CN119394071A 一种模块化熔盐储能的蒸汽释热控制方法及系统 （西安热工研究院有限公司）

一种模块化熔盐储能的蒸汽释热控制方法本发明公开了一种模块化熔盐储能的蒸汽包括建立模块化熔盐储能释热控制系统的BP神本发明有效提升了模块化熔盐储能系统的蒸汽2建立模块化熔盐储能释热控制系统的BP神经网络模型，训练BP神经网络对节点参数进行归一化处理，定义归一化处理后的输出误差，根据输出误采用变速率调节技术对分析后的BP神经网络模型进行处理，基于2→Lso3→Tsin4→Ty15→Ty26→Ty37→Ty44→Ty1j表示隐含层节j表示隐含层的第j个神经元。含层进行输出包括引入节点激活函数对隐含层的第j个神经元进行预处理，加快所述BP神针对隐含层的第j个神经元和输出层的第j个神经元建立神经网络神经网络模型包括设置输入层到隐含层的权值当输入层到隐含层的权值大于第j个神经元中的隐含层节点阈值时，则进入BP神经网3当E≥∈时，则通过梯度下降法对隐含层的第j个神经元和输出层的第j个神经元的权后的BP神经网络模型进行处理包括采用变速率调节技术对学习速率μ进行迭代，基于调整所述蒸汽释热控制包括将输入层的节点个数代入到输出熔盐泵频率fy的BP神经网络8.一种模块化熔盐储能的蒸汽释热控制系统，基于训练模块，其建立模块化熔盐储能释热控制系统的4控制模块，其采用变速率调节技术对分析后的BP神经网络模型进9.一种计算机设备，包括存储器和处理器，所述存储器存被处理器执行时实现权利要求1～7任一所述的模块化熔盐储能的蒸汽释热控制方法的步5传统火力发电的优化提供了新的途径，而模块化的设计则进一步增强了系统的可扩展性、[0004]模块化熔盐储能系统通过将大型储能单元分割为多个较6[0010]所述输入包括将所述N个储能释热参数通过输入层进行输入，通过隐含层进行输2→Lso3→Tsin4→Ty15→Ty26→Ty37→Ty4述通过隐含层进行输出包括引入节点激活函数对隐含层的第j个神经元进行预处理，加快述训练BP神经网络模型包括设置输入层到隐含层的权值和输出层到隐含[0018]当输入层到隐含层的权值大于第j个神经元中的隐含层节点阈值时，则进入BP神7述根据输出误差分析BP神经网络模型包括设定最[0027]当E≥∈时，则通过梯度下降法对隐含层的第j个神经元和输出层的第j个神经元述对分析后的BP神经网络模型进行处理包括采用变速率调节技术对学习速率μ进行迭代，[0036]所述蒸汽释热控制包括将输入层的节点个数代入到输出熔盐泵频率fy的BP神经8[0042]图1为本发明一个实施例提供的一种模块化熔盐储能的蒸汽释热控制方法及系统[0043]图2为本发明一个实施例提供的一种模块化熔盐储能的蒸汽释热控制方法及系统[0044]图3为本发明一个实施例提供的一种模块化熔盐储能的蒸汽释热控制方法及系统91→fy2→Lso3→Tsin4→Ty15→Ty26→Ty37→Ty4[0059]S1.1：通过隐含层进行输出包[0065]当输入层到隐含层的权值大于第j个神经元中的隐含层节点阈值时，则进入BP神_0.01到0.15_0.01到0.1_[0069]表格展示了BP神经网络模型中各层节点数量及其权值设置，输入层包含12个节[0071]其中，对节点参数进行归一化处理包括利用激励函数对了避免这些差异影响神经网络的学习效果，采用了激励函数对这些参数进行归一化处理，[0081]当E≥∈时，则通过梯度下降法对隐含层的第j个神经元和输出层的第j个神经元[0093]蒸汽释热控制包括将输入层的节点个数代入到输出熔盐泵频率fy的BP神经网络60.02到0.08