摘要：针对发电机组中部分难测准参数的软测量及已测量参数的准确性校验等应用问题，提出了融合广义神经网络（GRNN）和B样条偏最小二乘回归（PLSR）各自优势的数据驱动软测量建模新方法NN—PLS。该方法先采用了GRNN对由机理分析初步选定的建模变量预建模，考察了各参变量对因变量的平均贡献率，并筛选得出了主要建模参数，然后采用B样条PLS对筛选后的变量建模，从而得出了简化、可靠的模型，最后以联合循环电厂的实测数据为样本进行了建模。研究结果表明，NN—PLS方法对不同工况下测量参数拟合准确、精度高、模型泛化能力强，同时由于该模型需要保存的参数相对较少，更适合作为解决上述在线问题的模型。

关键词：发电机组 数据驱动 软测量建模 广义神经网络 偏最小二乘回归 

单位：浙江大学热工与动力系统研究所 浙江杭州310027