基于自适应神经模糊推理系统的煤粉锅炉飞灰含碳量建模

王月兰; 马增益; 尤海辉; 唐义军; 沈跃良; 倪明江; 池 涌; 严建华

English

您当前的位置：

首页 >

文章列表页 >

基于自适应神经模糊推理系统的煤粉锅炉飞灰含碳量建模

热力发电 2017年第12期

热能科学研究 | 更新时间：2025-09-28

- 基于自适应神经模糊推理系统的煤粉锅炉飞灰含碳量建模
- Modelling for unburned carbon content in fly ash from coal-fired boilers based on adaptive neuro-fuzzy inference system
- 作者机构：
  
  1. 浙江大学能源清洁利用国家重点实验室,浙江,杭州,310027
  2. 广东省电力科学研究院,广东,广州,510080
- 作者简介：
  
  [ "王月兰(1989―)，女，博士研究生，主要研究方向为燃煤电厂节能优化控制，11227044@zju.edu.cn。" ]
- 基金信息：
- DOI：
  中图分类号： TK229.91;TP391.4
- 网络出版：2018-01-04，
  
  纸质出版：2017
- 稿件说明：
移动端阅览
王月兰, 马增益, 尤海辉, 等. 基于自适应神经模糊推理系统的煤粉锅炉飞灰含碳量建模[J]. 热力发电, 2017,(12).

CHI Yong, YAN Jianhua. Modelling for unburned carbon content in fly ash from coal-fired boilers based on adaptive neuro-fuzzy inference system[J]. Thermal Power Generation, 2017, (12).
王月兰, 马增益, 尤海辉, 等. 基于自适应神经模糊推理系统的煤粉锅炉飞灰含碳量建模[J]. 热力发电, 2017,(12). DOI：

CHI Yong, YAN Jianhua. Modelling for unburned carbon content in fly ash from coal-fired boilers based on adaptive neuro-fuzzy inference system[J]. Thermal Power Generation, 2017, (12). DOI：

摘要

飞灰含碳量是煤粉锅炉运行过程中的重要参数，对其进行建模预测具有重要意义。本文采用自适应神经模糊推理系统(ANFIS)对某660 MW机组四角切圆煤粉锅炉的飞灰含碳量进行建模。根据相关知识和运行经验，确定模型的初始输入参数；利用减法聚类算法自适应确定初始模糊规则和结构参数；利用由最小二乘估计算法和误差反向传播算法构成的混合学习算法对模糊神经网络的参数进行学习，完成飞灰含碳量模型的初始构建；对模型输入参数进行敏感性分析确定最终输入参数，以降低输入参数对模型预测精度和复杂度的影响，完成飞灰含碳量预测模型的建立。该模型预测得到的结果精度较高，可真实反映飞灰含碳量的变化情况。在此基础上，将ANFIS模型和最小二乘支持向量机（LSSVM）及BP神经网络模型的预测结果进行对比。结果表明：在训练样本数足够多的情况下，ANFIS模型对飞灰含碳量具有更高的预测精度和更强的泛化能力；而在小样本情况下，LSSVM模型的预测精度和泛化能力更好。

Abstract

关键词

Keywords

references

浏览量

323

下载量

CSCD

文章被引用时，请邮件提醒。

提交

关联资源

循环流化床垃圾焚烧锅炉床温建模

基于ISSA-RF-SSA的飞灰含碳量预测与燃烧优化调整

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FOALSSVM的汽轮机热耗率预测模型研究

基于数据拟合的汽轮机调节阀流量特性优化