应用PSO算法改进Elman神经网络的双压凝汽器真空预测

被引：17

作者：

张利平 ^{[1
]}

陈浩天 ^{[1
]}

王伟锋 ^{[2
]}

李开拓 ^{[1
]}

机构：

[1] 华北水利水电大学电力学院

[2] 西安热工研究院有限公司

来源：

热力发电 | 2015年 / 44卷 / 03期

关键词：

Elman神经网络; 粒子群算法; 双压凝汽器; 低压侧真空; 高压侧真空; 预测;

D O I：

暂无

中图分类号：

TM621 [火力发电厂、热电站];

学科分类号：

080802 [电力系统及其自动化];

摘要：

为实现对凝汽器真空的优化控制,引入一种采用粒子群优化(PSO)算法改进的Elman神经网络,建立双压凝汽器真空预测模型,提出对双压凝汽器高、低压侧真空分别进行预测计算,将该模型应用于某600 MW机组的双压凝汽器真空预测,并与普通算法改进的Elman神经网络的预测结果进行比较。结果表明:采用PSO算法改进的Elman神经网络对双压凝汽器高、低压侧真空预测的收敛速度更快、精确度更高,是一种行之有效的双压凝汽器真空预测模型。

引用

页码：53 / 57

页数：5

共 6 条

[1]

精通MATLAB最优化计算.[M].龚纯; 王正林; 编著.电子工业出版社.2009,

[2]

GA-Elman多元变量需水预测模型及其应用 [J].