基于PCA-GRNN磨煤机安全性评估预测模型

磨煤机作为锅炉运行的重要辅机设备,其性能安全直接影响整个火电机组运行安全.针对电厂磨煤机安全性评估无法实时反馈的问题,结合主成分分析(PCA)与广义回归神经网络(GRNN)建立磨煤机安全性评估预测模型.首先,以磨煤机设备的实测运行数据为试验样本,基于PCA对影响磨煤机设备安全运行的众多变量开展主成分分析;其次,基于GRNN建立磨煤机安全性评估预测模型,其中以主成分为输入参数,对应的历史专家评分为输出参数,采用"留一法"划分训练样本和测试样本提高网络模型的训练精度;最后,基于GRNN、PCA-BP神经网络和BP神经网络分别建立磨煤机安全性评估预测模型且比较4个预测模型平均相对误差和耗费时间成本.结果表明:PCA提取的3个主成分F1、F2及F3的方差贡献率达96.55％;基于PCA-GRNN神经网络建立磨煤机安全性评估预测模型的平均相对误差最小,且耗费较少的时间成本;验证了基于PCA-GRNN神经网络建立磨煤机安全性评估预测模型的有效性.