基于神经网络算法的火电厂机组负荷优化分配
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 规划算法简介 | 第11页 |
| 1.2.2 国内外研究现状 | 第11-12页 |
| 1.3 本文主要工作及研究内容 | 第12-14页 |
| 1.3.1 本文主要工作 | 第13页 |
| 1.3.2 本文主要内容 | 第13-14页 |
| 第二章 煤耗特性曲线计算 | 第14-29页 |
| 2.1 锅炉效率 | 第14-18页 |
| 2.2 汽轮机组效率 | 第18-21页 |
| 2.2.1 相对效率 | 第18-19页 |
| 2.2.2 机械效率及发电机效率 | 第19页 |
| 2.2.3 相对电效率与绝对电效率 | 第19-20页 |
| 2.2.4 汽轮机汽耗率和热耗率 | 第20-21页 |
| 2.3 电厂效率 | 第21-23页 |
| 2.3.1 电厂效率 | 第21页 |
| 2.3.2 管道效率 | 第21-22页 |
| 2.3.3 厂耗电率 | 第22页 |
| 2.3.4 标准煤耗量计算 | 第22-23页 |
| 2.4 最小二乘法原理 | 第23-24页 |
| 2.5 Matlab曲线拟合工具箱 | 第24-25页 |
| 2.6 煤耗特性曲线的拟合实现 | 第25-28页 |
| 2.7 本章小结 | 第28-29页 |
| 第三章 神经网络方法的原理及应用 | 第29-40页 |
| 3.1 神经网络 | 第29-32页 |
| 3.1.1 神经网络简介 | 第29页 |
| 3.1.2 神经网络模型结构 | 第29-30页 |
| 3.1.3 神经网络优点 | 第30-31页 |
| 3.1.4 神经网络的选取 | 第31-32页 |
| 3.1.5 神经网络的训练 | 第32页 |
| 3.2 Hopfield网络 | 第32-38页 |
| 3.2.1 Hopfield网络简介 | 第32-33页 |
| 3.2.2 Hopfield网络设计 | 第33-35页 |
| 3.2.3 网络稳定性分析 | 第35-37页 |
| 3.2.4 状态轨迹变化分析 | 第37-38页 |
| 3.3 网络仿真结果 | 第38-39页 |
| 3.3.1 网络仿真简介 | 第38页 |
| 3.3.2 网络训练 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 机组负荷优化模型及求解 | 第40-47页 |
| 4.1 主要经济指标探讨 | 第40-41页 |
| 4.2 目标函数 | 第41页 |
| 4.3 约束条件的确认 | 第41-43页 |
| 4.4 厂级负荷优化分配模型 | 第43-44页 |
| 4.4.1 优化模型建立 | 第43页 |
| 4.4.2 Hopfield网络的应用 | 第43-44页 |
| 4.5 机组所带负荷分配结果 | 第44-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 负荷优化系统在DCS上的实现 | 第47-54页 |
| 5.1 DCS系统组成 | 第47-52页 |
| 5.1.1 系统特点 | 第47-48页 |
| 5.1.2 系统硬件配置 | 第48-51页 |
| 5.1.3 系统软件配置 | 第51-52页 |
| 5.2 系统优化实现过程 | 第52-53页 |
| 5.3 系统结构原理图 | 第53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 结论及展望 | 第54-56页 |
| 6.1 结论 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |
