应用前景：

由于电厂设备的工作状态变化没有规律性，很难使用现有的数学模型对其进行拟合估计。电厂设备的工作状态直接影响了电厂的工作运行，对电厂设备进行检测已成为电厂研究的重要问题。神经网络具有优秀的非线性拟合能力，适合对复杂的工作状态进行拟合，但是它容易陷入局部最优解，每次拟合结果可能不尽相同，遗传算法可以处理任意形式的目标函数和约束，具有良好的全局寻优能力以及较快的收敛速度，然而遗传算法也存在早熟的现象。因此，现在需要发明一种方法，在解决遗传算法早熟问题的同时提高算法收敛到全局最优解速度，以此来满足电厂设备工况数据的精确性和实时性的要求。商业模式为：成立“基于改进 BP 神经网络的电厂设备的状态监测方法”研究小组，实现该方法的产业化，扩展该方法在电厂中的应用。