（动力机械及工程专业论文）智能方法在火电机组运行中的应用.pdf

中文摘要 火力发电一直是我国电能的重要组成部分，随着电力建设规模 不断扩大，火力发电机组容量也在不断扩大。本文根据火电机组的 实际运行情况，利用智能计算方法对火电厂汽轮机排汽焓计算和负 荷优化分配问题进行研究。 ，在汽轮机的在线性能监测中，排汽焓是一个很重要的参数。但 由于汽轮机的排汽工质可能处于湿蒸汽区，其压力和温度不再是独 立参数，排汽焓值不能由蒸汽图表查得，而且目前尚不具备在线测 量湿蒸汽湿度的手段，所以湿蒸汽排汽焓无法通过常规方法得到。 本文分别采用r b f 神经网络和b p 神经网络建立模型对汽轮机排汽焓 进行计算，并比较两者性能，选出较优者。 提高机组的经济性，降低成本，是火电厂实行“竞价上网 所 面临的迫切任务，所以在电厂各发电机组间实行机组负荷优化分 配，提高运行效率，降低生产成本意义重大。本文以全厂机组的标 准煤耗量最少为目标函数，对凝汽式机组的负荷分配进行了数学建 模；采用m a t l a b 多项式拟合函数p o l y f i t 对电厂的运行数据进行拟 合，得到机组能耗特性曲线；编制了负荷优化分配算法的程序，通 过算例的计算，并与平均分配进行比较，表明采用遗传算法来解决 负荷优化分配问题的有效性和优越性。 关键词：火电机组；人工神经网络；排汽焓；遗传算法； a b s t r a c t t h e r m a lp o w e rp l a n ti so n ei m p o r t a n tp a r to fe n e r g yp r o d u c t i o n ， w i t ht h ep o w e rc o n s t r u c t i o ns c a l ei sc o n t i n u ew i s e l y e x p a n d i n g ，t h e c a p a c i t yo f t h e r m a lp o w e rs e t sh a v ea l s oc o n s t a n t l ye x p a n d e d a c c o r d i n g t ot h ep r a c t i c a lo p e r a t i o no ft h et h e r m a lp o w e ru n i t ，t h i sp a p e ru s et h e i n t e l l i g e n tc o m p u t i n gm e t h o dt or e s e a r c ht h ec a l c u l a t i o no ft h ee x h a u s t e n t h a l p ya n dt h ee c o n o m i cl o a dd i s p a t c h o n l i n ep e r f o r m a n c em o n i t o r i n gi ns t e a mt u r b i n e ，e g t h ee x h a u s t e n t h a l p yi sav e r yi m p o r t a n tp a r a m e t e r b e c a u s es t e a mt u r b i n e se x h a u s t s u b s t a n c ep o s s i b l yl o c a t e si nt h ew e ts t e a ma r e a ，i t sp r e s s u r ea n dt h e t e m p e r a t u r ea r en o tt h ei n d e p e n d e n t ，t h ee x h a u s te n t h a l p yv a l u ec a n n o tb e l o o k e du pu s i n gt h ew a t e rs t e a mg r a p h ，a n dt h ee x h a u s ts t r e a md r y n e s s a l s ow i t hd i f f i c u l t yr e a l i z e so n l i n eb e i n gm o n i t o r e da tp r e s e n t ，t h ew e t s t e a me x h a u s te n t h a l p yi su n a b l eb eo b t a i n e dt h r o u g ht h ec o n v e n t i o n a l m e t h o d t h i sp a p e ru s e st h er b fn e u r a ln e t w o r ka n dt h eb pn e u r a l n e t w o r kc o m p u t et h es t e a mt u r b i n ee x h a u s te n t h a l p y , a n dc o m p a r e sb o t h p e r f o r m a n c e ，a n ds e l e c t st h eb e t t e ro n e t h es i g n i f i c a n tt a s kf o rat h e r m a lp o w e rp l a n ti st oi m p r o v ei t s e c o n o m i ct h e r m a lp e r f o r m a n c ea n dr e d u c ei t sc o s t su n d e rt h es i t u a t i o no f c o m p e t i t i v ep o w e rm a r k e t s oi t i sv e r yi m p o r t a n tt ob r i n gl o a d i n g a s s i g n m e n ti n t oe f f e c t ，t oi m p r o v et h er u n n i n ge f f i c i e n c y , a n dt or e d u c e t h ec a p i t a li n v e s t m e n t t h i sp a p e rt a k e st h ew h o l ep l a n tu n i to fs t a n d a r d c o a lc o n s u m p t i o nt om i n i m i z ea st h eo b j e c t i v ef u n c t i o n ，e s t a b l i s h e sat h e m a t h e m a t i c a lm o d e lt oo b t a i na n o p t i m a ll o a dd i s p a t c ha n d u n i t c o m m i t m e n t ；u s e sm a t l a bp o l y n o m i a lf i t t i n gf u n c t i o np o l y f i tt of i tt h e o b t a i n e dp e r f o r m a n c ed a t ao ft h ep o w e rp l a n t ，a n dt h ef u e lc o n s u m p t i o n c u r v eo fu n i t ；w o r k so u tt h eg ap r o g r a ma n dp r o v eg a sa c c u r a c ya n d s u p e r i o r i t yt h r o u g h t h ec a l c u l a t i o n e x a m p l e s ，a n d c a r r i e so nt h e c o m p a r i s o nw i t ht h ee q u a ld i s t r i b u t i o n 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研 究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰 写过的研究成果，也不包含为获得苤鲞苤堂或其他教育机构的学位或证书而使 用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确 的说明并表示了谢意。 学位论文作者躲纷字吼肋7 年，月易日 学位论文版权使用授权书 本学位论文作者完全了解叁鲞盘堂有关保留、使用学位论文的规定。特授 权苤鲞盘堂可以将学位论文的全部或部分内容编入有关数据库进行检索，并采 用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关 部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 翩獬：群 签字日期：知i ) 穸年 月6 日 务 日一，、， 盘弘 名 e 麟 挣 者 雠 叫 刘 瓤 倒 字 第一章绪论 第一章绪论 1 1 课题研究的背景及意义 我国的能源资源储量中煤炭占9 2 、石油占2 9 、天然气占0 2 、水电占 4 7 ，这就决定了我国的能源生产和消费结构在相当长的时期内以煤炭为主。2 1 世纪上半叶我国经济发展要达到中等发达国家水平的目标，而现在则正处于工业 化初期阶段，欲保持经济高速发展，必须有足够的能源投入，根据中国能源发 展报告提供的数据，如果发电用煤占煤炭总产量的比例按照过去几年2 的平 均年增长水平，到2 0 2 0 年发电用煤需求将可能上升到煤炭总产量的8 0 ，需要 大约1 9 6 2 5 8 7 亿吨原煤用于发电。u 3 由此可见随着能源消费总量的增加，煤 炭总量也将增加。目前，国际能源形式日趋紧张，我国的能源状况也不容乐观， 因此要想保持国民经济的高速增长，增效减耗势在必行。而据2 0 0 0 年统计显示 占我国发电机组8 3 2 的火电机组与国际水平相比普遍存在能耗高、效率低的特 点，因此提高火电机组的效率、降低煤耗势必会在一定程度上缓解我国潜在的能 源危机，并且会产生可观的经济效益。火电机组运行中相对内效率的在线计算有 利于我们对机组的实时监测，改善不良运行状况，以提高机组的经济性，从而达 到增效减耗的目的。 热力发电厂的生产过程实际上是一系列的能量转换过程，而通过热力学的理 论分析可知，热能是不可能全部转换成机械功的，因此在汽轮机装置中通常用各 种效率来评价整个能量转换过程中不同阶段的完善程度。相对内效率是以全机理 想比焓降为基准来衡量汽轮机能量转换完善程度、衡量其经济性的一个重要运行 指标，按照汽轮机相对内效率的定义式7 7 一= w f m 。，其中，w 是l k j 蒸汽 所做的实际功，心是l k j 蒸汽所做的理想功。只要知道了汽轮机的进汽温度， 压力和湿度，就可算出汽轮机的相对内效率。在这几个参数中，温度和压力在实 际运行的机组上均有测点，但湿度却一直没有准确可靠的测量仪表，而汽轮机排 汽点在湿蒸汽区，其焓值不能由压力和温度唯一确定，因此给在线计算汽轮机排 汽焓造成了困难，进而使得汽轮机相对内效率的在线计算成为一个难题。 近年来人工神经网络无论在理论研究还是在实际生活各个领域的应用中，均 得到了突飞猛进的发展。我国对该方面的研究也得到了国家基金委的大量资助， 这更说明这门学科的研究方兴未艾，既有学术价值又有重要的实际应用价值，因 而受到高度重视。 长期以来，我国实行电力垄断经营的体制，发、输、配、售集于一体，多数 电厂与电网属于利益共同体。这种体制与传统的计划经济模式是基本适应的。然 而随着社会主义市场经济体制的建立和发展，电力发展的体制性弊端日益明显， 第一章绪论 尤其是“九五”以来，随着电力工业的快速发展，供需形势出现了新的变化，发、 输、配、送一体化垄断经营电力体制的缺陷越来越突出。在电力体制改革的逐步 实施的形势下，电力企业的思维模式、工作方法、管理体制都面临着新的考验， 竞争将更加激烈。随着电力市场的逐步建立，商业运营已成为我国电力企业改革 的主要方向。以“厂网分开，竞价上网”为主要内容，“以打破垄断，以引入竞 争，降低成本，实现资源优化配置”为重要目标的电力体制市场化改革已经进入 实施阶段，本着建立市场化竞争的原则，由原来国家电力公司一家经营的发、输、 配、送，到电厂和电网的逐步剥离，再到五大发电公司的成立，市场主体多元化 的新格局已初步形成。逐步揭开了发电厂商破除垄断经营，实现竞价上网，实现 发电厂侧竞争的序幕。这是一场意义重大而影响深远的改革举措，它对电力系统 的生产，运行调度等都提出了新的要求。 改革使我国电力工业发生了多方面的变化：一是市场主体由原来的一家变成 了多个主体；二是资源配置由原来的以计划为主逐步走向以市场配置资源为基 础；三是政府管理由原来主要依靠行政手段正在转向依法监管。这些变化为电力 工业的快速发展无疑带来了新的机遇。 电价结构也发生了重要变化：即由原来的单一定价变成“两部分叠加”，一 部分是竞价形成的上网电价，一部分是国家严格核定的输配电价，由于上网电价 的出现，电价会由此而浮动，对于追求高效益的发电厂产生了积极的影响。建立 电力市场的目的是在电力工业内引入竞争机制，通过竞争提高发电厂的市场效 率，降低发电成本。通过公平竞争可以使可用电力增加，电费下降，促进经济发 展，将会给全社会带来巨大的经济效益和社会效益。 在传统的电网统一调度运行模式下，机组发电计划由电网调度中心确定，电 厂的自主权很小。而在电力市场运行体制下，独立法人的电厂和发电公司成为电 力市场的主角，电网则是电力交易的场所，各发电公司按电价竞争上网。电力市 场交易管理系统根据电价高低确定各个电厂的市场份额，各发电公司可以根据自 己的发电份额较为自主地安排厂内机组地发电计划。此时，如何根据所竞争得到 的发电指标确定厂内机组组合和负荷分配，使电厂机组实现优化调度基础上的优 化运行，以减少总体的能源消耗，获取最大利润，对于处于市场化运行的发电公 司来说，更显得十分重要。 火力发电是一个资源消耗巨大的产业，我国目前的燃煤机组占全国装机总容 量的7 4 ，对不可再生的煤炭资源消耗巨大，每年消耗的煤炭占全国煤炭消耗 量一半以上。电力作为二次能源，其发展需要充足的一次能源作为支撑，在环境 上也要付出代价。我国虽然幅员辽阔，自然资源总量上较为丰富，但人均资源严 重匮乏，且分布极不均衡，资源开发强度大，后备资源普遍不足，加上长期以来 第一章绪论 在资源开发利用方面存在的浪费大、破坏严重等问题，使国民经济的高速发展付 出了沉重的资源和环境代价。预计到了2 0 5 0 年，总装机容量将达到1 0 0 万 1 3 0 万m w 左右。照此势头发展下去，电力工业对煤炭的需求在未来5 0 年内将大量增 加。到2 0 5 0 年，年煤耗将高达2 - 2 5 g t 。届时，煤炭要满足电力工业的发展将 有相当的难度，这就要求电力系统本身要进一步节约能源。在如此大的燃料消耗 基数下，如果每发一度电节约1 9 煤，全国每年将节约煤2 0 万吨以上。在火力发 电厂内实现机组负荷经济调度可望节煤约1 ，每年将节约燃煤近4 0 0 万吨以上。 尤其是因近几年燃料价格上涨，在燃料短缺时电厂往往要补充高价燃料，这更使 得发电支出的燃料费用上升、生产成本大幅提高。由此可见，在火电厂实现负荷 合理分配、科学经济调度的应用前景是非常可观的。 因此通过优化火力发电机组的运行，最大限度地节约煤炭资源的消耗，从而 使可持续发展战略真正落到实处，使我国有限的资源得以长久永续利用，保证资 源安全，以最小的资源和环境代价实现国民经济的持续快速发展具有重要的社会 意义。 1 2 课题研究现状 1 2 1 在线计算汽轮机排汽焓的研究现状 目前，在火电机组热力系统热经济性在线分析计算中，如何准确实时确定汽 轮机排汽焓一直是一个瓶颈问题。其原因在于汽轮机排汽焓处于湿蒸汽区，焓值 不能根据压力、温度来确定，且现场不具备在线测量湿蒸汽湿度的条件。 目前，理论上计算汽轮机排汽焓主要有以下几种方法： ( 1 ) 能量平衡法“ 将汽轮机及回热系统看作一个封闭的热力单元，利用热平衡方程、物质平 衡方程和汽轮机功率方程，根据单元能量守恒原则计算排汽焓。其优点是：理论 上可以精确计算汽轮机排汽焓；缺点是：很难全面考虑单元的能量进出。因此， 目前很少使用。 ( 2 ) 曲线外推法一。 根据汽轮机在过热蒸汽区入口蒸汽状态点和抽汽状态点做热力过程线，并 平滑外推到湿蒸汽区，由此确定排汽焓。优点是：简单，易于计算机在线计算； 缺点是：精度不够，尤其是在汽轮机低负荷时。 ( 3 ) 曲线迭代法”一。 方法类似于曲线外推法，只是增加收敛条件，迭代计算。精度较高，但受 收敛条件的限制，迭代次数会影响热经济性在线计算周期。 第一章绪论 通过分析可知，汽轮机排汽焓主要由两方面因素决定，即凝汽器的工况决 定排汽温度，进而决定排汽压力；机组具体热力系统及其工作状况，决定了机 组的热力过程线，但排汽焓的数值对机组某一确定状态而言，是唯一的。问题 是在现有理论水平与现场实际情况，只能够定性分析出影响排汽焓大小的因 素，不能明确确定出排汽焓与这些因素之间的线性函数关系。但是由于在热经 济性在线分析计算中，我们不需要准确知晓这些因素的定量情况和影响过程， 只要有办法获得它们的最终影响效果，就达到了我们的全部目的，因此本文借 助神经网络的非线性映射能力，针对这一问题构建数学模型。 1 2 2 负荷优化分配系统的研究现状 电力系统的经济调度一直是受到国内外学者普遍关注的课题，它已有近6 0 年的研究历史，尤其是上世纪8 0 年代以来，世界各国纷纷建立电力市场以打破 电力企业的垄断经营，引入竞争机制，对这一课题的研究就更具有现实意义。厂 级负荷优化分配是电力系统经济调度中的重要环节，对提高企业的经济效益和改 善系统的安全、稳定性有很大贡献，因此，国内外学者提出了许多有价值的解决 方法。 国外在这方面的研究较早，尤其在优化理论上提出了大量的算法，主要有等 微增率法、线性规划法、拉格朗日松弛法、动态规划法等。近年来，随着计算机 和人工智能技术的发展，一些学者又提出将遗传算法、模拟退火算法、人工神经 网络法、混沌优化算法旧”。等智能化方法用于机组的负荷优化调度问题。在实 际系统的开发方面，也取得了一些成果，例如，德国s i e m e n s 公司的负荷优化软 件在德国m a n n h e i m 电厂、韩国h a d o n g 电厂已经有相对成功的运行经验。“刮 与国外相比，国内由于长期受到电力供应紧张局面的影响，以及电厂自动化 和信息化的相对落后，在这方面的研究起步较晚。但在实际系统的开发上也取得 了一些成果，例如，西安热工研究院开发的厂级实时监控系统、国电南瑞开发的 火电厂厂级网络互联系统、上海新华电站开发的厂级实时监控信息系统等。当然 也存在着一些问题，如：大多只能做离线指导，难以做到在线的实时控制；算法 落后，大多采用穷举算法，软件的实时性和稳定性较差等。 1 3 本文主要研究内容 本文主要是研究智能计算方法在火电机组运行中的应用，以电厂实测数据为 基础，运用智能计算的新方法解决汽轮机排汽焓在线计算和电厂负荷优化分配的 问题。 本文的主要工作有： ( 1 ) 以某电厂n 2 0 0 m w 机组( n 2 0 0 1 2 7 5 5 3 5 5 3 5 ) 为例，利用径向基函数 第一章绪论 ( r b f ) 神经网络计算汽轮机排汽焓。 ( 2 ) 仍以以上数据为基础，采用人工神经网络理论中的反向传播b p 网络计 算汽轮机排汽焓，并将两种方法得到的结果加以比较，得到较优者。 ( 3 ) 确定机组煤耗特性曲线和负荷优化分配的数学模型。将机组运行的原 始数据经过整理、得到与供电功率p ( m w ) 相对应的煤耗率b ( g k w h ) ，再由数 学方法拟合，即可获得机组的煤耗特性曲线。在此基础上，建立了负荷优化分配 的数学模型。引进具有优秀性能的遗传算法来解决电厂负荷优化分配的问题。 第二章智能计算的基本理论 第二章智能计算的基本理论 2 1 人工神经网络 2 1 1 人工神经网络简介 1 人工神经网络 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，a n n ) 亦称为神经网络( n e u r a l n e t w o r k s ，n n ) ，是由大量处理单元( 神经元n e u r o n s ) 广泛互连而成的网络，是 对人脑的抽象、简化和模拟，反映人脑的基本特征。人工神经网络的研究是从人 脑的生理结构出发来研究人的智能行为，模拟人脑信息处理的功能。它是根植于 神经科学、数学、统计学、物理学、计算机科学及工程等学科的一种技术。 人工神经网络是由简单的处理单元所组成的大量并行分布的处理机，这种处 理机具有存储和应用经验知识的自然特性，它与人脑的相似之处概括为两个方 面：一是通过学习过程利用神经网络从外部环境中获取知识；二是内部神经元( 突 触权值) 用来存储获取的知识信息。 2 人工神经网络的信息处理能力 人工神经网络的计算能力有三个显著特点：一是它的非线性特性：二是它的 并行分布结构；三是它的学习和归纳能力。归纳指神经网络在学习( 训练) 过程 中能为新的输入产生合理的输出。据有了这些特性的人工神经网络能够解决许多 复杂的问题。 2 1 2 人工神经网络的发展历史 神经网络的研究始于2 0 世纪4 0 年代，它的发展经历了一条由兴起、萧条和 兴盛三个阶段构成的曲折道路。u 训 1 兴起阶段 1 9 4 3 年，精神病学家和神经解剖学家m c c u l l o c h 与数学家p i t t s 在数学生 物物理学会刊 b u l l e t i o no fm a t h e m a t i c a lb i o p h y s i c s 上发表文章。总结了 生物神经元的一些基本生理特征，提出了形式神经元的数学描述与结构，即m p 模型。 1 9 4 9 年，生理学家d 0 h e b b 出版了 t h eo r g a n i z a t i o no fb e h a v i o r 一 书，该书第一次鲜明的提出了改变神经元连接强度的h e b b 规则，特别是，h e b b 提出脑中互连信息随着感官学习任务的不同而不断变化，这种变化产生了神经集 合。 1 9 5 4 年，通信理论的先驱和手写器的发明者g a b o r 提出了非线性自适应滤 波思想。 一r 第二章智能计算的基本理论 1 9 5 7 年，r o s e n b l a n t t 提出感知器。1 9 5 8 年，r o s e n b a n t t 基于对感知器的 研究，提出了解决模式识别问题的新的监督学习方法，并证明了所谓的感知器收 敛定理。 1 9 6 0 年，w i d r o w 和h o f f 引入了最小均方差算法，并用它阐明了自适应线性 元件。 1 9 6 7 年，a m a r i 用推测梯度方式进行自适应模式分类。 2 萧条阶段 1 9 6 9 年，p a p e r t 所著的p e r c e p t r o n 一书出版，该书从数学角度证明了 关于单层感知器的计算具有根本的局限性，指出感知器的处理能力有限，甚至连 x o r 这样的问题都不能解决，并在多层感知器的总结章中，论述了单层感知器的 所有局限性在多层感知器中是不能被全部克服的。 m i n s k y 的悲观结论对当时神经网络的研究是一个沉重的打击。致使在这以 后的十年中，神经网络的研究进入了一个缓慢发展的低潮期。 虽然在整个2 0 世纪7 0 年代，对神经网络的理论研究进展缓慢，但并没有完 全停顿下来。世界上一些对神经网络抱有坚定信心和严肃科学态度的学者一直没 有放弃他们的努力。许多神经网络模型，如线性神经网络模型、自组织识别神经 网络模型以及将神经元的函数输出与统计力学中的搏耳兹曼分布相联系的 b o l t z m a n n 机模型等，都是在这个时期出现的。 3 兴盛时期 学术界公认，标志神经网络研究高潮的又一次到来是美国加州理工学院生物 物理学家j h o p f i e l d 教授于1 9 8 2 年和1 9 8 4 年发表在美国科学院院刊上的两篇 文章以及1 9 8 6 年r u m e l h a r t 和m c l e l l a n d 的两册书。 1 9 8 2 年，h o p f i e l d 用能量函数的思想形成了一种新的计算方法该计算方法 由含有对称突触联接的反馈网络执行。 1 9 8 2 年，另一个重要的发展是k o h o n e n 的关于自组织图的论文发表，其中 用到了一个一维或二维的晶体结构，这种模型已成为衡量在此领域中有价值创新 的基准。 1 9 8 3 年，k i r k p a r t r i c k ，g e l a t t 和v e c c h i 提出了模拟退火的新方法，该方 法以统计理论为基础，用以解决组合最有问题。 1 9 8 4 年，h o p f i e l d 设计与研制了他所提出的神经网络模型的电路，指出神 经元可以用运算放大器来实现，所有神经元的联接可用电子线路来模拟。 1 9 8 6 年，d e r u m e l h a r t 和j l m c c e l l a n d 及其研究小组提出误差反向传播 算法，即b p 算法。 1 9 8 8 年，b r o o m h e a d 和l o w e 用径向基函数( r b f ) 提出了分层反馈网络设计的 第二章智能计算的基本理论 方法。 2 0 世纪8 0 年代中期以来，神经网络的研究取得了很大的成绩，涉及面非常 广泛。为了适应人工神经网络的发展，1 9 8 7 年成立了国际神经网络学会，并于 同年在美国圣地亚哥召开了第一届神经网络会议。此后，神经网络技术的研究始 终呈现出蓬勃活跃的局面，理论研究不断深入，应用范围不断扩大。尤其是进入 2 0 世纪9 0 年代，随着i e e e 神经网络会刊的问世，各种论文专著逐年增加，在 全世界范围内逐步形成了研究神经网络前所未有的热潮。 2 1 3 人工神经网络神经元模型u 5 1 6 。 人工神经网络是由大量处理单元( 神经元) 广泛互连而成的网络，是人脑的 抽象、简化、模拟。神经元的特性在某种程度上决定了神经网络的总体特征。一 般说来，一个典型的具有r 维输入的神经元模型可用图2 - 1 表示， 卒申经元 a 2 ：f f ( w p + b ) 图2 一l 神经元模型 由上图可见，一个典型的神经元模型主要有以下五部分组成： ( 1 ) 输入。日，只，b ，乓代表神经元的r 个输入。在m a t l a b 中，输入可 以用一个r x l 维的列矢量p 来表示( 其中t 表示取转置) p = 墨，昱，p r 7 ( 2 1 ) ( 2 ) 网络权值和阈值。彬l 彬2 ，职，代表网络权值，表示输入于神经元之 间的连接强度：b 为神经元阈值，可以看作是一个输入恒为一的网络权值。在 m a t l a b 中，神经元的网络权值可以用一个1 x r 维的行矢量w 来表示： w = 彤。彬2 _ ， ，闽值b 维1 x l 的标量。于人脑神经元不同，人工神经元权 值的取值可在负值与正值之间。 ( 3 ) 求和单元 求和单元完成对输入信号的加权求和，即 r n ：ypw 1 ，+ 6 ( 2 2 ) j _ 一i 忙i 这是神经元对输入信号处理的第一个过程。在m a t l a b 语言中，该过程可以通 过输入矢量和权值矢量的点积的形式加以描述，即，z = w 水p + 6 第二章智能计算的基本理论 ( 4 ) 传递函数 在上图中，f 表示神经元的传递函数或激发函数，它用于对求和单元的计算 结果进行函数运算，得到神经元的输出。传递函数可取不同的函数，但常用的基 本激励函数有以下几种： 阈值函数 弛) = 敝三 ( 2 _ 3 ) 该函数通常也称阶跃函数，用u ( t ) 表示，如图2 2 所示。若激励函数采用阶 跃函数，则图2 1 所是的人工神经网络模型即为著名的m p ( m c c u l l o c h p i t t s ) 模型。 此时神经元的输出取1 或0 反映了神经元的兴奋或抑制。 jl “、。7 1 r 0 t 图2 2 阈值函数 分段线性函数 j- 坟v ) 1 1 1 i io 1 t 一1 图2 3 分段线性函数 1 , t l f ( t ) = f ，1 t - 1 ( 2 4 ) 卜l ，f 一1 该函数在 一1 ，+ 1 线性区间内的放大系数是一致的，如图2 3 所示，这种形式的 激励函数可看作是非线性放大器的近似。 s i g m o i d 函数 s i g m o i d 函数也称s 型函数。到目前为止，它是人工神经网络中最常用的激 励函数。s 函数的定义如下： 厂( ) = 1 + e x 二p 一( - a t ) ( 2 - 5 ) 其中a 为s i g m o i d 函数的斜率参数，通过改变参数a ，我们会获得不同斜率 的s i g m o i d 函数，如图2 4 所示。当斜率参数接近无穷大时，此函数转化为简单 的阈值函数，但s i g m o i d 函数对应0 到1 一个连续区域，而阈值函数对应的只是 0 和1 两点，此外，s i g m o i d 函数是可微的，而阈值函数是不可微的。 s i g m o i d 函数也可用双曲正切函数( s i g n u mf u n c t i o n ) 来表示，如图2 5 所 示： 第二章智能计算的基本理论 f f v l t _ 7 0 ，7 。幺l 一8 6 4 一己0己468i l 图2 4 s i g r n o i d 函数 ( 5 ) 输出 l l v j 1 0 5 i 一 - 1 0 53 5 1 0 1 - _ 一1 图2 5 双曲正切函数 输入信号经神经元加权求和及传递函数作用后，得到最终的输出为 a = f ( w p + b )( 2 6 ) 若传递函数为p u r e l i n 函数，则神经元输出可用m a t l a b 语句表示为 a = p u r e li n ( 1 r j i c p + b ) ( 2 7 ) 2 1 4 人工神经网络的分类 神经网络的类型多种多样，它们是从不同角度对生物神经系统不同层次的抽 象和模拟。从功能特性和学习特性来分，典型的神经网络主要包括感知器、线性 神经网络、b p 网络、径向基函数网络、自组织映射网络和反馈神经网络等。一 般来说，当神经元的模型确定后，一个神经网络的特性及其功能主要取决于网络 的拓扑结构及学习方法。从网络的拓扑结构角度看，神经网络可以分为以下四种 基本形式t ( 1 ) 前向网络。前向网络结构如图2 - 6 所示：网络中的神经元是分层排 ，l ，t ， 、 ，t ji jl j 。一 羹 - 嚣 ii阌 _ _ j 而 而 图2 - 6 前向网络图2 - 7 有反馈的前向网络 列的，每个神经元只与前一层神经元相连。最上一层为输出层，最下一层为输入 层。输入层和输出层也称为隐层。隐层的层数可以是一层或多层，前向网络在神 经网络中应用十分广泛。 - 1 0 - 第二章智能计算的基本理论 ( 2 ) 有反馈的前向网络 从输出到输入有反馈的前向网络结构如图2 - 7 所示：该网络本身是前向型 的，但是与上一种不同的是从输出到输入有反馈回路。 ( 3 ) 层内互连前向网络 层内互连前向网络如图2 - 8 所示。通过层内神经元的相互连接，可以实现同 乇而 图2 8 层内互连前向网络图2 - 9 互联网络 一层神经元之间的相互制约，从而可以将层内神经元分为几组，让每组作为一个 整体来动作。 ( 4 ) 互联网络 互联网络结构如图2 - 9 所示。互联网络又分为局部互联和全局互联j 全互联 网络中每个神经元的输出都与其他神经元相连，而局部互联网络中，有些神经元 之间没有连接关系。 2 1 5 神经网络的仿真 神经网络的仿真过程实质上是神经网络根据网络输入数据，通过计算得出的 相应网络输出的过程。通过仿真，我们可以及时了解当前神经网络的性能，从而 决定是否对网络进行进一步训练。根据网络形势和神经网络的不同类型，神经网 络的仿真可以采用不同的形式。 2 1 6 神经网络的学习与训练 学习特性是神经网络的基本特性，神经网络的学习与训练是通过网络权值和 阈值的调节来实现的。根据学习过程的组织和管理方式不同，学习可分为有监督 学习和无监督学习。 对于有监督学习，如图2 1 0 所示， 第二章智能计算的基本理论 权重 图2 1 0 有监督学习原理图 网络训练往往要基于一定数量的训练样例或样本，训练样本通常由输入矢 量和目标矢量组成。在学习和训练过程中，神经网络不断地将其实际输出与目标 输出进行比较，并根据比较结果或误差按照一定的规则或算法对网络权值或阈值 进行调解，从而使网络的输出逐渐接近目标值。 无监督学习是一种自组织学习，即网络的学习过程是一种自我学习的过程， 不需要提供学习样本或外界补偿。在学习过程中，网络只需要响应输入信号的激 励，按照某种规则反复调节网络权值或阈值，直到最后形成某种有序的状态。 2 2 遗传算法概述 2 2 1 遗传算法概述旧3 2 4 1 遗传算法( g e n e t i ca l g o r i t h m ，简称g a ) 起源于对生物系统所进行的计算 机模拟研究。美国m i c h i g a n 大学的h o l l a n d 教授及其学生受到生物模拟技术 的启发，创造出了一种基于生物遗传和进化机制的适合于复杂系统优化的自适应 概率优化技术遗传算法。 遗传算法是模仿自然界生物进化机制发展起来的随机全局搜索和优化方法， 它借鉴了达尔文的进化论和孟德尔的遗传学说。其本质是一种高效、并行、全局 搜索的方法，它能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应 的控制搜索过程以求得最优解。遗传算法操作使用适者生存的原则，在潜在的解 决方案种群中助词产生一个近似最优的方案。在遗传算法的每一代中，根据个体 载问题域中的适应度值和从自然遗传学中借鉴来的再造方法进行个体选择，产生 一个新的近似解。这个过程导致种群中个体的进化，得到的新个体比原个体更能 适应环境，就像自然界中的改造一样。 由于遗传算法是自然遗传学和计算机科学相互结合渗透而成的新的计算方 法，因此遗传算法中经常使用自然进化中有关的一些基本用语。在遗传算法中， 染色体对应的是数据或数组，在标准的遗传算法中，通常是由一维的串结构数据 第二章智能计算的基本理论 表现的。遗传算法处理的是染色体，或者叫基因型个体。一定数量的个体组成了 群体，也叫集团。群体中个体的数目称为群体的大小，也叫群体规模。而各个体 对环境的适应程度叫适应度。执行遗传算法时包含两个必要的数据转换操作，一 个是表现型到基因型的转换，它把搜索空间中的参数或解转换成遗传空间中的染 色体或个体，此过程称为编码操作；另一个是基因型到表现型的转换，它是前者 的一个相反操作，称为译码操作。 2 2 2 遗传算法的基本原理 遗传算法模拟了自然选择和遗传中发生的复制、交叉和变异等现象，从任一 初始种群出发，通过随机选择、交叉和变异操作，产生一群更适应环境的个体， 使群体进化到搜索空间中越来越好的区域，这样一代一代地不断繁衍进化，最后 收敛到一群最适应环境的个体，求得问题的最优解。 2 2 3 遗传算法的特点 遗传算法是一类随机化的搜索方法，但它不是简单的随机比较搜索，而是通 过对染色体的评价和染色体中基因的作用，有效的利用已有信息来指导搜索有希 望改善优化质量的状态，因此它又不同于常规的随机化方法。与一般的优化方法 相比，遗传算法的鲁棒性比较好。遗传算法的特点可归结为： ( 1 ) 遗传算法是对参数的编码进行操作，而不是对参数本身。 ( 2 ) 遗传算法是从多个初始点开始操作，而不是从某一点开始，从而避免 了搜索过程过早的收敛于局部极值，更有可能求得全局极值。 ( 3 ) 遗传算法是通过目标函数来计算适应度，而不需要其他的指导和附属 信息，因而对问题的依赖性小。 ( 4 ) 遗传算法使用概率的操作规则，而不是确定性规则。 ( 5 ) 遗传算法在解空间中采用启发式搜索，而不是盲目的穷举或完全随机 测试，因而搜索的效率高。 ( 6 ) 遗传算法对于待寻优的问题基本没有限制，既可以是数学解析式所表 示的显函数，又可以是映射矩阵或神经网络所表示的隐函数，同时也不要求连续 可微。 ( 7 ) 遗传算法所具有的隐含并行性的特点，使其可通过大规模并行计算来 提高计算速度。 ( 8 ) 遗传算法更适合复杂的、高度非线性的优化问题。 2 2 4 遗传算法的运算流程 完整的遗传算法运算流程如下图所示： 第二章智能计算的基本理论 图2 1 l 遗传算法运算流程 由图2 1 1 可以看出，使用上述三种遗传算子( 选择算子、交叉算子和变异 算子) 的遗传算法的主要运算过程如下： ( 1 ) 编码：解空间中的解数据x ，作为遗传算法的表现型形式。从表现型到 基因型的映射称为编码。遗传算法在进行搜索之前先将解空间的解数据表示成遗 传空间的基因型串结构数据，这些串结构数据的不同组合就构成了不同的点。 一1 4 第二章智能计算的基本理论 ( 2 ) 初始群体的生成：随机产生n 个初始串结构数据，每个串结构数据称 为一个个体，n 个个体构成了一个群体。遗传算法以这n 个串结构作为初始点 开始迭代。设置进化代数计数器t 一0 ；设置最大进化代数t ；随机生成m 个 个体作为初始群体p ( o ) 。 ( 3 ) 适应度值评价检n - 适应度函数表明个体或解的优劣性。对于不同的问 题，使应度函数的定义方式不同。根据具体问题，计算群体p ( t ) 中各个个体的适 应度。 ( 4 ) 选择：将选择算子作用于群体。 ( 5 ) 交叉：将交叉算子作用于群体。 ( 6 ) 变异：将变异算子作用于群体。 群体p ( t ) 经过选择、交叉、变异运算后得到下一代群体p ( t + 1 ) 。 ( 7 ) 终止条件判断：若t t ，则t 一什1 ，转到步骤( 2 ) ；若t t ，则以进化过 程中所得到的具有最大适应度的个体作为最优解输出，终止运算。 2 2 5 遗传算法的基本操作 遗传算法有三个基本操作：选择、交叉和变异。 ( 1 ) 选择。选择的目的是为了从当前群体中选出优良的个体，使它们有机会 作为父代为下一代繁殖子孙。根据各个个体的适应度值，按照一定的规则或方法 从上一代群体中选择出一些优良的个体遗传到下一代群体中。遗传算法通过选择 运算体现这一思想，进行选择的原则是适应性强的个体为下一代贡献一个或多个 后代的概率大。这样就体现了达尔文的适者生存原则。 ( 2 ) 交叉。交叉操作是遗传算法中最主要的遗传操作。通过交叉操作可以得 到新一代个体，新个体组合了父辈个体的特性。将群体内的各个个体随机搭配成 对，对每一个个体，以某一个概率交换它们之间的部分染色体。交叉体现了信息 交换的思想。 ( 3 ) 变异。变异操作首先在群体中随机选择一个个体，对于选中的个体以一 定的概率随机改变串结构数据中的某个串的值，即对群体中的每一个个体；以某 一概率改变某一个或某一些基因座上的基因值为其他的等位基因。同生物界一 样，遗传算法中变异发生的概率很低。变异为新个体的产生提供了机会。 第二章智能计算的基本理论 2 3 本章小节 本章讨论了智能计算的基本理论，重点介绍了在以后的章节中要用到的神经 网络和遗传算法的形成发展以及其基本的结构。 第三章基于径向基函数( r b f ) 神经网络的排汽焓的计算 第三章基于径向基函数( r b f ) 神经网络的排汽焓的计算 3 1 引言 由于排汽焓处于湿蒸汽区，需要温度、压力、干度三个参数才可以确定排汽焓。排 汽干度目前还难以实现在线监测，湿蒸汽排汽焓无法通过常规方法得到，为解决这一问 题，采用神经网络方法对排汽焓计算。 虽然人工神经网络的研究还处于发展之中，但人工神经网络所具有的非线性特性、 大量的并行分布结构以及学习和归纳能力使其在诸如建模、时间序列分析、模式识别、 信号处理以及控制等方面得到了广泛应用，尤其面对缺少物理或统计理解、观察数据中 存在着统计变化、数据由非线性机制产生的棘手问题，神经网络能够提供较为有效的解 决方法。特别在工程领域，人们应用人工神经网络的基本原理和成熟的方法去处理对于 传统方法难以解决的问题，取得了很大的成功。本章以某电厂n 2 0 0 m w 机组 ( n 2 0 0 1 2 7 5 5 3 5 5 3 5 ) 为例，利用径向基函数( r b f ) 神经网络计算汽轮机排汽焓。 3 2 径向基函数网络结构 径向基函数( r a d i a lb a s i sf u n c t i o n ；简称r b f ) 人工神经网络，是最近几年提出 和开始研究并得到一定应用的新型前向神经网络“。，其结构与一般前向网络相同， 只是网络隐层神经元的非线性作用过程与一般的网络不同。 r b f 人工神经网络，是一个具有一个输入层，一个隐含层和一个输出层的3 层网络结 构各层有多个单元( 神经元) ，相邻层之间为单方向互连，如图3 - 1 所示。 垓 图3 1 径向基网络结构 0 n 第三章基于径向基函数( r b f ) 神经网络的排汽焓的计算 3 3 径向基函数网络的学习 有多种方法可以对径向基函数网络进行训练，本文中介绍其中的两种学习方法，一 种是误差纠正学习法，另一种是r b f - l s 算法。下面分别介绍这两种方法的学习过程。 设径向基单输出网络中，输入层神经元的输入为工，令c ，表示径向基函数的中心， 盯，表示径向基函数中心c 与其所对应的子样本集瞑中样本模式之间的平均距离，v i 表示 输出层神经元与隐层神经元i 的连接权。径向基单输出网络训练步骤如下： 1 误差纠正法： ( 1 ) 将各权值赋予 一1 ，1 间的随机数； ( 2 ) 从样