BP网络在水机温度模型改进中的应用

【摘要】： 水力发电是我国电能的主要来源之一。发电厂的运行控制是一个非常复杂的工作,对操作人员的要求也很高,由于一些实际问题,运行人员不能得到更多的实际操作锻炼的机会。水电站数据融合仿真系统的目的就是要实现对工人和技术人员进行培训,使工作人员在进行培训后即可上岗工作,它是水电厂中运行人员进行正常计算机监控和消除事故、故障的保证。温度模型的优劣关系到水机能否正常运行,因此,在仿真系统中,温度模型的性能对于整个仿真系统起着重要的作用。 本文主要针对水电仿真系统中原有的温度模型中存在的问题,提出了改进的新的模型,并用BP网络加以实现。首先,本论文对水电运行仿真系统进行了总体介绍,主要介绍了水电运行仿真系统的仿真环境、软硬件的构成及系统的整体结构;其次,介绍了神经元网络理论的一些基础知识和历史,特别重点介绍了本文中要用到的BP神经元网络;然后,对水电运行仿真系统中与温度模型相关的水机部分的内容进行了简单的介绍,重点介绍了温度模型的原理及其数学模型与实际应用,并分析了这个模型存在的问题;并用MATLAB仿真工具进行了仿真,从现场获得的数据中,选择了2000对作为网络的训练样本,利用这些样本对BP网络进行了训练。在训练过程中,不断调整BP网络的学习系数、允许最大误差系数等,一直到网络训练完成;最后,对改进后的温度模型进行了测试和评估,并对新旧模型进行了比较,结果表明,在相同的输入下,新温度模型比原温度模型的准确率平均提高了7.8%。