基于RBF神经网络的单元机组负荷系统建模研究  

Modelling of unit power plant load system based on RBF neural network

作　　者：刘志远[1] 吕剑虹[1] 陈来九[1] 

机构地区：[1]东南大学动力工程系

出　　处：《控制与决策》2003年第5期637-640,共4页Control and Decision

基　　金：国家自然科学基金资助项目(50076008);江苏省青年科技基金资助项目(BQ2000002)。

摘　　要：采用径向基函数(RBF)神经网络进行多变量系统的建模研究。将正规化正交最小二乘(ROLS)算法扩展到多输入多输出系统,建立多变量系统的RBF神经网络模型。对电厂单元机组负荷系统进行建模仿真研究的结果表明,用该方法建立的多变量热工系统的非线性模型是有效的,具有较高的辨识精度和较好的泛化能力。The modelling problem of multivariable system using radial basis function (RBF) neural networks is studied. The regularized orthogonal least square (ROLS) algorithm is extended to model multivariable nonlinear systems. The simulation results modeling the unit power plant load system show that establishing the nonlinear model of multivariable thermal system with this method is effective and has higher precision and better generalization properties.

关 键 词：径向基函数 神经网络 正交最小二乘算法 单元机组 建模 

分 类 号：N945.12[自然科学总论—系统科学]