基于支持向量机法的锅炉机组煤耗预测模型研究

被引:4
作者
王娜
机构
[1] 江苏联合职业技术学院无锡交通分院
关键词
支持向量机; 锅炉; 数据分析; SVR;
D O I
10.16018/j.cnki.cn32-1650/n.201704007
中图分类号
TK227 [运行]; TP18 [人工智能理论];
学科分类号
080707 [能源环境工程]; 140502 [人工智能];
摘要
为研究影响锅炉机组运行效率的因素,借助于支持向量机的SVR计算模型,选取高斯径向核函数为计算核函数,对机组能耗特性进行建模。根据建立的预测模型,分别选取四组数据,进行预测机组运行能耗对比分析,结果表明:稳定的数据样本,对于预测结果的精度有一定的影响;模型精度能满足机组能耗特性的研究要求;机组处于高负荷或满负荷时,机组供电耗煤量较低。
引用
收藏
页码:31 / 34
页数:4
相关论文
共 9 条
[1]
支持向量机算法在电厂中的应用 [J].
潘秉超 ;
王文欢 ;
潘卫国 ;
何明福 .
上海电力学院学报, 2013, 29 (01) :5-8
[2]
基于声学测温与最小二乘支持向量机的锅炉炉膛灰污监测方法 [J].
马美倩 ;
吕伟为 ;
沈国清 ;
安连锁 ;
张世平 .
电力科学与工程, 2012, 28 (07) :46-50+70
[3]
基于支持向量机的环境质量评估方法 [J].
程勇 ;
罗键 ;
吴长庆 .
计算机工程与应用, 2009, 45 (02) :209-211
[4]
基于支持向量机的电站锅炉燃烧稳定性判别 [J].
郝祖龙 ;
刘吉臻 ;
田亮 .
华北电力大学学报, 2007, (04) :51-55
[5]
大型电厂锅炉NOx排放特性的支持向量机模型 [J].
王春林 ;
周昊 ;
李国能 ;
岑可法 .
浙江大学学报(工学版), 2006, (10) :1787-1791
[6]
基于支持向量机的大型电厂锅炉飞灰含碳量建模 [J].
王春林 ;
周昊 ;
周樟华 ;
凌忠钱 ;
李国能 ;
岑可法 .
中国电机工程学报, 2005, (20) :72-76
[7]
统计学习理论的本质.[M].(美)VladimirN.Vapnik著;张学工译;.清华大学出版社.2000,
[8]
基于支持向量机的火电厂燃煤优化控制 [D]. 
王晓文 .
新疆大学,
2013
[9]
基于支持向量机的环境数据分析与处理 [D]. 
吴蕾 .
中南大学,
2013