基于聚类的偏最小二乘支持向量机脱硫效率预测

发布时间：2024-04-09 18:36

　　21世纪以来,随着我国经济的高速发展,能源电力的需求也水涨船高,目前,燃煤火力发电仍然是市场供应的主体,而燃煤产生的二氧化硫、二氧化氮等有害气体不仅造成大气污染,还严重危害人类健康。为此,人们研究并实施了各种各样的脱硫方案,并且都取得了良好的脱硫效果。脱硫效率能很好的反应系统的性能,目前电厂主要用检测设备进行烟气的测量,考虑到设备损害以及高昂的维护成本,脱硫效率软测量技术被提出,并发挥着日益重要的作用。本文针对石灰石-石膏湿法的脱硫技术,提出了一种基于聚类分析的偏最小二乘支持向量机脱硫效率预测模型。选取山西某电厂DCS数据库系统中的历史数据,对影响脱硫效率因素进行简单筛选,通过MATLAB平台对模型进行搭建训练。将聚类分析、偏最小二乘法(PLS)、最小二乘支持向量机(LSSVM)结合起来,并与单一PSO优化的LSSVM预测模型进行了对比。研究表明,所提模型均方误差均在0.01⁰.02之间,而后者达到了0.02⁰.04,这也有力说明了本文研究模型的准确性和效性,且在工程中有进一步应用的可能性,也为更进一步的模型优化和修改升级奠定了基础。

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
中文摘要
ABSTRACT
第一章 绪论
    1.1 课题背景
    1.2 研究目的及意义
    1.3 研究内容及结构
第二章 燃煤电厂烟气脱硫工艺
    2.1 脱硫工艺简介
    2.2 常用烟气脱硫技术方案
        2.2.1 石灰石-石膏湿法
        2.2.2 NID干法
        2.2.3 喷雾干燥法
        2.2.4 磷铵肥法
        2.2.5 氨水洗涤法
        2.2.6 循环流化床法
    2.3 石灰石-石膏湿法烟气脱硫技术
        2.3.1 烟气脱硫系统的工作原理
        2.3.2 脱硫系统组成及工艺特点
    2.4 本章小结
第三章 聚类分析算法理论基础
    3.1 聚类分析概述
        3.1.1 定义
        3.1.2 聚类方法特征
        3.1.3 常用的聚类算法
    3.2 K-means算法
        3.2.1 原理
        3.2.2 K-means算法具体步骤及流程图
    3.3 模糊C均值算法
    3.4 初始聚类中心的确定
    3.5 本章小结
第四章 偏最小二乘回归和支持向量机
    4.1 偏最小二乘回归理论和方法
        4.1.1 偏最小二乘回归概述
        4.1.2 偏最小二乘回归理论建模
    4.2 支持向量机理论基础及改进
        4.2.1 支持向量机简介
        4.2.2 支持向量机回归算法
        4.2.3 最小二乘支持向量机算法
    4.3 本章小结
第五章 基于聚类分析的偏最小二乘支持向量机脱硫效率预测建模
    5.1 模型评价标准
    5.2 数据标准化处理
    5.3 基于聚类分析的偏最小二乘支持向量机脱硫效率预测模型实现
        5.3.1 影响脱硫效率的工况因素选取
        5.3.2 脱硫效率预测模型的拓扑建立
        5.3.3 脱硫效率预测模型的MATLAB实现
    5.4 本章小结
第六章 结论与展望
    6.1 全文总结
    6.2 未来展望
参考文献
致谢
个人简况及联系方式



本文编号：3949478