论文部分内容阅读
随着机器学习的发展,神经网络技术为燃煤电站中海量数据的分析与预测提供了一种解决手段。为方便电网更好地进行电力资源的调度,机组出力预测至关重要。通过BP神经网络对某300 MW循环流化床机组进行建模,并通过数据预处理减少异常数据对模型精确度的影响,通过主成分分析法(PCA)降维减少输入变量个数。试验对比分析了不同隐层神经元数量下输出值与期望值的相对误差及均方根误差,表明选用7个隐层神经元综合结果较优。以该机组存储的相关数据为例进行试验,结果表明模型测试得到的输出值与期望值的相对误差约为±2%,均方根误