支持向量机在电站汽轮机排汽焓在线预测中的应用

为实现机组经济性能在线诊断,将支持向量机(SVM)方法引入电站汽轮机排汽焓在线预测领域。该预测方法很好地建立了电站汽轮机排汽焓特性与相关运行参数之间的复杂关系模型,并考虑到相关运行参数之间的耦合性,具有预测能力强、全局最优及泛化性能好等优点。将该SVM方法分别应用于某200MW机组和300MW机组中,对于200MW机组,经过训练后的SVM模型对检验样本排汽焓进行预报,均方根误差和平均相对误差分别为0．110%和0．101%,相当于反向传播(BP)网络模型的38．87%和38．11%,径向基函数(RBF)网络模型的52．38%和49．75%；同理,对于300MW机组,其均方根误差和平均相对误差分别为0．057%和0．069%,相当于BP网络模型的29．61%和25．45%,RBF网络模型的41．57%和34．97%。结果表明：SVM方法优于BP及RBF神经网络法,能很好地满足预测要求。