基于Elman神经网络的动力配煤发热量及着火温度的预测

周孑民，朱再兴，刘艳军，彭好义，高强

(中南大学 能源科学与工程学院，湖南 长沙，410083)

现代火电厂通常用混煤作燃料。混煤的发热量和着火温度对锅炉的正常运行有着重要的影响[1]，对于指导电厂动力配煤操作具有重要的意义。目前，火电厂大都采用实验法测定混煤的发热量和着火温度[2]，但实验法测试不仅需要精密的仪器设备和相应实验技术，对人力和物力的需求较大，而且实验法测定周期较长，测试结果对实践的指导存在较大的滞后，难以满足现代电厂的要求。很多研究表明，煤的发热量和着火温度与其水分、灰分和挥发分之间密切相关，呈非线性关系[3-5]。文献[6]根据煤炭的水分、灰分和挥发分参数较为精确地计算出了其发热量和着火温度，并得出了相应的经验公式。但这些经验公式都是较为简单的多项式，且只适用于该煤种，公式的泛化能力不足，因此，难以得到推广应用。神经网络具有并行处理、联想记忆、鲁棒性等优点[7]，可以建立输入与输出之间复杂的非线性关系，在动力配煤研究中得到了较为广泛的应用。周坤等[8-10]利用BP神经网络建立了煤工业分析及发热量预测模型，取得较好的效果；王大尉[11]建立了根据单一煤种的工业分析预测其着火温度的神经网络数学模型。BP神经网络由于本身结构问题，存在极易陷于局部极小值点等缺点，影响了神经网络的优化计算效率。Elman神经网络是一种有局部反馈的网络结构，除包含输入层、隐含层和输出层外，还增加1个承接层；……