TK323
- 网络出版：2016-04-15，
  
  纸质出版：2016
- 稿件说明：
移动端阅览
马良玉, 成蕾. 考虑回热循环的超超临界机组负荷预测神经网络模型[J]. 热力发电, 2016,(3).

MA Liangyu, CHENG Lei. Load prediction model for ultra-supercritical turbine power unit considering regenerative cycle characteristics[J]. Thermal Power Generation, 2016, (3).
马良玉, 成蕾. 考虑回热循环的超超临界机组负荷预测神经网络模型[J]. 热力发电, 2016,(3). DOI：

MA Liangyu, CHENG Lei. Load prediction model for ultra-supercritical turbine power unit considering regenerative cycle characteristics[J]. Thermal Power Generation, 2016, (3). DOI：

以某超超临界1 000 MW机组为对象

详细分析了影响机组负荷的因素，通过合理选择模型输入参数

采用具有n阶输入时延和m阶输出反馈时延的静态误差反向传播(back propagation

BP)神经网络

建立了考虑回热循环特性的机组负荷预测模型。通过扰动仿真试验

对不同结构神经网络模型的负荷预测效果进行比较。结果表明：具有2阶输入时延、2阶输出反馈时延的模型

在各种扰动下均可精确地预测机组负荷

满足自动发电控制(AGC)条件下利用汽轮机回热循环侧可控参数提高机组负荷响应速度的要求。

浏览量

263

下载量

CSCD

文章被引用时，请邮件提醒。

提交

关联资源

超超临界1000MW机组直流锅炉中间点温度机理模型的仿真验证

1000MW机组快速甩负荷工况下除氧器水位仿真及预测

基于聚类算法与贝叶斯优化的BP神经网络实时碳排放量预测模型

基于多保真度数据和迁移学习的凝汽器系统特性建模方法

700 MW高效超超临界CFB锅炉中部全隔墙振动安全性评估