基于大数据和神经网络的锅炉燃烧含氧量建模研究

摘要

提出一种基于大数据的神经网络辨识多输入单输出（Multiple-Input Single-Output,MISO）系统的方法,采集现场运行的锅炉燃烧系统总风量、总煤量、炉膛氧量等历史大数据,首先使用数据平滑、去除趋势性、归一化等步骤进行数据预处理,然后利用近邻法删选出表征系统特性的样本数据集,利用神经网络模型进行训练后挖掘出数据之间的关系,最后在升、降30%负荷的情况下分别进行模型预测。结果表明,虽然只将采集到约0. 658%数据容量进行训练,但在对整个大数据容量进行测试时,模型误差仍在允许的范围内。