独创性说明 | 第1-3页 |
摘要 | 第3-4页 |
Abstract | 第4-8页 |
1 绪论 | 第8-12页 |
·课题背景及意义 | 第8-9页 |
·课题研究现状 | 第9-10页 |
·本文主要工作 | 第10-12页 |
2 电厂运行的经济性指标及运行调节方法 | 第12-23页 |
·热经济性定量分析方法 | 第12-14页 |
·定量分析方案 | 第12-13页 |
·等效热降法 | 第13页 |
·热偏差分析法 | 第13-14页 |
·人工智能方法 | 第14页 |
·热经济指标及计算 | 第14-17页 |
·锅炉热经济指标 | 第14-15页 |
·汽轮机组热经济指标 | 第15页 |
·凝汽式电厂运行经济性指标 | 第15-16页 |
·热经济指标之间的关系 | 第16-17页 |
·实时能损分析数学模型 | 第17-22页 |
·应达值的确定方法 | 第17-19页 |
·变工况下运行指标应达值的确定 | 第19-21页 |
·人工智能确定变工况下运行指标应达值 | 第21-22页 |
·本章小结 | 第22-23页 |
3 人工智能理论 | 第23-32页 |
·人工智能理论概述 | 第23-25页 |
·神经网络理论 | 第23-24页 |
·遗传算法理论 | 第24页 |
·人工智能理论的应用 | 第24-25页 |
·人工神经网络理论 | 第25-28页 |
·BP前馈神经网络模型 | 第25-26页 |
·自组织特征映射(SOFM)网络模型 | 第26-28页 |
·Matlab神经网络工具箱简介 | 第28页 |
·遗传算法 | 第28-31页 |
·遗传算法简介 | 第28-29页 |
·遗传算法在工业领域的应用 | 第29-31页 |
·本章小结 | 第31-32页 |
4 锅炉系统运行优化建模与仿真 | 第32-46页 |
·锅炉效率的偏差分析 | 第32-33页 |
·锅炉的神经网络模型 | 第33-37页 |
·计算模型的输入、输出变量 | 第34页 |
·SOFM网络数据分类 | 第34-35页 |
·隐含层及节点数的确定 | 第35-37页 |
·初始权值的选取 | 第37页 |
·期望误差的选取 | 第37页 |
·神经网络模型的仿真与应用 | 第37-45页 |
·神经网络模型的建立 | 第37-39页 |
·神经网络模型预测效果分析 | 第39-40页 |
·锅炉效率神经网络模型仿真分析 | 第40-44页 |
·神经网络模型的应用 | 第44-45页 |
·本章小结 | 第45-46页 |
5 汽轮机系统运行优化 | 第46-87页 |
·汽轮机热耗率的偏差分析 | 第46-49页 |
·主蒸汽流量 | 第46-47页 |
·各级抽汽压力 | 第47-48页 |
·各级抽汽焙 | 第48-49页 |
·汽轮机功率神经网络模型与仿真 | 第49-60页 |
·汽轮机功率模型的建立 | 第49-50页 |
·SOFM网络数据分类 | 第50-52页 |
·汽轮机功率神经网络模型 | 第52-56页 |
·汽轮机功率神经网络模型仿真分析 | 第56-60页 |
·运行参数的能损偏差 | 第60页 |
·凝汽器真空运行应达值 | 第60-66页 |
·人工智能求解火电厂运行参数应达值 | 第61-62页 |
·循环水系统功耗神经网络模型 | 第62-64页 |
·凝汽器真空运行应达值的确定 | 第64-65页 |
·遗传算法配合神经网络模型确定凝汽器真空运行应达值 | 第65-66页 |
·汽轮机热耗率模型的建立与仿真 | 第66-76页 |
·汽轮机热耗率神经网络模型 | 第67-71页 |
·汽轮机热耗率神经网络模型仿真分析 | 第71-76页 |
·基于遗传算法的汽轮机热耗率优化 | 第76-85页 |
·编码 | 第76页 |
·初始种群的选择 | 第76-77页 |
·适应度函数 | 第77-78页 |
·选择操作 | 第78页 |
·交叉操作 | 第78-79页 |
·变异操作 | 第79页 |
·优化结果 | 第79-84页 |
·各运行参数偏差值 | 第84-85页 |
·本章小结 | 第85-87页 |
结论 | 第87-89页 |
展望 | 第89-90页 |
参考文献 | 第90-93页 |
攻读硕士学位期间发表学术论文情况 | 第93-94页 |
致谢 | 第94-95页 |
大连理工大学学位论文版权使用授权书 | 第95页 |