超超临界汽轮机fcb工况下除氧器水位的预测方法
【专利摘要】一种超超临界汽轮机FCB工况下除氧器水位预测方法：以除氧器水位的RBF神经网络模型为基础，由不同FCB工况下的实际数据出发，整理得到除氧器水位数据样本，利用该样本训练RBF神经网络，经过多次迭代计算后得到除氧器水位RBF神经网络模型，RBF神经模型采用三层网络结构，径向基函数采用高斯函数，利用RBF神经网络模型进行FCB工况下除氧器水位的预测，得到实际工况下的除氧器水位变化情况。本发明计算结果与实测值非常接近，具有理想的计算精度，同时该模型结构简单、计算迅速，能够达到FCB工况下除氧器水位预测的目的，防止除氧器水位过低，帮助机组运行人员了解机组运行状态，维持汽轮机安全、经济运行。
【专利说明】超超临界汽轮机FCB工况下除氧器水位的预测方法
【技术领域】
[0001]本发明涉及一种基于RBF (径向基函数)神经网络的超超临界汽轮机FCB (快速甩负荷)工况下除氧器水位的预测方法。
【背景技术】
[0002]超超临界汽轮机除氧器的水箱是为保证锅炉具有一定的给水储备而设置的，超超临界机组采用直流锅炉，由于没有汽包，除氧器是其唯一的出水容器，要求其容量一般应不小于锅炉额定负荷下连续运行15~20min所需的给水量，除氧器水位过低，储水量不足有可能危及锅炉的安全运行；此外还有可能造成给水泵入口汽化，而大型超超临界汽轮机在FCB工况下除氧器水位会出现较大下降，严重影响机组运行的安全性。
[0003]现有的超超临界汽轮机FCB工况下除氧器水位的预测方法计算精度低、速度慢、模型复杂，难以准确而实时地监测除氧器水位的数值。目前未见有利用RBF神经网络对除氧器水位预测的相关研究成果。
【发明内容】
[0004]本发明所要解决的技术问题，就是提供一种计算精度高、速度快、模型简单、从而能够准确而实时地监测除氧器水位的数值，防止除氧器水位过低，维持机组的安全运行的超超临界汽轮机FCB工况下除氧器水位的预测方法。
[0005]解决上述技术问题，本发明采用如下的技术方案:
[0006]一种超超临界汽轮机FCB工况下除氧器水位的预测方法，其特征是包括以下步骤:
[0007]SI以高斯函数作为径向基函数对网络进行训练
[0008]RBF神经网络的结构与学习算法
[0009]RBF神经网络采用径向基函数神经元，径向基函数一般采用高斯函数，该函数(径向基函数)以输入向量和权值向量之间的距离作为自变量，随着权值和输入向量之间距离的减小，网络输出是递增的，当输入向量和权值向量一致时，神经元输出I ;采用三层网络结构:由输入层、隐含层和输出层构成；输入层和隐含层之间看作连接权值为I的连接，输出层和隐含层所完成的任务不同，因而它们的学习策略也不相同，输出层对线性权进行调整，采用线性优化策略，学习速度快；隐含层对高斯函数的参数进行调整，采用非线性优化策略；
[0010]采用自组织选取中心的RBF神经网络学习法；RBF神经网络采用高斯函数作为径向基函数，因此RBF神经网络的激活函数可表示为:
[0011]
【权利要求】
1.一种超超临界汽轮机FCB工况下除氧器水位的预测方法，其特征是包括以下步骤:SI采用自组织选取中心的三层RBF神经网络学习法，RBF神经网络采用高斯函数作为径向基函数； RBF神经网络的激活函数为:
【文档编号】G06N3/08GK103544527SQ201310472779
【公开日】2014年1月29日 申请日期:2013年10月11日 优先权日:2013年10月11日
【发明者】邓少翔, 冯永新, 陈畅, 谢诞梅, 邓小文, 熊扬恒, 李千军, 郑李坤 申请人:广东电网公司电力科学研究院, 武汉大学