基于磷虾群算法的汽轮机热耗率建模应用

被引：8

作者：

牛培峰

陈科

马云鹏

赵庆冲

李国强

机构：

[1] 燕山大学工业计算机控制工程河北省重点实验室

来源：

动力工程学报 | 2016年 / 36卷 / 10期

关键词：

汽轮机; 热耗率; 磷虾群算法; 快速学习网; 反向学习算法;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TM621 [火力发电厂、热电站];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了准确建立汽轮机热耗率预测模型,以某热电厂600MW超临界汽轮机组为研究对象,采用基于反向学习自适应的磷虾群算法(OAKH)和快速学习网(FLN)进行综合建模,并将该模型的预测结果与基本快速学习网、粒子群算法、生物地理学优化算法和磷虾群算法优化的快速学习网模型的预测结果进行比较.结果表明:OAKH算法能够更好地优化FLN模型参数,使所建立的FLN汽轮机热耗率预测模型具有更高的预测精度和更强的泛化能力,能够准确、有效地预测热电厂的汽轮机热耗率.

引用

页码：781 / 787

页数：7

共 16 条

[1] 基于改进的磷虾群优化算法的汽轮机初压优化研究
牛培峰
杨潇
马云鹏
卢青
林鹏
[J]. 动力工程学报, 2015, 35 (09) : 709 - 714
[2] 汽轮机热耗率多模型建模方法研究
牛培峰
刘超
李国强
马云飞
陈贵林
张先臣
[J]. 计量学报, 2015, 36 (03) : 251 - 255
[3] 反向建模方法在汽轮机热耗率建模中的应用
刘超
牛培峰
游霞
[J]. 动力工程学报, 2014, 34 (11) : 867 - 872+902
[4] 基于υ-SVM的汽轮机热耗率回归模型研究
王惠杰
陈林霄
李洋
孙美琪
杨新健
[J]. 动力工程学报, 2014, 34 (08) : 606 - 611+645
[5] 基于BP神经网络的热经济性在线计算模型
朱誉
冯利法
徐治皋
[J]. 热力发电, 2008, (12) : 17 - 19+30
[6] 火电厂汽轮机组影响热耗率计算的因素
云曦
阎维平
[J]. 东北电力技术, 2007, (03) : 15 - 18
[7] 火电厂单元机组最优运行初压的定量研究
张春发
王惠杰
宋之平
李兴旺
李永玲
[J]. 中国电机工程学报, 2006, (04) : 36 - 40
[8] 汽轮机组热耗率分析及实时计算
盛德仁
李蔚
陈坚红
任浩仁
[J]. 热力发电, 2003, (05) : 16 - 18+0
[9] 新型人工智能技术研究及其在锅炉燃烧优化中的应用[D]. 李国强.燕山大学. 2013
[10] An improved krill herd algorithm: Krill herd with linear decreasing step[J] . Junpeng Li,Yinggan Tang,Changchun Hua,Xinping Guan.Applied Mathematics and Computation . 2014

← 1 2 →