基于GASVM的电站锅炉烟气含氧量软测量模型

李建强; 赵凯; 牛成林; 尹喜超; 陈星旭; 邢飞

English

您当前的位置：

首页 >

文章列表页 >

基于GASVM的电站锅炉烟气含氧量软测量模型

热力发电 2017年第3期

发电技术论坛 | 更新时间：2025-09-28

- 基于GASVM的电站锅炉烟气含氧量软测量模型
- GA-SVM-based soft-sensor model for oxygen content in flue gas of utility boilers
- 作者机构：
  
  1. 华北电力大学能源动力与机械工程学院,河北,保定,071003
  2. 华北电力大学自动化系,河北,保定,071003
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TP274.2
- 网络出版：2017-03-27，
  
  纸质出版：2017
- 稿件说明：
移动端阅览
李建强, 赵凯, 牛成林, 等. 基于GASVM的电站锅炉烟气含氧量软测量模型[J]. 热力发电, 2017,(3).

LI Jianqiang, ZHAO Kai, NIU Chenglin, et al. GA-SVM-based soft-sensor model for oxygen content in flue gas of utility boilers[J]. Thermal Power Generation, 2017, (3).
李建强, 赵凯, 牛成林, 等. 基于GASVM的电站锅炉烟气含氧量软测量模型[J]. 热力发电, 2017,(3). DOI：

LI Jianqiang, ZHAO Kai, NIU Chenglin, et al. GA-SVM-based soft-sensor model for oxygen content in flue gas of utility boilers[J]. Thermal Power Generation, 2017, (3). DOI：

摘要

针对电厂烟气含氧量测量存在的投资大、精度低等问题，在烟气含氧量理论研究的基础上，选择合理的二次变量，引入支持向量机（ SVM）建立二次变量与烟气含氧量的软测量模型。利用遗传算法（ GA）对模型中的惩罚系数和核函数参数进行寻优，进而利用最优值构建了 GA-SVM烟气含氧量软测量模型，并对比利用粒子群算法及网格搜索法对参数的寻优结果，对模型的准确性、泛化性进行测试。仿真结果表明：遗传算法比粒子群算法和网格搜索法更易找到全局最优解； GA-SVM软测量模型误差在 ±0.2%以内，相对误差在 ±4%以内，能满足不同负荷、不同时间段锅炉烟气含氧量的预测要求，其对烟气含氧量的测量更准确。

Abstract

关键词

Keywords

references

浏览量

308

下载量

CSCD

文章被引用时，请邮件提醒。

提交

关联资源

基于最小二乘支持向量机和PSO算法的电厂烟气含氧量软测量

基于粒子群算法和支持向量机的锅炉排烟温度建模

支持向量机理论与遗传算法相结合的300MW机组锅炉多目标燃烧优化

电站锅炉主要热工过程参数软测量技术研究进展

基于粒子群算法的多机组供热模式耦合热电负荷分配优化