论文部分内容阅读
提出了一种建立在BP神经网络上的基于Levenberg—Marquardt（简称L—M）算法的火电厂实时数据神经网络预测模型，以减少训练次数和提高训练精度。通过对某电厂300MW机组高压加热器进口温度进行训练和校核．分析了数据预处理的重要性。仿真结果表明，该模型能够获得未来时刻合理的预测结果．可用于缺失数据补充和实时数据校核，提高数据可靠性，适用于在线对未来状态的评价．为状态检修提供参考依据。