热电厂负荷优化分配方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.3 论文研究内容 | 第15-16页 |
| 第二章 基于循环函数法的供热机组动力特性方程 | 第16-27页 |
| 2.1 汽轮机循环的函数式 | 第16-19页 |
| 2.1.1 单元进水系数的通用式 | 第16-18页 |
| 2.1.2 "单元抽汽系数"通用式 | 第18-19页 |
| 2.1.3 热力系统分析 | 第19页 |
| 2.2 供热机组动力特性方程 | 第19-21页 |
| 2.3 不同类型供热机组特性方程 | 第21-27页 |
| 2.3.1 背压机组特性方程 | 第21-23页 |
| 2.3.2 单抽供热机组特性方程 | 第23-24页 |
| 2.3.3 双抽供热机组特性方程 | 第24-26页 |
| 2.3.4 机组的标准煤耗量 | 第26-27页 |
| 第三章 遗传算法在热电厂负荷优化分配中的应用 | 第27-40页 |
| 3.1 遗传算法介绍 | 第27-35页 |
| 3.1.1 遗传算法的基本用语 | 第27-29页 |
| 3.1.2 标准遗传算法的步骤 | 第29-33页 |
| 3.1.3 遗传算法的运行参数 | 第33-34页 |
| 3.1.4 约束条件的处理 | 第34-35页 |
| 3.2 负荷分配的数学模型 | 第35-36页 |
| 3.3 热电厂负荷优化分配的改进遗传算法 | 第36-40页 |
| 3.3.1 遗传算子的设计 | 第36-37页 |
| 3.3.2 负荷分配算例及结果分析 | 第37-40页 |
| 第四章 BP神经网络在热电厂负荷优化分配中的应用 | 第40-53页 |
| 4.1 人工神经网络简介 | 第40-42页 |
| 4.1.1 人工神经网络模型 | 第40-41页 |
| 4.1.2 神经网络的互连模式 | 第41-42页 |
| 4.2 反向传播网络(BP网络) | 第42-46页 |
| 4.2.1 反向传播网络的结构 | 第42-43页 |
| 4.2.2 误差反向传播算法 | 第43-45页 |
| 4.2.3 BP网络的学习过程 | 第45-46页 |
| 4.3 负荷优化分配的BP神经网络算法 | 第46-53页 |
| 4.3.1 供热机组运行特性方程的建立 | 第47-48页 |
| 4.3.2 基于BP神经网络的遍历搜索 | 第48页 |
| 4.3.3 BP神经网络算例及结果分析 | 第48-53页 |
| 第五章 热电厂负荷分配优化系统的开发 | 第53-62页 |
| 5.1 系统开发及其功能介绍 | 第53-54页 |
| 5.1.1 C | 第53-54页 |
| 5.1.2 系统功能介绍 | 第54页 |
| 5.2 应用程序的编制、调试和运行 | 第54-61页 |
| 5.2.1 程序的三层体系结构 | 第54-56页 |
| 5.2.2 用户界面层的设计 | 第56-59页 |
| 5.2.3 数据层的设计 | 第59-61页 |
| 5.2.4 业务逻辑层的设计 | 第61页 |
| 5.3 实例运行和结果输出 | 第61-62页 |
| 第六章 结论与展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 硕士研究生期间发表论文 | 第67-68页 |
| 附录 | 第68-76页 |
