10.3969/j.issn.2095-2163.2022.09.018
基于GA-SVR的循环流化床锅炉床温预测
床温是影响循环流化床(CFB)锅炉经济、安全、可靠工作的重要运行参数之一.本文从小样本数据容量出发,利用遗传算法的全局寻优能力和支持向量回归的泛化能力,对某300 MW现役循环流化床锅炉设计了床温预测模型.通过分析循环流化床运行机理,选择床温特性模型的输入变量,然后利用遗传算法对支持向量回归算法的惩罚系数、径向核参数和损失函数进行全局寻优,构建CFB锅炉床温GA-SVR预测模型.将GA-SVR模型与BP神经网络、BP-SVR和卷积神经网络三种预测模型分别进行对比,分析各模型的性能指标,结果表明在小样本数据情况下,GA-SVR模型预测误差更小,响应更迅速,对CFB锅炉的运行和控制具有指导作用.
循环流化床锅炉、床温、遗传算法、支持向量回归
12
TK229.1(蒸汽动力工程)
贵州省科技支撑计划项目
2022-10-09(万方平台首次上网日期,不代表论文的发表时间)
共5页
105-109