資源描述：
《基于神經(jīng)網(wǎng)絡(luò)集中供熱負(fù)荷預(yù)測(cè)與控制研究》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、遼寧科技大學(xué)本科生畢業(yè)設(shè)計(jì)(論文)第IV頁(yè)基于神經(jīng)網(wǎng)絡(luò)集中供熱負(fù)荷預(yù)測(cè)與控制研究摘要供熱負(fù)荷預(yù)測(cè)是集中供熱系統(tǒng)進(jìn)行運(yùn)行調(diào)節(jié)的前提和基礎(chǔ)，也是集中供熱系統(tǒng)優(yōu)化控制的一個(gè)重要先決條件。正如前面所述，在集中供熱系統(tǒng)中，為了保證節(jié)能和供熱質(zhì)量，熱源處必須要很好的跟蹤預(yù)測(cè)熱用戶(hù)的用熱量。負(fù)荷預(yù)測(cè)就是在掌握負(fù)荷變化規(guī)律的基礎(chǔ)上，充分考慮各種影響因素后，以一定的準(zhǔn)確程度來(lái)預(yù)報(bào)未來(lái)某一時(shí)刻或某一時(shí)段的負(fù)荷大小。因此，對(duì)供熱負(fù)荷進(jìn)行準(zhǔn)確預(yù)測(cè)，對(duì)于整個(gè)集中供熱系統(tǒng)的運(yùn)行管理、提高供熱質(zhì)量、節(jié)約能源、環(huán)境保護(hù)、改善人們的生活質(zhì)量等都具有十分重要的意義。集中供熱負(fù)荷的變化是
2、典型的非線(xiàn)性變化，供熱系統(tǒng)在確定建設(shè)規(guī)模，制定運(yùn)行、檢修計(jì)劃方面面臨許多因素的影響。本文對(duì)神經(jīng)網(wǎng)絡(luò)BP算法供熱負(fù)荷預(yù)測(cè)方面的應(yīng)用在理論上做了一些研究，取得了比較滿(mǎn)意的效果。本文利用BP神經(jīng)網(wǎng)絡(luò)理論和優(yōu)化算法，建立了集中供熱系統(tǒng)的自適應(yīng)動(dòng)態(tài)控制方案，仿真結(jié)果表明該控制方案克服了傳統(tǒng)控制方案的缺點(diǎn)，大大提高了供熱品質(zhì)，節(jié)約了能源。關(guān)鍵詞：集中供熱；負(fù)荷預(yù)測(cè)；BP神經(jīng)網(wǎng)絡(luò)遼寧科技大學(xué)本科生畢業(yè)設(shè)計(jì)(論文)第IV頁(yè)BasedonneuralnetworkloadforecastandcontrolcentralheatingAbstractHeatinglo
3、adforecastingiscentralheatingsystemtoadjusttheoptimalcontroloneoftheimportantprerequisites.Therefore,theheatingloadforecastingadvancepreciseforecastforheatingtheoperationofthesystemmanagement,improveheatingquality,energysaving,environmentalprotectionetchaveveryimportantsignific
4、ance.Thecentralheatingloadchangesisatypicalnonlinearvariation,heatingsystemindeterminingtheconstructionscale,establishingoperationandmaintenanceplanfacesmanyfactorsinfluence.BasedonneuralnetworkbasedonBPalgorithmheatingloadforecastingapplicationsintheorydidsomeresearchandmadesa
5、tisfactoryeffect.ThispaperusingBPneuralnetworktheoryandoptimizationalgorithm,aconcentratedheatingsystemadaptivedynamiccontrolscheme,thesimulationresultsshowthatthiscontrolschemeovercometraditionalcontrolschemeshortcomings,greatlyimprovingtheheatingquality,savetheenergy.Keywords
6、:centralizedheatsupply;theloadforecast;theBPneuralnetwork遼寧科技大學(xué)本科生畢業(yè)設(shè)計(jì)(論文)第IV頁(yè)目錄摘要IABSTRACTII1緒論11.1選題背景11.2目前供熱負(fù)荷預(yù)測(cè)研究現(xiàn)狀21.2.1各種供熱負(fù)荷預(yù)測(cè)方法21.2.2現(xiàn)有預(yù)測(cè)方法的分析和存在的問(wèn)題31.3本論文研究的主要內(nèi)容42BP神經(jīng)網(wǎng)絡(luò)介紹52.1人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)52.2BP神經(jīng)網(wǎng)絡(luò)模型概述62.3反向傳播學(xué)習(xí)算法72.4BP學(xué)習(xí)算法的缺陷92.5BP算法的改進(jìn)103熱負(fù)荷預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)模型的建立113.1神經(jīng)網(wǎng)絡(luò)用于集中供熱系統(tǒng)控
7、制的必要性113.2集中供熱系統(tǒng)神經(jīng)網(wǎng)絡(luò)控制方案的研究123.2.1神經(jīng)網(wǎng)絡(luò)監(jiān)督控制123.2.2神經(jīng)網(wǎng)絡(luò)內(nèi)模控制13遼寧科技大學(xué)本科生畢業(yè)設(shè)計(jì)(論文)第IV頁(yè)3.2.3神經(jīng)網(wǎng)絡(luò)直接逆動(dòng)態(tài)控制134基于BP神經(jīng)網(wǎng)絡(luò)的熱負(fù)荷預(yù)測(cè)仿真分析154.1基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的熱負(fù)荷預(yù)測(cè)154.1.1預(yù)測(cè)模型的選取154.1.2基于神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)的基本步驟154.1.3輸入變量和輸出變量的選取164.1.4輸入輸出變量的預(yù)處理174.2集中供熱負(fù)荷預(yù)測(cè)仿真示例174.2.1改進(jìn)BP神經(jīng)網(wǎng)絡(luò)模型參數(shù)的選擇174.2.2BP神經(jīng)網(wǎng)絡(luò)層次結(jié)構(gòu)的確定194.3預(yù)測(cè)結(jié)果
8、分析194.4本章小結(jié)22結(jié)論23致謝24參考文獻(xiàn)25附錄26遼寧科技大學(xué)本科生畢業(yè)設(shè)計(jì)(論文)第28頁(yè)1緒
