基于优化型K-means聚类算法的锅炉热效率研究

• 作者: 查琳琳 牛培峰 常玲芳 张先臣
• 来源期刊: 控制工程
• 关键词: 锅炉热效率 数据挖掘 K-means聚类算法 生物地理学优化算法 贝叶斯最小二乘支持向量机
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 工业过程及控制系统
• 页码范围: 29-34
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.20180558

摘要

针对K-means聚类算法存在初始聚类中心影响聚类精度的问题,提出采用生物地理学算法优化K-means聚类中心,使其能提高聚类算法的准确率.在基准数据集中对本算法进行实验,其结果表明改进算法具有良好的性能.其次,采用改进的K-means聚类算法对不同工况下的锅炉燃烧工艺参数进行聚类,并挖掘出每一类中热效率最高时的燃烧工艺参数作为最佳工艺参数,使锅炉在最佳工艺参数下进行燃烧,达到提高热效率的目的.为了验证最佳工艺参数的有效性,采用贝叶斯最小二乘支持向量机辨识锅炉热效率模型,结果显示热效率明显提高,说明经过优化型K-means聚类算法挖掘的最佳工艺参数是有效的.