基于PSO-Elman神经网络的燃气轮机压力脉动预测

摘要

为准确预测燃气轮机燃烧调整过程中的燃烧不稳定现象，提出一种融合信号预处理、敏感性分析与智能算法的混合建模框架；采用经验模态分解(empirical mode decomposition, EMD)与小波阈值去噪相结合的方法对敏感频段压力脉动信号进行预处理，以抑制噪声干扰；通过多维度敏感性分析，筛选影响燃烧状态的关键输入特征；构建基于粒子群优化(particle swarm optimization, PSO)算法的Elman(PSO-Elman)递归神经网络预测模型，仿真分析燃气轮机在不同负荷下的压力脉动。结果表明：与传统Elman神经网络相比，PSO-Elman模型在功率为270 MW时的预测均方误差降低了63.1%,平均绝对百分比误差降低了28.4%;与未去噪处理的PSO-Elman模型相比，对压力脉冲信号进行去噪预处理后的PSO-Elman神经网络预测模型预测的均方误差降低了70.8%,表明该模型能够有效追踪燃烧过程中压力脉动的动态演变趋势，可作为实现燃烧状态实时监测与优化调整的理论工具和技术途径。

关键词

燃烧调整 / EMD / PSO算法 / Elman神经网络 / 燃烧稳定性