文献类型：期刊文章

作　　者：姜平[1] 赵保国[1] 张海伟[1] 李丽锋[1] 王鹏程[1] 王欣峰[2] 苑文鑫[3]

JIANG Ping;ZHAO Baoguo;ZHANG Haiwei;LI Lifeng;WANG Pengcheng;WANG Xinfeng;YUAN Wenxin(Shanxi Hepo Power Generation Co.,Ltd.,Yangquan 045001,China;Department of Automation,Shanxi University,Taiyuan 030006,China;School of Mathematical Sciences,Shanxi University,Taiyuan 030006,China)

机构地区：[1]山西河坡发电有限公司,山西阳泉045001 [2]山西大学自动化系,山西太原030006 [3]山西大学数学科学学院,山西太原030006

出　　处：《自动化仪表》

年　　份：2019

卷　　号：40

期　　号：11

起止页码：20-23

语　　种：中文

收录情况：CAS、CSA、CSA-PROQEUST、INSPEC、RCCSE、ZGKJHX、普通刊

摘　　要：为了解决火电厂供热和供电的矛盾、增强机组的调峰范围,需要建立精确的热负荷预测模型。针对热电联供系统热负荷影响因素多、耦合性非线性强等特点,利用T-S模糊神经网络算法建立热负荷预测模型,用于预测未来时间热负荷的变化。通过基于减法聚类的模糊C均值聚类算法进行结构辨识,再利用模糊神经网络的混合学习算法进行参数辨识。为了建立热负荷的精确模型,选取热负荷的主要影响因素作为变量。其中,将室外温度、供水温度、回水温度、供水流量作为输入变量,热负荷作为输出变量,并从热电厂DCS上采集连续两天24 h的历史数据,将前一天的数据作为训练集和后一天的数据作为检测集。在MATLAB上进行试验。仿真结果显示:98%的训练样本的相对误差在±0.4%之间,且98%的检测样本的相对误差在±0.6%之间。这表明预测模型的拟合度精确度较好,可以为供热机组调峰研究提供依据。

关 键 词：热电联供系统 热负荷预测 非线性  T-S模糊神经网络 模糊C均值聚类 减法聚类 预测模型  MATLAB仿真

分 类 号：TH183]