基于模糊C均值聚类和支持向量机算法的燃煤锅炉结渣特性预测

被引：20

作者：

王宏武

孙保民

张振星

信晶

康志忠

机构：

[1] 华北电力大学电站设备状态监测与控制教育部重点实验室

来源：

动力工程学报 | 2014年 / 34卷 / 02期

关键词：

燃煤锅炉; 结渣; 支持向量机; 模糊C均值聚类算法; 预测;

D O I：

暂无

中图分类号：

TK227.3 [炉灰、炉渣的清除];

学科分类号：

080707 [能源环境工程];

摘要：

应用基于模糊C均值聚类算法预处理的支持向量机算法对锅炉结渣特性进行预测建模,将煤的软化温度、碱酸比、硅铝比和硅比以及无因次炉膛烟气平均温度和无因次实际切圆直径作为模型的输入变量,结渣程度作为输出变量,利用优化后的模型对10台锅炉的结渣特性进行评判.结果表明:该模型能够减小训练样本的过拟合度,具有较强的泛化能力;本试验中FCM-SVM预测模型预测结果的正确率为100%,可以实现对锅炉结渣特性的精确预测.

引用

收藏

页码：91 / 96

页数：6

相关论文

共 15 条

[1]

基于改进粒子群优化支持向量机的汽轮机组故障诊断 [J].

石志标 ;

宋全刚 ;

马明钊 ;

李祺 .

动力工程学报, 2012, 32 (06) :454-457+462

[2]

基于模糊C-均值聚类的锅炉监控参数基准值建模 [J].

赵欢 ;

王培红 ;

钱瑾 ;

苏志刚 ;

彭献永 .

中国电机工程学报, 2011, 31 (32) :16-22

[3]

基于模糊神经网络的电站燃煤锅炉结渣预测 [J].

王洪亮 ;

王东风 ;

韩璞 .

电力科学与工程, 2010, 26 (06) :28-32

[4]

基于模糊C-均值聚类与支持向量机的PMV指标预测系统 [J].

徐巍 ;

陈祥光 ;

彭红星 ;

刘春涛 .

系统工程理论与实践, 2009, 29 (07) :119-124

[5]

基于最小二乘支持向量回归机的燃煤锅炉结渣特性预测 [J].

徐志明 ;

文孝强 ;

孙媛媛 ;

孙灵芳 .

中国电机工程学报, 2009, 29 (17) :8-13

[6]

3种型号W火焰锅炉结渣特性的数值模拟 [J].

方庆艳 ;

周怀春 ;

汪华剑 ;

罗自学 ;

史铁林 .

动力工程, 2008, (05) :682-689

[7]

神华煤结渣倾向和结渣机制研究 [J].

周俊虎 ;

赵晓辉 ;

杨卫娟 ;

曹欣玉 ;

刘建忠 ;

岑可法 .

中国电机工程学报, 2007, (08) :31-36

[8]

基于支持向量机的大型电厂锅炉飞灰含碳量建模 [J].

王春林 ;

周昊 ;

周樟华 ;

凌忠钱 ;

李国能 ;

岑可法 .

中国电机工程学报, 2005, (20) :72-76

[9]

基于人工神经网络数据挖掘技术进行煤灰结渣特性分析 [J].

徐创学 ;

张心 ;

康爱军 .

热力发电, 2004, (06) :27-30+87

[10]

燃煤锅炉结渣倾向性模糊预测分析 [J].

赵显桥 ;

曹欣玉 ;

兰泽全 ;

饶甦黄 ;

镇宇 ;

周俊虎 ;

岑可法 .

电站系统工程, 2003, (05) :9-11