基于支持向量机和BP神经网络的燃煤锅炉NOx排放预测

被引：24

作者：

李鹏辉 ^{[1
]}

刘冉 ^{[2
]}

余廷芳 ^{[2
]}

机构：

[1] 华电电力科学研究院

[2] 南昌大学热能与动力工程研究所

来源：

热能动力工程 | 2016年 / 31卷 / 10期

关键词：

锅炉; NOx排放; BP神经网络; 支持向量机;

D O I：

10.16146/j.cnki.rndlgc.2016.10.018

中图分类号：

TM621 [火力发电厂、热电站]; X773 [电力工业];

学科分类号：

080707 [能源环境工程]; 080802 [电力系统及其自动化];

摘要：

基于某660 MW燃煤锅炉运行时的热态实验数据,应用BP神经网络方法和支持向量机回归的方法对该燃煤电站锅炉NOx排放特性分别进行建模,针对BP神经网络存在的问题,采用动量法对其进行改进,而对SVM预测模型进行了核函数及相应参数c和g进行了选优。两种模型仿真结果的平均相对误差为2.75%和1.37%,证明模型的准确性和泛化能力比较好。引入神经网络模型评价指标,对这两种模型的仿真和预测结果进行对比分析,结果表明采用支持向量机方法建立的NOx排放模型比BP神经网络模型收敛速度快,准确度高,性能更优。

引用

页码：104 / 108+129 +129-130

页数：7

共 7 条

[1]

MATLAB神经网络原理与实例精解.[M].陈明.清华大学出版社.2013,

[2]

MATLAB神经网络设计与应用.[M].周品; 编著.清华大学出版社.2013,

[3]

基于RBF神经网络模型的电站锅炉燃烧优化 [J].