SSA优化BP神经网络的锅炉燃烧模型研究
骆东松
刘棒棒
兰州理工大学电气工程与信息工程学院 兰州 730050
摘要：采用某2×300 MW热力发电厂锅炉运行燃烧数据建立BP神经网络模型,以影响锅炉效率和NOx排放的八个主要因素作为输入,建立锅炉效率和NOx排放预测模型.传统的BP神经网络存在局部最优的问题,在建模过程中引入麻雀搜索算法对BP神经网络的隐藏层节点进行寻优,以提高对锅炉效率和NOx排放神经网络模型的精度和稳定性.以某发电厂实际运行数据进行对SSA-BP模型进行训练和测试,并与GA-BP预测模型进行仿真对比,将预测结果的MPE、MAPE和RMSE与传统的神经网络模型进行对比,可以明显看出优化过后的模型效果更佳.SSA-BP锅炉预测模型非常准确地预测出结果,这样有利于运行人员选择比较合适的机组运行工况,为锅炉燃烧系统优化提供便利.
关键词：神经网络工业锅炉数学建模麻雀搜索算法
分类号：TP183(自动化基础理论)
论文发表日期：2025-10-20
在线出版日期：2026-01-16（本平台首次上网日期，不代表文献的发表时间）
页数：5( 95-99 )
英文信息