当前位置:主页 > 科技论文 > AI论文 >

基于人工智能方法的烟气含氧量软测量及优化配煤研究(pdf71页)

发布时间:2016-07-18 10:11

  本文关键词:基于人工智能方法的烟气含氧量软测量及优化配煤研究,由笔耕文化传播整理发布。


基于人工智能方法的烟气含氧量软测量及优化配煤研究(pdf71页)

基于人工智能方法的烟气含氧量软测量及优化配煤研究

基于人工智能方法的烟气含氧量软测量及优化配煤研究(pdf71页)

人工智能方法在烟气含氧量软测量及优化配煤中的应用蒸发量等参数不变,三种动力煤的配比比例为待优化变量,以发电燃料成本%合最低作为遗传算法的适应值函数,得到多个负荷状态下三种动力煤配比优化结果如图5.7,表5.3。图5.7给出了利用遗传算法针对5种不同锅炉负荷下混煤配比的优化结果,其中,上图表示每一代适应度函数的最佳值和平均值;下图为最终混煤配比的最优值。锅炉60%负荷锅炉70%负荷...

大连理工大学硕士学位论文表现型(Phenotype):由染色体决定性状的外部表现。基因座(Locus):遗传因子在染色体中占据的位置。等位基因(Ailele):统一基因座它可能有的全部基因称为等位基因。个体(Individual):指染色体带有特征的实体。种群(Population):染色体带有特征的个体组成了种群。群体中个体数目大小称为群体大小(Populationsize),也叫群体规模。适应度(Fimess):个体对环境适应程度。选择(Selection):指决定以一定概率从种群中选择若干个体的操作。一般而言,是一种基于适应度的优胜劣汰的过程。交叉(Crossover):两个染色体之间通过交叉而重组形成新的染色体.变异(Mutation):染色体的某一基因发生变化,产生新的染色体,表现出新的性状。编码(Coding):遗传编码可看成是从表现型向基因型的映射。解码(Decoding):基因型向表现型的映射。引用了这些术语,可以更好的描述遗传算法,遗传算法也就是从代表问题的可能的潜在解集的一个种群(Population),m,发,而一个种群则由基因(Oene)编码(Coding)雕J--定数目个体(Individual)组成。每个个体其实是染色体(Chromosome)带有特征的实体。染色体作为遗传物质的主要载体,即多个基因的集合,其内部表现是某种基因的组合,它决定了个体的外部表...

大连理工大学硕士学位论文充分利用高热值煤,保证灰含量和发热量等等【l川,而美国、德国、日本、英国、西班牙、荷兰和加拿大等是从事动力配煤研究较早的国家。其研究内容涉及到混合系统和混合方法的研究、配煤着火性能的研究、配煤对结渣性能影响的研究、采用混烧方法以降低N0x及S0x排放的研究等等…叫4】。目前以神经网络、进化类优化算法为代表的人工智能在各领域应用研究的迅速发展为火电厂运行优化系统建模提供了新的建模思想,开辟了一条新的可行途径。神经网络中BP三层网络模型具有良好的非线性映射能力,以及遗传算法优秀的全局优化搜寻功能及各人工智能方法的相互配合下可充分利用火电厂DCS系统及其他现有系统丰富的数据资源,具有传统建模方法所没有的针对性强、通用性好的特点,可建立通用、精确、可靠的模型。人工智能的优化方法如遗传算法也具有传统优化算法所没有的优点,因此在优化配煤领域具有重要的意义和广阔的前景。1.3本文主要工作采用华能某电厂2006年度DCS系统采集的实时运行数据,利用统计分析中的因子分析方法及偏最小二乘回归分析方法分别建立了锅炉烟气含氧量的预测模型,并与BP神经网络所建立的预测模型进行对比。在综合考虑了各个模型的优缺点之后,建立了基于偏最小二乘与BP神经网络的烟气含氧量预测的混合模型,并与之前建立的模型进行对比。通过建立的烟气含氧量预测混合模型分析了可控参数中的煤量、风量和燃烧器摆角及煤质参数...

上一篇:烟草商业企业实施全面预算管理的几点思考 下一篇:烟台市教育局关于举办烟台市唱好歌提精神第二届中小学生合

烟草行业专辑

烟草行业热门


  本文关键词:基于人工智能方法的烟气含氧量软测量及优化配煤研究,,由笔耕文化传播整理发布。



本文编号:72736

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/rengongzhinen/72736.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户275ec***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com