基于最小二乘支持向量机的氨法烟气脱硫装置脱硫效率预测

被引:7
作者
洪文鹏
刘广林
机构
[1] 东北电力大学能源与动力工程学院
关键词
锅炉烟气; 脱硫效率; 最小二乘支持向量机; 预测; 误差分析;
D O I
暂无
中图分类号
X701.3 [脱硫与固硫];
学科分类号
083002 ;
摘要
针对如何提高氨法烟气脱硫装置脱硫效率的预测精度,建立了以烟气量、喷淋浆液密度、液气比、喷淋塔pH值、预洗涤塔pH值和浓缩槽pH值为输入变量,以脱硫效率为输出量的最小二乘支持向量机(LS-SVM)脱硫效率的预测模型,并运用这一模型对某135 MW机组氨法烟气脱硫装置的脱硫效率进行了预测评判.结果表明:与传统的支持向量机模型进行比较,LS-SVM模型预测结果的最大误差只有传统模型的14%左右;LS-SVM模型所得预测值与实际值的误差小于5%,完全在工程所允许的误差范围之内,模型是可行的.
引用
收藏
页码:846 / 850
页数:5
相关论文
共 6 条
[1]   最小二乘支持向量机的算法研究 [J].
顾燕萍 ;
赵文杰 ;
吴占松 .
清华大学学报(自然科学版), 2010, 50 (07) :1063-1066+1071
[2]   专家系统在湿式石灰石-石膏法烟气脱硫系统中的应用 [J].
胡志光 ;
刘博 ;
常爱玲 .
电力科学与技术学报, 2009, (03) :90-94
[3]   烟气脱硫吸收塔反应过程的数值模拟及试验研究 [J].
展锦程 ;
冉景煜 ;
孙图星 .
动力工程, 2008, (03) :433-437+446
[4]  
火电厂湿法烟气脱硫技术手册.[M].周至祥;段建中;薛建明编著;.中国电力出版社.2006,
[5]   A tutorial on support vector regression [J].
Smola, AJ ;
Schölkopf, B .
STATISTICS AND COMPUTING, 2004, 14 (03) :199-222
[6]   Least squares support vector machine classifiers [J].
Suykens, JAK ;
Vandewalle, J .
NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300