论文部分内容阅读
针对工业锅炉房日负荷变化的特点，采用BP人工神经网络模型对热负荷进行预测。在建立模型时，考虑不同小时的热负荷差异，采用24个单输出的BP网络来分别预测每天24h负荷值；利用MATLAB神经网络工具箱NNT（Neural Network Toolbox）分别实现对24个BP网络预测模型的构建及算法改进；最后，应用一个实例对建立的预测模型和实现方法进行了仿真分析，结果证明，该负荷预测模型网络结构小、收敛速度快、预测精度高、具有较高的实用价值。