基于GA-SVM的电站锅炉烟气含氧量软测量模型

• 作者: 尹喜超 李建强 牛成林 赵凯 邢飞 陈星旭
• 来源期刊: 热力发电
• 学科: 工学
• 关键词: 烟气含氧量 支持向量机 遗传算法 粒子群算法 网格寻优法 软测量
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 发电技术论坛
• 页码范围: 63-69
• 页数: 7页
• 分类号: TP274.2
• 字数: 4094字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3364.2017.04.063

摘要

针对电厂烟气含氧量测量存在的投资大、精度低等问题,在烟气含氧量理论研究的基础上,选择合理的二次变量,引入支持向量机(SVM)建立二次变量与烟气含氧量的软测量模型.利用遗传算法(GA)对模型中的惩罚系数和核函数参数进行寻优,进而利用最优值构建了GA-SVM烟气含氧量软测量模型,并对比利用粒子群算法及网格搜索法对参数的寻优结果,对模型的准确性、泛化性进行测试.仿真结果表明:遗传算法比粒子群算法和网格搜索法更易找到全局最优解;GA-SVM软测量模型误差在±0.2％以内,相对误差在士4％以内,能满足不同负荷、不同时间段锅炉烟气含氧量的预测要求,其对烟气含氧量的测量更准确.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牛成林	华北电力大学自动化系	20	577	9.0	20.0
2	李建强	华北电力大学能源动力与机械工程学院	28	487	10.0	22.0
3	陈星旭	华北电力大学能源动力与机械工程学院	6	31	3.0	5.0
4	赵凯	华北电力大学能源动力与机械工程学院	15	122	6.0	11.0
5	尹喜超		2	3	1.0	1.0
6	邢飞	华北电力大学能源动力与机械工程学院	2	7	2.0	2.0