基于最小二乘支持向量机的火电厂烟气含氧量 预测模型优化研究

• 作者: 赵国钦 蓝茂蔚 李杨 周元祥 江政纬 甘云华
• 来源期刊: 发电技术
• 学科: 地球科学
• 关键词: 火电厂 最小二乘支持向量机(LSSVM) 粒子群优化(PSO)算法 遗传算法(GA) 交叉验证(CV)
• 年，卷（期）: 2024,（4）
• 页码范围: 110-118
• 页数: 9页
• 语种: 中文

摘要

烟气含氧量是锅炉运行的重要监控参数，也是反映燃烧设备与锅炉运行完善程度的重要依据。根据运行工况快速、准确地测量烟气含氧量，对于优化锅炉燃烧过程具有重要指导意义。以某电站的1 000 MW超超临界锅炉的运行数据为基础，选取影响烟气排放的31个因素，分别采用交叉验证(cross validation,CV)、粒子群优化(particle swarm optimization,PSO)算法、遗传算法(genetic algorithm,GA)寻找最小二乘支持向量机(least squares support vector machine,LSSVM)模型的最佳参数，建立烟气含氧量预测模型。研究结果表明：相对于PSO-LSSVM和CV-LSSVM模型，GA-LSSVM预测模型对烟气含氧量具有更好的预测能力，具有预测精度高、泛化能力好、鲁棒性强等优点，拟合预测的相对误差、均方误差分别为0.54%、0.23%，泛化预测的相对误差、均方误差分别为1.66%、2.13%，能够比较准确地对火电厂锅炉烟气含氧量进行测量，为锅炉燃烧系统进一步的优化运行奠定了基础。