首页|基于改进PSO-SVM的燃煤电厂烟气含氧量软测量

基于改进PSO-SVM的燃煤电厂烟气含氧量软测量

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对燃煤电厂烟气含氧量测量成本高、使用过程复杂且精度低等问题,应用软测量的方法来代替氧量传感器估计锅炉烟气含氧量.首先分析烟气含氧量的化学原理和锅炉工艺,初步选取合理的辅助变量,同时引入邓氏关联度分析法对燃煤电厂数据做降维处理,利用支持向量机建立辅助变量与烟气含氧量之间的软测量模型.其次,针对软测量模型参数优化问题,提出一种改进的粒子群优化算法,并对模型中的惩罚参数和核函数参数进行优化,进而利用算法得到的优化值构建改进的烟气含氧量软测量模型.最后,通过仿真验证改进的粒子群优化算法的有效性,并与传统方法进行了对比研究,发现该方法较传统方法预测精度更高、泛化性更好,烟气含氧量预测值的相对误差范围从[0,0.07]降至[0,0.02],均方根误差RMSE为0.060 4.结果表明:所建立的烟气氧含量软测量模型能够满足燃煤电厂对于烟气氧含量测量的精度需求,可以很好地解决烟气含氧量软测量精度低的问题,在燃煤电厂热效率提升和锅炉控制系统性能优化方面具有指导意义.
Soft sensor of flue gas oxygen content based on improved PSO-SVM in coal-fired power plant

苏涛、潘红光、黄向东、邵小强、马彪

展开 >

西安科技大学电气与控制工程学院,陕西西安710054

鄂尔多斯市神东工程设计有限公司,新疆鄂尔多斯017000

烟气含氧量 软测量 支持向量机 改进粒子群算法 参数优化

国家自然科学基金中国博士后基金陕西省自然科学基础研究计划项目西安科技大学优秀青年科技基金

616032952017M6232072018JM60032018YQ2-07

2020

西安科技大学学报
西安科技大学

西安科技大学学报

CSTPCD北大核心
影响因子：1.154
ISSN：1672-9315
年,卷(期)：2020.40(2)
  • 17
  • 13