核心向量机的电站锅炉NO_x排放特性大数据建模

发布时间：2018-11-16 17:37

【摘要】：为克服传统燃烧优化算法受制于小样本建模的缺点,提出了一种基于大规模数据的NOx排放特性建模方法。应用核心向量机(core vector machine,CVM)对11660组实验数据、共77维运行参数建立了超超临界锅炉的NOx排放特性模型,并对模型参数C和ε进行优化,选定模型参数组(C,ε)为(105,6×10-6),得到了较短的建模时间和较高的预测精准度。同时将建立的CVM模型与其他常见算法支持向量机(support vector machine,SVM)和SVMLight进行性能对比,结果表明,CVM具有优越的收敛速度和更强的泛化能力,随着建模数据量的增加,CVM模型预测准确度有所提升,在建模时间上表现平稳,相对于其余2种算法具有显著优势。
[Abstract]:In order to overcome the disadvantage that traditional combustion optimization algorithm is constrained by small sample modeling, a modeling method of NOx emission characteristics based on large-scale data is proposed. The NOx emission characteristic model of ultra-supercritical boiler was established by using the core vector machine (core vector machine,CVM) for 11660 groups of experimental data. The model parameters C and 蔚 were optimized, and the model parameter group (C, 蔚) was selected. 蔚) is (105 ~ (-6) 脳 10 ~ (-6), and a shorter modeling time and a higher prediction accuracy are obtained. At the same time, the performance of the established CVM model is compared with that of other common algorithms, support vector machine (support vector machine,SVM) and SVMLight. The results show that CVM has superior convergence speed and stronger generalization ability, with the increase of modeling data. The prediction accuracy of CVM model is improved, and the modeling time is stable, which has a significant advantage over the other two algorithms.
【作者单位】： 能源清洁利用国家重点实验室(浙江大学);
【基金】：国家重点基础研究发展计划项目(2015CB251501) 国家自然科学基金项目(51476137)~~
【分类号】：TM621.2

【参考文献】

相关期刊论文 前1条

1 王亚俊;王波;唐飞;陈得治;王静;王乙斐;周雨田;;基于响应轨迹和核心向量机的电力系统在线暂态稳定评估[J];中国电机工程学报;2014年19期

【共引文献】

相关期刊论文 前5条

1 代贤忠;沈沉;陈颖;汤蕾;林韩;黄道姗;;自律分散的多维度电网薄弱环节跟踪及分析系统设计与实现[J];电力系统自动化;2015年04期

2 徐玉涛;赵书涛;王天正;裴孙静苑;;基于图像处理的断路器机械特性参数测试方法研究[J];科学技术与工程;2015年16期

3 汤涌;;基于响应的电力系统广域安全稳定控制[J];中国电机工程学报;2014年29期

4 岑炳成;唐飞;廖清芬;晏阳;唐昱恒;董飞飞;李瑾瑜;;应用功角空间降维变换的相轨迹判别系统暂态稳定性[J];中国电机工程学报;2015年11期

5 郭珂;唐飞;廖清芬;杨健;贾骏;周慧芝;叶笑莉;徐君茹;刘福锁;;多频失步振荡场景下大区互联电网失步振荡中心电压频率演变规律研究[J];中国电机工程学报;2015年13期

【二级参考文献】

相关期刊论文 前10条

1 管霖,曹绍杰;基于人工智能的大系统分层在线暂态稳定评估[J];电力系统自动化;2000年02期

2 薛禹胜;EEAC与直接法的机理比较(一)——受扰程度函数[J];电力系统自动化;2001年11期

3 孙宏斌,胡江溢,刘映尚,张伯明,吴文传;调度控制中心功能的发展——电网实时安全预警系统[J];电力系统自动化;2004年15期

4 张伯明;吴素农;蔡斌;吴文传;孙宏斌;郭琦;;电网控制中心安全预警和决策支持系统设计[J];电力系统自动化;2006年06期

5 陈得治;张伯明;吴文传;郭庆来;;静态电压稳定分析的故障筛选和排序方法[J];电力系统自动化;2008年14期

6 张伯明;孙宏斌;吴文传;郭庆来;;智能电网控制中心技术的未来发展[J];电力系统自动化;2009年17期

7 印永华,郭剑波,赵建军,卜广全;美加“8.14”大停电事故初步分析以及应吸取的教训[J];电网技术;2003年10期

8 李春艳;孙元章;陈向宜;邓桂平;;西欧“11.4”大停电事故的初步分析及防止我国大面积停电事故的措施[J];电网技术;2006年24期

9 戴仁昶,张伯明,戚其荟;暂态稳定仿真的综合人工智能方法[J];中国电机工程学报;2002年12期

10 许涛,贺仁睦,王鹏,徐东杰;基于统计学习理论的电力系统暂态稳定评估[J];中国电机工程学报;2003年11期

相关博士学位论文 前1条

1 刘洪波;基于量测轨迹及轨迹灵敏度的电力系统动态分析[D];华北电力大学（河北）;2007年

【相似文献】

相关期刊论文 前1条

1 李元诚;杨瑞仙;;用于短期风速预测的优化核心向量回归模型[J];中国电力;2012年03期

相关会议论文 前2条

1 王萃摟;林耀民;_5才仁;;空晸向量心桘W一z.[嬗眯耚程的研究[A];中国生理科学会学术会议论文摘要汇编（生理）[C];1964年

2 王萃摟;_5才仁;林耀民;_5桂林;熊傅尀;黄海屏;;等悐四面氃\，

本文编号：2336177