基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了找到汽轮机在不同负荷下的最优初压,利用改进的共生生物搜索(FSOS)算法和极限学习机(ELM)建立热耗率预测模型,并与BP神经网络、共生生物搜索(SoS)算法优化ELM和FSOS算法优化支持向量机(SVM)等进行了比较.然后,在该模型的基础上用FSOS算法对主蒸汽压力和主蒸汽流量进行优化,使其在各负荷下的热耗率最低.最后,通过优化后的主蒸汽压力拟合出一条最优初压曲线,并与厂家设计的滑压运行曲线进行对比.结果 表明:按照最优初压曲线运行,热耗率平均下降约58.51 kJ·(kW·h)-1,提高了机组能量的转换效率,对汽轮机经济运行有着显著的效果.
推荐文章
基于旋转学习策略的共生生物搜索算法
共生生物搜索算法
旋转学习
函数优化
自适应精英反向学习共生生物搜索算法
共生生物搜索算法
差分扰动
自适应
精英反向学习
基于自适应权重的改进共生生物搜索算法
共生生物搜索算法
优化算法
最优值求解
自适应权重
基于共生生物搜索算法的多阈值图像分割方法
多阈值图像分割
OTSU图像分割方法
共生生物搜索算法
优化算法
最佳阈值
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于共生生物搜索算法的汽轮机最优初压研究
来源期刊 计量学报 学科 工学
关键词 计量学 热耗率 汽轮机 最优初压 共生生物搜索算法 极限学习机
年,卷(期) 2019,(3) 所属期刊栏目
研究方向 页码范围 447-454
页数 8页 分类号 TB941
字数 6190字 语种 中文
DOI 10.3969/j.issn.1000-1158.2019.03.16
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张先臣 燕山大学电气工程学院 13 58 5.0 7.0
2 常玲芳 燕山大学电气工程学院 13 40 3.0 6.0
3 牛培峰 燕山大学电气工程学院 64 595 13.0 21.0
4 刘楠 29 83 6.0 7.0
5 王枭飞 燕山大学电气工程学院 2 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (110)
共引文献  (61)
参考文献  (17)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(6)
  • 参考文献(0)
  • 二级参考文献(6)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(10)
  • 参考文献(2)
  • 二级参考文献(8)
2007(8)
  • 参考文献(0)
  • 二级参考文献(8)
2008(11)
  • 参考文献(0)
  • 二级参考文献(11)
2009(7)
  • 参考文献(0)
  • 二级参考文献(7)
2010(11)
  • 参考文献(0)
  • 二级参考文献(11)
2011(15)
  • 参考文献(0)
  • 二级参考文献(15)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(10)
  • 参考文献(5)
  • 二级参考文献(5)
2014(9)
  • 参考文献(2)
  • 二级参考文献(7)
2015(8)
  • 参考文献(2)
  • 二级参考文献(6)
2016(5)
  • 参考文献(2)
  • 二级参考文献(3)
2017(5)
  • 参考文献(3)
  • 二级参考文献(2)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
计量学
热耗率
汽轮机
最优初压
共生生物搜索算法
极限学习机
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计量学报
月刊
1000-1158
11-1864/TB
大16开
北京1413信箱
2-798
1980
chi
出版文献量(篇)
3549
总下载数(次)
8
总被引数(次)
20173
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导