火电机组实时成本模型的输入变量选择方法An Input Variable Selection Algorithm for Real-time Cost Model in Power Plant
许仙珍,费树岷
摘要(Abstract)：
输入变量选择是神经网络建模前的一项重要工作,是否能够选择出一组最能反映期望输出变化原因的输入变量直接关系到神经网络预测的性能。文章提出了一种基于敏感度分析的输入变量选择法(SAIVSA),并将该方法应用于实时成本模型的输入变量选取。仿真结果表明,所提出的方法可以得到更小、更准确的输入变量集,神经网络的收敛速度更快,泛化性能更好,从而验证该方法的有效性。
关键词(KeyWords)：
实时成本;火电机组;神经网络;输入变量选择
基金项目(Foundation):
作者(Author):
许仙珍,费树岷
DOI: 10.19585/j.zjdl.2005.03.006
参考文献(References)：
- [1]魏海坤,宋文忠,李奇.基于RBF网络地火电机组实时成本在线建模方法[J].中国电机工程学报,2004,24(7):246-252.
- [2]许仙珍.基于神经网络的火电机组实时标煤耗建模[D].南京:东南大学自动控制系,2004.
- [3]高山,单渊达.神经网络短期负荷预测输入变量选择新方法[J].电力系统自动化,2001,25(22):41-43.
- [4]高仁祥,张世英,刘豹.基于神经网络的变量选择方法[J].系统工程学报,1998(2):32-37.
- [5]APEngelbrecht.IncrementalLearningusingSensitivityAnalysis[C].IEEEInternationalJointConferenceonNeuralNet works,WashingtonDC,1999:1350-1355.
- [6]许世刚,索丽生.确定前向神经网络隐层节点数的模糊聚类分析法[J].河海大学学报,2001,29(3):17-20.
- [7]杨勇平,王加璇.火电机组耗量特性的在线确定与机组间负荷最优分配[J].电站系统工程,1995,11(3):18-23.