基于随机搜索算法优化XGBoost的过热汽温预测模型

• 作者: 马良玉 於世磊 赵尚羽 孙佳明
• 来源期刊: 华北电力大学学报（自然科学版）
• 关键词: 过热汽温 预测模型 XGBoost建模 随机搜索 网格搜索
• 年，卷（期）: 2021,（4）
• 页码范围: 99-105
• 页数: 7页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.ISSN.1007-2691.2021.04.12

摘要

建立过热器汽温对象的高精度性能预测模型,是实现过热汽温智能优化控制的基础.为此,针对某600 MW超临界机组仿真系统的历史运行数据,采用机器学习中的XGBoost(eXtreme Gradient Boosting)回归模型建立过热器汽温特性的预测模型,并分别采用网格搜索算法和随机搜索算法对模型参数进行优化.通过比较两种优化模型的预测效果,结果表明:随机搜索算法可以进行多个参数组合寻优,收敛速度快,全局寻优的效果更好,优化后的过热汽温模型具有更好的预测精度和泛化能力.