基于遗传算法的BP神经网络优化动力配煤模型的研究

人工智能Artificial Intelligence

基于遗传算法的B P神经网络优化动力配煤模型的研究

李吉朝##张海英##王惠琴2

(1.西安理工大学复杂系统控制与智能信息处理重点实验室，陕西西安$10048;

2.西安市环境监测站，陕西西安71004-)

摘要：B P神经网络具有较强的学习能力，但在传统的研究中，隐含层节点、学习因子和动量因子往往采用试凑法得到相对较 佳值，而试凑法在浪费较多时间的同时，可能得不到理想的B P神经网络输出，这对研究造成了一定的困难。文中采用智能算法 来解决B P神经网络优化问题。遗传算法作为一种随机搜索算法，能够快速寻找到全局最优解，可以应用于本优化问题。因此，文章采用遗传算法优化B P神经网络上述参数，将改进后的B P神经网络运用于动力配煤非线性模型的研究。结果表明，采用遗 传算法优化的B P神经网络具有较强的预测能力，对煤质的发热量预测误差优于线性平均模型误差，并且仿真表明动力配煤模 型为近似线性的非线性模型，B P网络的输出值误差波动较小，结果理想。

关键词：动力配煤；B P神经网络；遗传算法；非线性

中图分类号：T P81文献标识码：A D O I：10. 19358/j. iss n. 1674-7720.2017.09.018

引用格式：李吉朝，张海英，王惠琴.基于遗传算法的B P神经网络优化动力配煤模型的研究[J].微型机与应用，2017,36(9):6〇-63,66.

The BP neural network based on genetic algorithm optimization

model of power coal blending

L i J ic h a o1，Z h a n g H a iy in g1，W a n g H u i q i n2

(1. Key Laboratory 〇f Complex System Control and Intelligent Information Processing，X i’ an University of Science and Technology，

X i’an 710048，China；2.X i’ an Environmental Monitoring Station，Xi ’ an 710048，China)

AbstTclCt ： The BP neural networls has strong learning ability，but in the traditional studies，hidden layer nodes，learning factors and momentum factors tend to use trial and error method to get relatively better value，at the same tim e，trial and error method in a waste of more tim e，the BP neural network output may not be ideal，this caused some difficulties to research. In this paper，the intelligent algorithm is applied to solve the problem of the B Pneural network optimization. Genetic algorithm as a kind of random search algorithm，it can find the global optimal solution quickly，can be applied to the optimization problem. This paper uses genetic algoritlim to optimize the BP neural networls parameters，and ap­plies the improved BP neural networls in the study of nonlinear model of power coal blending. The results show that using genetic algorithm to optimize the BP neural networls has strong a bility of prediction，calorific value of coal quality prediction e ro r is supe model，and the simulation results show the approximate linear dynamic coal blending model of nonlinear mod work error is less volatile，the result is ideal.

Key w ords ：power coal blending ;B Pneural network; genetic algorithm; nonlinear

〇引言

动力配煤，顾名思义是将两种及两种以上的单煤混合 成新的煤种。动力配煤有着其必要性，首先，发电系统锅 炉都有其对应的设计煤种，往往由于煤种分布、资源短缺 等一些客观因素，热电厂只能选择综合性价比相对较高的 单煤混烧，这对锅炉的安全稳定运行带来一定的影响；其 次，当前环境问题愈发严重，我国热力发电企业占发电行业70%左右，煤的大量使用对环境造成严重污染，因此，硫的排放被国家列为强制性指标。动力配煤技术可以利用某一种煤或几种煤的长处弥补另一种或几种煤的不足，取长补短，达到使锅炉用煤的品质稳定，解决煤质与炉型不相匹配的矛盾，使节能减排效益最大化[1]。

国内外研究表明，动力配煤模型分为线性模型[2-]与 非线性模型[5]，目标函数为经济性目标，即混煤的总金额最小，约束条件包含多种变量，包括发热量、硫分、挥发分、灰分等。线性模型与非线性模型的判断在于约束条件的选取，对于模型的讨论，争议不断。近几年，浙江大学热工 院进行过研究，得出的结论是混煤的参数模型是一个近似 线性的非线性模型。但是，对于煤的一些重要参数，比如 发热量，浙江大学热工院的混煤实测值与线性加权平均值 存在5%左右的误差，这个误差相对来说比较大，因此，动 力配煤非线性模型的研究具有现实意义。

60《微型机与应用》2017年第36卷第9期