基于NARX神经网络的锅炉壁温预测模型

摘要

壁温超温是超(超)临界锅炉爆管的主要原因之一,也是困扰超(超)临界机组运行的关键难题.本文在分析现有锅炉壁温预测技术的基础上,将NARX动态神经网络用于屏式过热器(屏过)壁温的预测,首先采用人工筛查和灰关联分析方法,确定影响屏过壁温变化的关键因素,然后设置不同影响因素的组合对预测性能进行分析和优化,确定外部输入变量,最后建立屏过壁温NARX神经网络预测模型.将该模型用于实际机组历史运行数据,并与NAR神经网络模型预测结果进行对比.结果 表明:考虑了影响壁温变化关键因素的NARX神经网络有更好的预测性能,能长时间保持较好的预测精度,可提前1min预测壁温的变化.该结果对解决超临界机组壁温超温问题有一定的理论和工程应用价值.