一种电站锅炉过热蒸汽温度数据解析模型

发布时间：2022-08-02 10:15

　　火电厂锅炉生产过程具有强非线性、强噪声等特点,这些特点导致过热蒸汽温度难以准确建模。针对这一问题,提出一种锅炉过热蒸汽温度数据解析建模方法。首先采用分类回归树（Classification and Regression Tree, CART）算法计算得到相关变量重要性,选择重要性大于0.5的变量作为数据驱动建模的输入。然后采用粒子群优化（ParticleSwarm Optimization,PSO）算法优化最小二乘支持向量机（LeastSquaresSupportVectorMachine,LSSVM）的参数,建立过热蒸汽温度的预测模型。最后基于实际生产数据的实验结果表明,所提出的建模方法取得比常用建模算法具有更好的预测精度,能够实现对锅炉过热蒸汽温度的准确预测。 

【文章页数】：7 页

【文章目录】：
1 引言
2 过热蒸汽生产过程
3 过热蒸汽温度建模
    3.1 数据描述
    3.2 数据预处理
    3.3 模型输入选择
    3.4 基于PSO-LSSVM的过热蒸汽温度建模
4 实验结果与分析
    4.1 实验设计
    4.2 评价标准
    4.3 参数选取
    4.4 实验结果分析
        4.4.1 特征选择策略效果分析
        4.4.2 预测结果分析
5 结论



本文编号：3668334