[发明专利]基于改进BP神经网络的火电机组智能泄漏监测方法

权利要求书

1.一种基于改进BP神经网络的火电机组智能泄漏监测方法，其特征在于该智能泄漏监测方法如下：

步骤一:基于经典BP算法的最速下降法学习规则，引入动量项，加速BP算法收敛，从而改进BP神经网络的模式识别能力；

步骤二:构建x个输入2输出的三层BP网络，收集火电机组目标系统过去一年的运行历史大数据，剔除机组停机及采集异常的数据，作为三层BP神经网络的学习样本，在火电机组现有热力系统及设备的边界下，在一个或多个高低能级系统之间发生泄漏时，训练BP神经网络对系统相关热力参数之间数学关系及随时间变化规律的感知能力；

步骤三:根据火电机组目标系统当前运行数据，判别一个或多个高低能级系统之间是否发生泄漏。

2.根据权利要求1所述的基于改进BP神经网络的火电机组智能泄漏监测方法，其特征在于：步骤一所述的引入动量项，加速BP算法收敛，即：

w(n₀+1)＝w(n₀)+η(n₀)d(n₀)+αΔw(n₀)，

其中，w(n₀)、w(n₀+1)分别为n₀、n₀+1时刻的权值，η(n₀)为n₀时刻的学习率，E_A为误差，α为动量因子，α一般取值0.1～0.8，

Δw(n₀)＝w(n₀)-w(n₀-1)＝η(n₀-1)d(n₀-1)，这时权值修正量加上了有关上一时刻权值修改方向的记忆。

3.根据权利要求1所述的基于改进BP神经网络的火电机组智能泄漏监测方法，其特征在于：步骤二所述构建x个输入2输出的三层BP网络，网络的隐节点数选为10，网络输入层的输入个数x，对应目标系统的所需热力学参数温度、压力、环境温度以及机组负荷，神经网络隐层采用双极性Sigmoid激活函数，输出层采用单极性Sigmoid激活函数，隐节点数取10，学习率η＝0.1，目标误差ε＝0.01，最大学习次数10000，初始权值和偏移取[-0.1,0.1]内随机值，令系统发生泄漏的样本输出为[0 1]，系统未发生泄漏的样本输出为[1 0]。

4.根据权利要求1所述的基于改进BP神经网络的火电机组智能泄漏监测方法，其特征在于：步骤三所述判别一个或多个高低能级系统之间是否发生泄漏，是将火电机组目标系统当前运行数据送入训练完成后的三层BP神经网络，判别一个或多个高低能级系统之间是否发生泄漏，当BP网络输出为[1 0]时，判定泄露未发生；当BP网络输出为[0 1]时，判定泄露发生，当泄露发生时发出警报提示。