基于机器学习的火电机组一次风量软测量技术

在电厂燃煤机组中,一次风用于煤粉输送和锅炉燃烧,直接关系到炉膛内的实际燃烧工况,适当的一次风量对于磨煤机乃至整台机组的正常运行具有重要意义。然而受现场多种因素的影响,现有测量方法得到的一次风量误差很大。针对这一问题,基于最小二乘支持向量回归机算法建立了风量软测量模型,对辅助变量的选取及数据预处理方法进行了分析和讨论,并采用PSO算法对LSSVM软测量模型参数进行优化。以某电厂DCS历史数据中选取的数据作为训练样本和测试样本,对风量软测量模型进行了实验验证,结果表明该方法得到的预测值能够很好的跟踪实际风量的变化,且计算简便、预测速度快,具有较好的应用前景。