基于PSO-LSSVM模型的火电厂烟气含氧量预测

• 作者: 张莹莹 李建强 牛成林
• 来源期刊: 热能动力工程
• 学科: 工学
• 关键词: 烟气含氧量 PSO LSSVM 鲁棒性
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 热力工程
• 页码范围: 49-55
• 页数: 7页
• 分类号: TP274.2
• 字数: 3314字
• 语种: 中文
• DOI: 10.16146/j.cnki.rndlgc.2018.07.009

摘要

锅炉烟气含氧量是机组运行最重要的参数之一,为了准确测量氧量,在支持向量机(SVM)的基础上,提出最小二乘支持向量机(LSSVM),并结合粒子群算法(PSO)对模型参数(C,g)进行寻优,从而建立锅炉输入和输出变量之间的关系模型.将该方法应用到某电厂600 MW燃煤机组中,用训练后的模型进行预测,并与SVM模型预测结果进行比较.结果 表明:采用LSSVM方法,能够辨识出多个变量与氧量之间的复杂关系,对锅炉氧量的预测误差为±0.03;并且PSO-LSSVM预测精度比PSO-SVM模型高,PSO-LSSVM模型具有预测精度高、泛化能力好、鲁棒性强和训练时间较短等优点.

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	华北电力大学能源动力与机械工程学院	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	张莹莹	华北电力大学能源动力与机械工程学院	4	7	1.0	2.0