神經(jīng)網(wǎng)絡(luò)與SOPC的球磨機負(fù)荷檢測系統(tǒng)

球磨機出力檢測和控制是球磨機自動控制的重要內(nèi)容,然而,目前在實際生產(chǎn)過程中,球磨機出力缺少有效可靠的檢測手段,因此很難實現(xiàn)優(yōu)化控制。結(jié)合基于神經(jīng)網(wǎng)絡(luò)的軟測量和混沌信息處理技術(shù)兩者的優(yōu)點,建立球磨機出力軟測量模型。該模型不僅能預(yù)估穩(wěn)態(tài)下球磨機出力,且對動態(tài)過程中球磨機出力的在線估計也切實有效,從而為球磨機的出力監(jiān)測、給煤控制和系統(tǒng)優(yōu)化提供了新的途徑。

火電廠中鋼球磨煤機筒內(nèi)存煤量的測量問題一直是制粉控制效率低和自動控制難以投入運行的主要原因之一,針對d-s證據(jù)理論存在的不足,而利用神經(jīng)網(wǎng)絡(luò)具有的自組織、自學(xué)習(xí),并行分布處理、高度容錯性和魯棒性的特點,本文提出了一種將證據(jù)理論與模糊理論相結(jié)合的模糊證據(jù)理論方法并將其用于解決球磨機存煤量的測量問題。融合結(jié)果表明該方法用于存煤量的測量能夠有效判別出存煤量的數(shù)值范圍及變化趨勢,為球磨機自動控制的投入和運行操作提供了有效的保證。

泥球磨機負(fù)荷微機檢測與控制裝置

介紹了一種基于低成本plc網(wǎng)絡(luò)的球磨機軸瓦潤滑分布式監(jiān)控系統(tǒng),采用“ipc+網(wǎng)絡(luò)+plc”的結(jié)構(gòu),上位工控機選用“組態(tài)王”工控軟件開發(fā)監(jiān)控程序,下位機用fx2nplc作控制器,并用rs485網(wǎng)絡(luò)使上位機與plc網(wǎng)絡(luò)聯(lián)接.實際運行結(jié)果表明,系統(tǒng)運行穩(wěn)定可靠,結(jié)構(gòu)緊湊靈活,經(jīng)濟效益顯著,有一定推廣價值.

采用簡單過程檢測儀表(電耳、功率變送器等),建立與球磨機轉(zhuǎn)速率和球料比之間的關(guān)系,用徑向基網(wǎng)絡(luò)對過程進行了雙因素建模。通過兩步有導(dǎo)師的訓(xùn)練,使神經(jīng)網(wǎng)絡(luò)的預(yù)報值與實際輸出的誤差平方和達到了10-10以下。仿真結(jié)果表明,徑向基網(wǎng)絡(luò)不僅逼近的精度高,而且網(wǎng)絡(luò)的訓(xùn)練很好地解決了多因素的交互影響。

球磨機協(xié)議、2740球磨機技術(shù)協(xié)議

針對電力系統(tǒng)短期負(fù)荷預(yù)測的特點,以及人工神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)和復(fù)雜的非線性擬合能力,將人工神經(jīng)網(wǎng)絡(luò)的bp、elman、rbf三種模型用于短期負(fù)荷預(yù)測,建立了短期電力負(fù)荷預(yù)測模型,綜合考慮氣象、天氣等影響負(fù)荷因素進行短期負(fù)荷預(yù)測。某電網(wǎng)實際預(yù)測結(jié)果表明,rbf比bp、elman有更好的預(yù)測精度,更快的速度。

設(shè)計并開發(fā)了一種基于plc和網(wǎng)絡(luò)技術(shù)的可傾式球磨機群控系統(tǒng)。整個系統(tǒng)為分布式測控系統(tǒng),包括操作站、控制站、過程接口單元和現(xiàn)場測控設(shè)備等幾大部分。系統(tǒng)配置采用了現(xiàn)場總線技術(shù)和硬件雙機熱備冗余系統(tǒng)。該系統(tǒng)在大規(guī)模硬質(zhì)合金粉末生產(chǎn)中的運用為國內(nèi)首創(chuàng),具有推廣價值。

負(fù)荷預(yù)測是實現(xiàn)電力系統(tǒng)優(yōu)化運行的基礎(chǔ),對于電力系統(tǒng)的安全性、可靠性和經(jīng)濟性都有著顯著的影響。rbf是一種三層前饋神經(jīng)網(wǎng)絡(luò),具有良好的函數(shù)逼近性能,已被廣泛應(yīng)用到電力負(fù)荷預(yù)測中,并取得良好的效果。本文主要整理并介紹當(dāng)前基于rfb神經(jīng)網(wǎng)的負(fù)荷預(yù)測方法,對存在的問題進行了分析,并對未來的發(fā)展進行了展望。

負(fù)荷預(yù)測是實現(xiàn)電力系統(tǒng)優(yōu)化運行的基礎(chǔ)，對于電力系統(tǒng)的安全性、可靠性和經(jīng)濟性都有著顯著的影響。rbf是一種三層前饋神經(jīng)網(wǎng)絡(luò)，具有良好的函數(shù)逼近性能，已被廣泛應(yīng)用到電力負(fù)荷預(yù)測中，并取得良好的效果。本文主要整理并介紹當(dāng)前基于rfb神經(jīng)網(wǎng)的負(fù)荷預(yù)測方法，對存在的問題進行了分析，并對未來的發(fā)展進行了展望。

從空調(diào)負(fù)荷預(yù)測的目的出發(fā),詳細(xì)介紹了一種基于神經(jīng)網(wǎng)絡(luò)的混沌優(yōu)化方法,對誤差函數(shù)及搜索方法作了適當(dāng)?shù)母倪M,建立了一個混沌神經(jīng)網(wǎng)絡(luò)模型。并用此改進的模型對一實例進行了空調(diào)負(fù)荷預(yù)測,結(jié)果表明該方法簡便、足夠準(zhǔn)確可靠。

提高電力負(fù)荷預(yù)測精度有利于電力部門的安全生產(chǎn),有利于合理安排電網(wǎng)運行方式和機組的檢修計劃,有利于系統(tǒng)的合理規(guī)劃和經(jīng)濟運行。為了提高短期負(fù)荷預(yù)測的精度,把自相關(guān)函數(shù)的概念應(yīng)用到反向傳播(backpropogation,bp)神經(jīng)網(wǎng)絡(luò)輸入變量選擇中,通過matlab仿真軟件建立負(fù)荷預(yù)測模型。最后對某電力系統(tǒng)1d的負(fù)荷進行預(yù)測,仿真結(jié)果驗證了該模型的可行性和有效性。

電力系統(tǒng)負(fù)荷預(yù)測是電力生產(chǎn)部門的重要工作之一,其負(fù)荷變化具有明顯的周期性,文章采用elman神經(jīng)網(wǎng)絡(luò)與bp神經(jīng)網(wǎng)絡(luò)建立模型,提出了一種基于神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測方法。對某電網(wǎng)實際歷史數(shù)據(jù)進行仿真預(yù)測,經(jīng)研究發(fā)現(xiàn),elman模型具有收斂速度快、預(yù)測精度高的特點,同時表明利用elman回歸神經(jīng)網(wǎng)絡(luò)建模對某電網(wǎng)負(fù)荷進行預(yù)測是完全可行的,在負(fù)荷預(yù)測領(lǐng)域有著較好的應(yīng)用前景。

電力系統(tǒng)短期負(fù)荷預(yù)測是能量管理系統(tǒng)的重要組成部分，不但為電力系統(tǒng)的安全、經(jīng)濟運行提供保障，也是電力市場環(huán)境下編排調(diào)度計劃、供電計劃、交易計劃的基礎(chǔ)。因此，短期負(fù)荷預(yù)測方法的研究一直為人們所重視。

電力系統(tǒng)短期負(fù)荷預(yù)測是能量管理系統(tǒng)的重要組成部分，不但為電力系統(tǒng)的安全、經(jīng)濟運行提供保障，也是電力市場環(huán)境下編排調(diào)度計劃、供電計劃、交易計劃的基礎(chǔ)。因此，短期負(fù)荷預(yù)測方法的研究一直為人們所重視。

電力系統(tǒng)負(fù)荷預(yù)測的重要性、分類和主要預(yù)測方法,bp神經(jīng)網(wǎng)絡(luò)算法的基本理論和預(yù)測過程,建立基于bp神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測模型,以加州24h的電力負(fù)荷預(yù)測為例進行matlab仿真,結(jié)果顯示預(yù)測精度符合電力系統(tǒng)要求。

介紹了神經(jīng)網(wǎng)絡(luò)的基本原理,編制了通用神經(jīng)網(wǎng)絡(luò)程序,并用此程序?qū)σ粚嶋H工程空調(diào)負(fù)荷進行了預(yù)測,預(yù)測結(jié)果與計算值相吻合,說明神經(jīng)網(wǎng)絡(luò)是一種新穎、可靠的負(fù)荷預(yù)測方法

為了考慮除負(fù)荷本身外的其他因素對短期負(fù)荷的影響,提出了基于相似度與神經(jīng)網(wǎng)絡(luò)的短期協(xié)同預(yù)測模型。該模型首先通過計算負(fù)荷曲線的相似度對歷史數(shù)據(jù)進行排序,然后選擇與預(yù)測時刻相似度較相近的數(shù)據(jù)對未來時刻的負(fù)荷利用相似度進行預(yù)測,對于出現(xiàn)的誤差,通過神經(jīng)網(wǎng)絡(luò)結(jié)合其他因素進行預(yù)測糾正。實驗結(jié)果證明,該協(xié)同預(yù)測模型較之單純的bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型具有較高的預(yù)測精度。

基于神經(jīng)網(wǎng)絡(luò)的空調(diào)負(fù)荷實時預(yù)測模型——文章針對暖通空調(diào)系統(tǒng)優(yōu)化和預(yù)測控制，研究了利用神經(jīng)網(wǎng)絡(luò)進行空調(diào)負(fù)荷預(yù)測的方法。

小波神經(jīng)網(wǎng)絡(luò)是建立在小波理論基礎(chǔ)上的一種新型前饋神經(jīng)網(wǎng)絡(luò),具有許多優(yōu)良特性。本文分析了小波神經(jīng)網(wǎng)絡(luò)的特點,建立了電力負(fù)荷的小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型,設(shè)計了小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),給出了小波網(wǎng)絡(luò)參數(shù)調(diào)節(jié)算法。對實際電力負(fù)荷預(yù)測算例,以及與bp網(wǎng)絡(luò)的對比研究實驗表明,小波神經(jīng)網(wǎng)絡(luò)對非平穩(wěn)信號能進行有效地預(yù)測,比bp神經(jīng)網(wǎng)絡(luò)具有更高的預(yù)測精度。

空調(diào)負(fù)荷是近年來增長較快的一類負(fù)荷,其特性對電網(wǎng)的電壓穩(wěn)定性影響很大。夏季影響空調(diào)負(fù)荷的因素主要是溫度和濕度的變化。為了更好的預(yù)測空調(diào)降溫負(fù)荷,研究了溫度和濕度對空調(diào)負(fù)荷的影響。利用bp人工神經(jīng)網(wǎng)絡(luò)對電網(wǎng)空調(diào)負(fù)荷進行了預(yù)測,經(jīng)過分析把日平均濕度量化成4段,和日平均濕度實際數(shù)值的模型進行計算比較,結(jié)果顯示考慮日最高溫度和日平均濕度量化為4段能更好的模擬溫度、濕度和空調(diào)負(fù)荷之間的非線性關(guān)系,能更好的對電網(wǎng)空調(diào)負(fù)荷進行預(yù)測。

基于小波變換的思想建立了遞歸bp網(wǎng)絡(luò)模型來預(yù)測空調(diào)負(fù)荷,改進了網(wǎng)絡(luò)權(quán)值、閾值的修改算法,引入了折扣系數(shù)法以提高近期預(yù)測精度,結(jié)合一實例進行了空調(diào)逐時冷負(fù)荷預(yù)測,結(jié)果表明該方法預(yù)測精度高,適用于空調(diào)負(fù)荷預(yù)測。