基于改进灰色-多元回归组合预测模型的燃煤电厂智慧水务研究

发布时间：2021-12-10 07:15

　　以某燃煤电厂水务系统为研究对象,对机组运行参数和水量历史数据进行筛选和关联性分析,根据前期水平衡测试结果,结合响应面分析验证,发现机组负荷、蒸发损失系数、浓缩倍率和循环水温升这四个因素能够对全厂供水量产生关键性影响。基于灰色理论和多元非线性回归分析,分别建立各因素的灰色预测模型GM（1, 1）,再将灰色模型预测值作为自变量输入到多元非线性回归方程中,得到了改进灰色-多元非线性回归组合的供水量预测模型,其模型拟合度R2为0.913且与真实值的平均相对误差为6.9%左右,实现了灰色模型和回归模型优势互补,有效地预测该电厂供水量未来变化;而供水量预测是智慧水务建设的关键所在,是水务管理和智能调度的主要依据,也是实现供水管网漏损和仪表故障报警的重要途径。 

【文章来源】：化工进展. 2020,39(S2)北大核心EICSCD

【文章页数】：8 页

【部分图文】：

各因素及交互作用对某电厂供水量变化的影响

图1 各因素及交互作用对某电厂供水量变化的影响根据上述响应面分析结果，把燃煤电厂供水量预测转化为一个多因素输入的回归预测问题是合理的；首先通过灰色预测模型GM(1,1)对多元回归方程的自变量进行预测，准确地预测出自变量的值，输入到多元回归模型中，即可实现对因变量的预测。其次以影响因素的每月历史数据序列（详见表2）作为自变量，以电厂每月累计供水量作为因变量，通过统计学软件建立最优的多元回归模型；多元非线性回归方程(18)可以用来定量描述厂区月累计总供水量与各因素之间的关系，但该预测模型的拟合度R2为0.867，有待进一步优化。

(3）为进一步增强预测精度，本研究对上述灰色-多元非线性回归组合模型进行了改进，即将多元非线性回归模型的输入值由各因子的历史数据变更为灰色预测模型GM(1,1)对各因素的预测值，这样充分利用了灰色系统具有弱化序列随机性，深入挖掘预测对象的演化规律，还能够消除各自变量观测数据的随机波动或误差；改进灰色-多元线性回归模型如式(19)所示，该模型的拟合度R2提高至0.913，更能精准地反映供水量与各因素之间的关系，说明优化改进是有效的，该预测模型更具有实际意义；本研究还将厂区实际供水量与灰色-回归组合预测模型和改进型灰色-回归预测模型对供水量的预测结果进行了对比（如图3所示），用厂区实际供水量与预测值之间的相对误差（如图4所示），进一步考察了上述两种预测模型的精度及拟合度。图4 传统模型与改进模型相对误差比较

【参考文献】：
期刊论文
[1]深圳市智慧水务应用体系研究[J]. 朱晓庆,殷峻暹,张丽丽,付敏.  水利水电技术. 2019(S2)
[2]基于函数模型的水务智慧建模与应用[J]. 张晔明,罗贤伟,蒋怀德.  净水技术. 2019(S2)
[3]工业智慧水务的研究和探索[J]. 金亚飚.  工业水处理. 2020(02)
[4]国内外智慧水务信息化建设与发展[J]. 谢丽芳,邵煜,马琦,张金松,张土乔.  给水排水. 2018(11)
[5]中国火电节水现状分析及措施建议[J]. 潘荔,刘志强,张博.  中国电力. 2017(11)
[6]新形势下火电厂节水减排工作特点及关键[J]. 杨宝红.  热力发电. 2016(09)
[7]基于多智能体的城镇家庭用水量模拟预测分析[J]. 金菊良,崔毅,张礼兵,周玉良,吴成国.  水利学报. 2015(12)
[8]供水管网漏损控制研究和实践[J]. 刘锁祥,赵顺萍,曹楠,刘阔.  中国给水排水. 2015(10)
[9]灰色系统研究进展（2004—2014）[J]. 刘思峰,杨英杰.  南京航空航天大学学报. 2015(01)
[10]火力发电行业用水分析及对策[J]. 韩买良.  工业水处理. 2010(02)



本文编号：3532139