基于在线支持向量机的锅炉动态建模方法研究

发布时间：2019-01-11 11:32

【摘要】：利用在线支持向量机的非线性映射特性,建立锅炉排放、锅炉效率与燃烧调整中诸多操作量(如:二次风门开度、燃烬风门开度、给煤量偏置等)的动态数学模型,并对动态模型进行仿真研究。现场数据仿真表明,所建的模型可以较好地体现锅炉燃烧系统的动态特性。当过程中出现之前建模数据没有囊括的工况时,模型可以利用新数据实现在线更新,并补充新的支持向量,因而具备对煤质变化的适应能力。
[Abstract]:Based on the nonlinear mapping characteristics of on-line support vector machine, the dynamic mathematical models of boiler emission, boiler efficiency and many operating quantities in combustion adjustment (such as the opening of secondary air valve, the opening of burning embers, the bias of coal supply, etc.) are established. The dynamic model is simulated. Field data simulation shows that the model can well reflect the dynamic characteristics of boiler combustion system. When the modeling data is not included in the process, the model can be updated online with the new data, and the new support vector can be added, so the model has the ability to adapt to the coal quality change.
【作者单位】： 神华国华(北京)电力研究院有限公司;东南大学能源信息与自动化系;
【分类号】：TM621.2

【相似文献】

相关期刊论文 前10条

1 王智锐;唐汝宁;;基于支持向量机算法的空调负荷预测及实验研究[J];制冷技术;2013年04期

2 徐蓓蓓;蒋铁铮;易宏;;三种基于支持向量机风速预测方法对比研究[J];电气技术;2012年05期

3 赵永辉;刘友宽;朱全聪;杨文杰;;支持向量机在电力系统中的应用[J];仪器仪表用户;2012年06期

4 高尚;梅亮;;基于支持向量机的电价组合预测模型[J];电力自动化设备;2008年11期

5 郑华文;曹衍龙;杨将新;何元峰;方力先;谢永诚;;基于支持向量机的核电站松动件质量估计方法[J];浙江大学学报(工学版);2010年08期

6 周松林;茆美琴;苏建徽;;基于小波分析与支持向量机的风速预测[J];太阳能学报;2012年03期

7 吴钰;王杰;;综合最优灰色支持向量机模型在季节型电力负荷预测中的应用[J];华东电力;2012年01期

8 全睿;全书海;黄亮;谢长君;;基于支持向量机的车用燃料电池系统故障诊断[J];振动.测试与诊断;2012年01期

9 黎特;皮薇;;支持向量机模型改进及在短期边际电价预测中的应用[J];国网技术学院学报;2013年05期

10 吴钰;王杰;;基于加权最小二乘支持向量机的月度负荷预测[J];水电能源科学;2012年05期

相关会议论文 前10条

1 肖怀宝;逯贵祯;李彦霏;;基于支持向量机的电磁参数提取方法研究[A];2009年全国天线年会论文集（下）[C];2009年

2 石亚欣;;基于支持向量机的风速周期预测模型[A];智能化电站技术发展研讨暨电站自动化2013年会论文集[C];2013年

3 伍敏;苏鹏宇;刘金福;于达仁;;基于RVM和SVM的风速预测研究[A];2012电站自动化信息化学术和技术交流会议论文集[C];2012年

4 王永春;;一种复合的支持向量机模型在电力系统短期负荷中的应用[A];第十届全国电工数学学术年会论文集[C];2005年

5 吕刚;范瑜;;基于最小二乘广义支持向量机的永磁直线同步电动机建模[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（下册）[C];2005年

6 林茂六;华晓杰;;基于支持向量机的大信号射频功率器件频域特征模型回归分析[A];第十七届全国测控计量仪器仪表学术年会（MCMI'2007）论文集（上册）[C];2007年

7 周曙光;孟庆虎;孟庆丰;;基于支持向量机的核岛主泵状态预测[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

8 栗然;柯拥勤;张孝乾;唐凡;;基于时序-支持向量机的风电场发电功率预测研究[A];中国智能电网学术研讨会论文集[C];2011年

9 杨坤;纪志成;;基于峰值识别的改进SVM用电需求预测[A];中国自动化学会控制理论专业委员会B卷[C];2011年

10 李星光;赵巨国;金光哲;;燃烧优化闭环控制系统投入的效益分析[A];全国火电大机组（300MW级）竞赛第38届年会论文集[C];2009年

相关博士学位论文 前4条

1 王瑜;基于支持向量机和多信息融合的局部放电故障诊断研究[D];华北电力大学;2015年

2 周叶;基于新异类检测和支持向量机的水电机组诊断技术研究[D];中国水利水电科学研究院;2015年

3 鞠鲁峰;基于支持向量机建模的永磁球形电机的优化设计研究[D];合肥工业大学;2015年

4 肖燕彩;支持向量机在变压器状态评估中的应用研究[D];北京交通大学;2008年

相关硕士学位论文 前10条

1 李胜刚;基于支持向量机的短期风电功率预测[D];湖南工业大学;2015年

2 孙亭亭;基于支持向量机的燃煤机组燃烧优化算法的研究[D];山东大学;2015年

3 邢校萄;支持向量机在短期光伏发电功率预测中的应用[D];华北电力大学;2015年

4 吴康;基于新疆风带运行规律的风电功率预测[D];新疆大学;2015年

5 胡让;风力发电机叶片故障诊断研究及实现[D];兰州交通大学;2015年

6 高伟;基于最小二乘支持向量机的风电功率短期预测研究[D];华中科技大学;2014年

7 姜山;基于支持向量机的高压线路故障原因辨识[D];华北电力大学(北京);2016年

8 刘达;基于支持向量机的风电机组故障智能分类方法及其应用[D];华北电力大学(北京);2016年

9 贺文鑫;基于支持向量机的制粉系统优化控制研究[D];长沙理工大学;2015年

10 谢勇;基于支持向量机的输电线覆冰预测研究[D];西华大学;2016年

，

本文编号：2407085