论文部分内容阅读
为实现对凝汽器真空的优化控制,引入一种采用粒子群优化(PSO)算法改进的Elman神经网络,建立双压凝汽器真空预测模型,提出对双压凝汽器高、低压侧真空分别进行预测计算,将该模型应用于某600 MW机组的双压凝汽器真空预测,并与普通算法改进的Elman神经网络的预测结果进行比较。结果表明:采用PSO算法改进的Elman神经网络对双压凝汽器高、低压侧真空预测的收敛速度更快、精确度更高,是一种行之有效的双压凝汽器真空预测模型。