电站锅炉主要热工过程参数软测量技术研究进展

• 作者: 吴乐 罗嘉
• 来源期刊: 热力发电
• 学科: 工学
• 关键词: 电站锅炉 热工过程参数 软测量 主元分析法 偏最小二乘法 神经网络法 支持向量机 模糊理论法
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 技术经济综述
• 页码范围: 1-9,13
• 页数: 10页
• 分类号: TK22|TP274
• 字数: 7214字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3364.2015.11.001

摘要

电站锅炉某些主要热工过程参数难以实现在线实时测量,从而制约了机组的高效、经济运行.为此,本文解析了基于统计分析的主元分析法和偏最小二乘法、基于人工智能的人工神经网络(ANN)法、基于统计学习理论的支持向量机法以及模糊理论法的建模方法.并以球磨机负荷、煤质、风煤比、烟气含氧量、飞灰含碳量、汽包水位、主蒸汽温度、省煤器积灰、污染物排放量等参数为对象,综述了各种软测量技术的研究现状.结果显示:对于飞灰含碳量等呈非线性特征的变量,基于核主元分析(KPCA)法建立其软测量模型,效果较好;当各变量的线性关联度高时,采用偏最小二乘回归(PLSR)法建立其软测量模型更为有效;对于人工神经网络法,当实际样本空间超出训练样本空间区域时,模型输出误差较大,因此实际工业过程中需定时对基于ANN法建立的模型参数进行校正;对于支持向量机(SVM)法还无成熟的指导方法,基于经验数据则对模型精度的影响较大,最小二乘支持向量机(LS-SVM)法的建模方法与传统SVM法相比,训练时间更短,结果更具确定性,更适合工业在线建模;模糊理论法不需要被测对象的精确数学模型,但模糊系统本身不具有学习功能,如果能够将其与ANN法等人工智能方法相结合,则可提高软测量的性能.因此,软测量技术的引入,使得难以在线测量的热工过程参数监测成为可能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗嘉	广东电网有限责任公司电力科学研究院	25	146	7.0	10.0
2	吴乐	广东电网有限责任公司电力科学研究院	7	50	4.0	7.0