基于BP神经网络和SVM的电厂粉尘浓度在线监测

• 作者: 付忠广 赵一凡
• 来源期刊: 电力与能源进展
• 学科: 工学
• 关键词: 粉尘浓度 在线监测 BP神经网络 支持向量机
• 年，卷（期）: 2016,（4）
• 页码范围: 95-102
• 页数: 8页
• 分类号: TP39

摘要

基于电厂经济环保运行的要求,需对电厂的污染物排放浓度实时监测。本文以排烟粉尘浓度为例,通过分析电厂DCS系统的在线监测数据,建立了BP神经网络和支持向量机两种粉尘浓度的在线监测模型。对模型进行实例验证(数据来源于某电厂600 MW机组),结果显示BP模型的预测精度达到96%以上,而SVM模型精度则达到97.5%以上。从总体上看,这两种模型对于粉尘浓度在线监测效果都比较理想,相对而言SVM模型的模拟的精度较高,且具有更高的泛化能力。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	付忠广	华北电力大学电站设备状态监测与控制教育部重点实验室	96	853	13.0	26.0
2	赵一凡	华北电力大学电站设备状态监测与控制教育部重点实验室	2	0	0.0	0.0