Print

基于高光谱图像和卷积神经网络的燃煤热值估计算法

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

  • 0 引言
  • 1 数据预处理
  •   1.1 数据采集与滤波
  •   1.2 主成分分析
  • 2 数据提取以及神经网络构建
  •   2.1 邻域均值化数据提取
  •   2.2 卷积神经网络构建
  • 3 热值计算
  •   3.1 卷积神经网络训练与测试
  •   3.2 热值估计
  • 4 实验结果与分析
  •   4.1 卷积神经网络训练结果
  •   4.2 热值估计实验
  • 5 结语

    • 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

    本文来源: https://www.lunwen66.cn/article/0345f606e1a3e3452f8f55db.html