基于FOALSSVM的汽轮机热耗率预测模型研究

王惠杰; 范志愿; 许小刚

English

您当前的位置：

首页 >

文章列表页 >

基于FOALSSVM的汽轮机热耗率预测模型研究

热力发电 2017年第4期

热能科学研究 | 更新时间：2025-09-28

- 基于FOALSSVM的汽轮机热耗率预测模型研究
- Research on prediction model of heat consumption rate of steam turbine based on FOA-LSSVM
- 作者机构：
  
  华北电力大学能源动力与机械工程学院,河北,保定,071003
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TM621.4
- 网络出版：2017-04-26，
  
  纸质出版：2017
- 稿件说明：
移动端阅览
王惠杰, 范志愿, 许小刚. 基于FOALSSVM的汽轮机热耗率预测模型研究[J]. 热力发电, 2017,(4).

WANG Huijie, FAN Zhiyuan, XU Xiaogang. Research on prediction model of heat consumption rate of steam turbine based on FOA-LSSVM[J]. Thermal Power Generation, 2017, (4).
王惠杰, 范志愿, 许小刚. 基于FOALSSVM的汽轮机热耗率预测模型研究[J]. 热力发电, 2017,(4). DOI：

WANG Huijie, FAN Zhiyuan, XU Xiaogang. Research on prediction model of heat consumption rate of steam turbine based on FOA-LSSVM[J]. Thermal Power Generation, 2017, (4). DOI：

摘要

为了准确描述可控参数与热耗率之间的关系，采用偏相关分析法，结合汽轮机热耗率方程确定了影响汽轮机热耗率的5个主要变量，并将其作为模型的输入参数；通过比较分析，选用RBF_kernel为模型的核函数；利用果蝇优化算法(FOA)对最小二乘支持向量机(LSSVM)的惩罚因子和核径向范围2个参数进行优化，建立了FOA-LSSVM黑箱模型；以FOA-LSSVM为基础，建立了预测汽轮机热耗率的数学模型，并将其与采用LSSVM、RBF神经网络建立的热耗率预测模型进行对比，同时分析了该模型的鲁棒性。结果表明，基于FOA-LSSVM的汽轮机热耗率预测模型具有精度高、泛化能力强、鲁棒性强的优点。该模型为机组热经济性诊断、参数寻优提供了理论依据，具有一定的工程应用价值。

Abstract

关键词

Keywords

references

浏览量

436

下载量

CSCD

文章被引用时，请邮件提醒。

提交

关联资源

基于在线自适应的鲁棒最小二乘支持向量机及其应用

基于增强灰狼优化LSTM神经网络的火电机组SCR脱硝反应器建模

基于粒子群优化双支持向量机的SCR烟气脱硝效率预测模型

基于自适应神经模糊推理系统的煤粉锅炉飞灰含碳量建模

基于偏最小二乘支持向量机的烟气湿法脱硫效率预测模型