电站锅炉水冷壁积灰结渣仿真模型的建立(3)

№２电力科学与工程

６９

个输入参数（因素）；Ｙ；为第ｉ个试验工况下，所得的水冷壁的洁净因子。

ＢＰ算法是梯度下降法，其实质是使误差平方和最小，这种方法是沿梯度下降方向搜索，收敛速度慢。为了加快搜索，作为对误差函数的二次逼近，提出了牛顿法及其变形等。牛顿法需要计算二阶导数的Ｈｅｓｓｉａｎ阵及其逆，具有计算复杂、工作量大等缺点；而ＬＭ算法避免了这些缺点，搜索速度快，适于前向神经网络训练【６－－７』，为此采用ＬＭ优化算法进行神经网络训练。

训练时，目标误差平方和取为０．００１，最大训练迭代次数为１００００次，首先将４００个数据样本放人ＢＰ神经网络模型中进行训练，而后将另外的１００个数据样本放入网络模型中进行验证。

将该神经网络仿真模型应用于阜新电厂２号机组，对锅炉水冷壁的总体污染情况进行了仿真，部分仿真结果如图２所示。由图２可以看出，吹灰前

４

结论

神经网络可以任意近似非线性函数和动态系统，是多变量非线性对象建模的有力工具，对于电站锅炉炉膛受热面，采用神经网络建立水冷壁积灰结渣仿真模型优于其它方法，可以提高炉膛辐射换热过程的仿真精度，为进一步实现电站仿真机的智能优化吹灰仿真打下了坚实基础。

参考文献：

［１］冯俊凯，沈幼庭．锅炉原理及计算（第二版）［Ｍ］．北

京：科学出版社，１９９２．

［２］王旭，王宏，王文辉．人工神经元网络原理和应用

［Ｍ］．沈阳：东北大学出版社，２０００．

［３］马恩俭，陆继东，沈凯，等．电站锅炉积灰监测与控制

系统研究［Ｊ］．锅炉技术，２００４，３５（２）：４８～５１．

［４］袁军，张明智，方亮，管壁清洁系数对双背压凝汽器真

空的影响［Ｊ］．电力科学与工程，２００２，（３）：１０—１２．

［５］汪荣鑫．数理统计［Ｍ］．西安：西安交通大学出版社，

１９８６．１５０—１６０．

［６］黄豪彩，黄宜坚，杨冠鲁．基于ＬＭ算法神经网络系统

辨识［Ｊ］．组合机床与自动化加工技术，２００３，（２）：６

—１１．

时间

图２炉膛污染的仿真情况

Ｆｉｇ．２

Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｏｆｆｕｒｎａｃｅｐｏｌｌｕｔｉｏｎ

［７］陈宝康，阎维平，朱予东，等．燃煤电站锅炉对流受热

面灰污层增长预测模型的研究［Ｊ］．华北电力大学学报，

２００４，（２）：３２—３５．

污染逐渐加重，洁净因子缓慢减小，吹灰后受热面变得清洁，洁净因子快速增大，而后洁净因子再次缓慢减小，吹灰后洁净因子又快速增大，符合实际锅炉水冷壁污染变化的情况。

作者简介：李智（１９６３一），男，辽宁沈阳人，沈阳工程学院高

级工程师，博士，主要从事锅炉热工与优化控制、电站计算机仿真

等方向的研究。

零祭秘零鹕祭零鹕秘鹕鹕零祭零琴礴祭祭祭秘祭祭攀攀帮塔嶝塔塔嗡嗡啄溉蛳蛳铋黜黜渤渤黜黜黜斟莽零琴鹕（上接５９页）

行监视，并可以加入断点对虚拟ＤＰＵ进行调试。

综上所述，虚拟ＤＰＵ技术在仿真中的应用，可以极大提高仿真机中ＤｃＳ控制系统仿真的逼真度，与激励式仿真机相比，可以减少系统采购的成本，是未来仿真机发展的一个方向。该技术仿真逼真度大大超过了传统的ＤＣＳ仿真模式，在九江３５０ＭＷ仿真机中的应用中取得很好效果。

［３］黄劲杉，姜学智，眭带，等．虚拟分布式处理单元的设

计与实现［Ｊ］．计算机仿真，２００３，２０（４）：６３—６５．［４］郭江龙，张树芳，宋之平．基于能效分布矩阵方程的火

电机组热力系统经济性分析方法［Ｊ］．华茹电力大学学

报，２００３，（５）：７０—７４．

［５］ＣＡＲＲＳＪ，Ｂ］ＲＩａ引ＫＥＳＡＲＪ．Ｔ１１ｅＢｅｎｅｆｉｔｓｏｆｅｍｕｌａｔｉｏｎ

ｔｅｅｈｎｏｌｃ）ｌｇｙ［Ｃ］．ＩｎｔｅｒｎａｔｉｏｎａｌＦｏｓｓｉｌＳｉｍｕｌａｔｉｏｎ＆Ｔｒａｉｎｉｎｇ

Ｃｏｎｆｅｒｅｎｃｅ，Ｐｈｏｅｎｉｘ，Ａｒｉｚｏｎａ，２００１．

［６］ＦＲＹＥＲＧ，ＲＯＢＥＲＴＳ

Ｄ

Ｅ．ＥｍｕｌａｔｉｎｇＳＩＥＭＥＮＳｃｏｎｔｒｏｌ

参考文献：

［１］冷杉．论虚拟ＤＣＳ技术［ＥＢ／ＯＬ］．ｈｔｔｐ：／／ｗｗｗ．｝

ｑｕｔⅨｎａｔｉｏｎ．ｎｅｔ，ｃｎ，２００３—１２—２６．

ｓｙｓｔｅｍｓｕｓｉｎｇｔｈｅｐｏｗｅｒｇｅｎ”ｖｉｒｔｕａｌｍａｃｈｉｎｅ＂ａｐｐｒｏａｃｈ［Ｃ］．ＩｎｔｅｒｎａｔｉｏｎａｌＦｏｓｓｉｌＳｉｍｕｌａｔｉｏｎ＆ＴｒａｉｎｉｎｇＣｏｎｆｅｒｅｎｃｅ，Ｓａｎ

Ｄｉｅｇｏ，Ｃａｌｉｆｏｒｎｉａ，２０００．

［２］魏洪斌，唐多元，眭茜占，等．基于虚拟分散处理单元的

电厂仿真机设计和实现［Ｊ］．中国电力，２００４，３７（２）：

６５—６８．

作者简介：张平（１９６２一），男，湖北成宁人，华中电力培训中心高级工程师，主要从事火电