基于最小二乘支持向量机的煤耗率软测量

被引:5
作者
杜海玲
机构
[1] 山西大学
关键词
软测量; 最小二乘支持向量机; 煤耗率; 修正比例系数;
D O I
10.16146/j.cnki.rndlgc.2016.12.014
中图分类号
TP181 [自动推理、机器学习]; TQ534 [煤的燃烧];
学科分类号
082903 [林产化学加工工程]; 140502 [人工智能];
摘要
为准确实时测量煤耗率,尽可能提高锅炉机组的经济性,应用最小二乘支持向量机方法建立了某亚临界锅炉煤耗率软测量模型,并借助所采集的该机组的一年运行数据,对煤耗率模型精度进行验证。经对比,软测量所预测的值与实际值相对误差最大值为5.7%,精度较高,煤耗率软测量精度符合工业的要求。同时应用了一种软测量在线修正的方法,对测量结果进行修正。结果表明:在线修正后相对误差最大值变为2.2%,修正值更加贴近实际测量值。该修正方法可以提高软测量的精度,能够应用于电力生产中。
引用
收藏
页码:87 / 91+126 +126
页数:6
相关论文
共 13 条
[1]
350MW W型火焰锅炉多目标在线燃烧优化系统研究 [D]. 
苏宏亮 .
华北电力大学,
2014
[2]
A tutorial on support vector regression [J].
Smola, AJ ;
Schölkopf, B .
STATISTICS AND COMPUTING, 2004, 14 (03) :199-222
[3]
软测量技术原理及应用.[M].李海青;黄志尧等编著;.化学工业出版社.2000,
[4]
火电厂入炉煤低位热值实时测量的研究及其应用 [J].
李海永 ;
杨濮亦 .
电力建设, 2013, 34 (10) :60-64
[5]
基于聚类的超闭球CMAC混煤燃烧污染物析出软测量模型 [J].
李慧 ;
段培永 ;
王桂荣 ;
魏建平 .
仪器仪表学报, 2011, 32 (05) :1119-1125
[6]
基于最小二乘支持向量机的电站锅炉燃烧优化 [J].
顾燕萍 ;
赵文杰 ;
吴占松 .
中国电机工程学报, 2010, 30 (17) :91-97
[7]
一种软测量模型在线校正方法及应用 [J].
孙瑜 ;
陈刚 .
测控技术, 2009, 28 (01) :80-83
[8]
软测量技术及其应用 [J].
俞金寿 .
自动化仪表, 2008, (01) :1-7
[9]
火电厂热工参数软测量技术的发展和现状 [J].
韩璞 ;
乔弘 ;
王东风 ;
翟永杰 .
仪器仪表学报, 2007, (06) :1139-1146
[10]
基于多神经网络模型的软测量方法及应用 [J].
常玉清 ;
王小刚 ;
王福利 .
东北大学学报, 2005, (06) :519-522