摘要
本发明提供一种重型燃气轮机多工况建模方法,属于信息技术领域。本发明从重型燃气轮机机理结构模型出发,结合重型燃气轮机实际运行数据,引入深度神经网络进行典型工况下的系统辨识,并采用量子粒子群优化算法对神经网络结构参数进行优化,从而实现对重型燃气轮机非线性动态特性的高精度建模。本发明解决了重型燃气轮机单一方法建模精度低的问题,提升模型精度和鲁棒性,有效地为现场操作人员提供技术保障。此方法在不同工业领域中均可有广泛的应用。
技术关键词
重型燃气轮机
非线性数学模型
深度神经网络模型
建模方法
量子粒子群优化
燃烧室出口温度
训练深度神经网络
烟气流量
燃料阀
工况
理想气体常数
数据驱动方法
空气
燃烧室容积