变量选择与支持向量机相结合的SO2排放特性建模

• 作者: 李永茂 李金霞 王琦 白建云 范常浩
• 来源期刊: 热力发电
• 关键词: 循环流化床锅炉 脱硫 变量选择 BP-SVM模型 SO2排放特性 泛化能力 预测控制
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 热能科学研究
• 页码范围: 68-75
• 页数: 8页
• 分类号: X773
• 语种: 中文
• DOI: 10.19666/j.rlfd.201710135

摘要

燃煤电站锅炉SO2排放是大气污染的主要来源之一,建立有效的SO2排放预测模型有利于解决循环流化床(CFB)锅炉因炉内脱硫不稳定导致脱硫塔脱硫不及时而引起的SO2排放超标的问题.SO2的排放特性受众多热工参数影响,且各参数间存在相关性与耦合性,对此本文提出一种基于变量选择与支持向量机(SVM)的SO2排放预测模型.基于某300 MW CFB锅炉现场运行数据,采用BP神经网络降低输入变量的维度与复杂度,将筛选后的输入变量作为BP-SVM模型的输入,采用K-折交叉验证的方法通过网格搜索确定最优模型参数,建立SO2排放BP-SVM模型.将BP-SVM模型与未经变量选择的SVM模型对比分析,结果表明经过变量选择后的BP-SVM模型可以有效降低模型复杂度,提高模型泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王琦	山西大学自动化系	71	297	8.0	15.0
2	白建云	山西大学自动化系	61	343	9.0	15.0
3	范常浩	山西大学自动化系	5	8	2.0	2.0
4	李金霞	山西大学自动化系	6	8	2.0	2.0
5	李永茂		10	27	4.0	4.0