基于灰色关联分析法及GSA-LSSVM的汽轮机排汽焓预测模型

• 作者: 李鑫鑫 王惠杰 范志愿 许小刚
• 来源期刊: 电力建设
• 学科: 工学
• 关键词: 最小二乘支持向量机(LSSVM) 万有引力搜索算法(GSA) 灰色关联分析法(GCA) 汽轮机排汽焓
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 发电技术
• 页码范围: 115-122
• 页数: 8页
• 分类号: TM621
• 字数: 7066字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7229.2016.11.017

摘要

排汽焓是汽轮发电机组热经济性诊断必不可少的一个参数.通过汽轮机功率方程与灰色关联分析(grey correlation analysis,GCA)理论确定了模型的输入变量,利用万有引力搜索算法(gravitational search algorithm,GSA)优化了最小二乘支持向量机(least squares support vector machine,LSSVM)的惩罚因子μ以及核径向范围σ2个参数.通过比较分析,选用RBF kernel为LSSVM的核函数.以GCA-GSA-LSSVM为基础,建立了预测汽轮机排汽焓的数学模型,并将其与BP神经网络、RBF神经网络进行对比,同时分析了该数学模型的鲁棒性.结果表明基于GCA-GSA-LSSVM的汽轮机排汽焓预测模型具有精度高、泛化能力强、鲁棒性强等优点,该方法为精确预测机组节能潜力提供了一种有力的工具.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许小刚	华北电力大学能源动力与机械工程学院	21	136	5.0	11.0
2	王惠杰	华北电力大学能源动力与机械工程学院	38	330	9.0	17.0
3	李鑫鑫	华北电力大学能源动力与机械工程学院	9	30	3.0	5.0
4	范志愿	华北电力大学能源动力与机械工程学院	10	34	3.0	5.0