论文摘要
火力发电是中国主要的发电方式,煤质优劣直接决定着发电厂的安全生产、经济效益,而收到基低位发热量是煤质优劣的关键指标之一。针对目前煤炭发热量测量程序复杂、不易实时监测等问题,基于高光谱图像和卷积神经网络,提出一种方便、快速的热值估计算法。通过高光谱数据采集系统对煤样进行光谱成像,经过高斯低通滤波以及主成分分析,消除采集噪声以及光谱通道之间的数据冗余性;然后采用邻域均值化数据采集方法获得平滑的训练数据与测试数据,搭建7层的卷积神经网络;通过实验验证了所提方法的有效性,结果显示该方法具有较高的预测精度。
论文目录
文章来源
类型: 期刊论文
作者: 杨明花,张克涵
关键词: 火力发电,收到基低位发热量,高光谱图像,主成分分析,卷积神经网络
来源: 中国电力 2019年09期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 浙江浙能温州发电有限公司,西北工业大学
基金: 陕西省重点研发计划资助项目(2018GY-193),浙江省能源集团有限公司科技项目(ZJNY-2014-010)~~
分类号: TP183;TM621
页码: 148-153
总页数: 6
文件大小: 4811K
下载量: 119
相关论文文献
标签：火力发电论文; 收到基低位发热量论文; 高光谱图像论文; 主成分分析论文; 卷积神经网络论文;