基于ap的火电厂烟气含氧量多模型建模

基于ap的火电厂烟气含氧量多模型建模

ID:30976802

大小:158.50 KB

页数:5页

时间:2019-01-04

基于ap的火电厂烟气含氧量多模型建模_第1页
基于ap的火电厂烟气含氧量多模型建模_第2页
基于ap的火电厂烟气含氧量多模型建模_第3页
基于ap的火电厂烟气含氧量多模型建模_第4页
基于ap的火电厂烟气含氧量多模型建模_第5页
资源描述:

《基于ap的火电厂烟气含氧量多模型建模》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、基于AP的火电厂烟气含氧量多模型建模摘要:针对火电机组运行过程多工况、高非线性的特点,提出了烟气含氧量的基于仿射传播聚类最小二乘支持向量机多模型建模方法。该方法先用仿射传播聚类算法进行训练样本聚类,再用最小二乘支持向量机方法对子类样本建立模型。测试样本先根据相似性度量方法进行归类,再用所属子模型进行预测输出。最后用现场数据进行了建模实验,结果显示基于仿射传播聚类的最小二乘支持向量机多模型建模有较高的回归精度和良好的泛化能力。关键词:烟气含氧量;仿射传播聚类;最小二乘支持向量机;多模型;软测量中图分类号:TP273  文献标识码:A  国家标准学科分类代码:510.8

2、0Multi-modelModelingofO2ContentinFlueGasofPowerPlantBasedonAffinityPropagationClusteringAbstract:Characteristicsofmultipleconditionsandnolinearareexistedinthethermalpowerunit.Tosolvetheproblem,aLS-SVMmulti-modelmodelingmethodbasedonaffinitypropagationclusteringispresentedintheoxygencon

3、tentinfluegasmodeling.Inthismethod,affinitypropagationclusteringisusedtoclustertrainingsamplesfirstly.Then,thesub-modelsaretrainedbyLS-SVM.Thepredictedvaluesofthetestingsamplesareestimatedbythesub-modelsafteritisclassifiedbysimilaritymeasurement.Theproposedmethodhasbeenappliedformodeli

4、ngexperimentbasedonthefielddataatlast.Theexperimentresultsindicatethattheproposedmodelingmethodhasasuperiorregressionaccuracyandgoodgeneralizationability.Keywords:Oxygencontentinfluegas;Affinitypropagationclustering;LS-SVM;Multi-model;Softsensor0引言燃煤火电厂是目前我国电力供应的主要组成部分。在大力提倡节能降耗,经济环保的背

5、景下,提高锅炉燃烧效率,降低煤耗,节约能源是火电厂的一项重要任务。在循环流化床的火电机组中,烟气含氧量是锅炉燃烧效率的重要参考指标。依据烟气氧气含量这个参数,调整风煤比可以使锅炉保持在最佳燃烧工况,提高锅炉效率。目前,测量烟气含氧量的设备主要有热磁式传感器和氧化锆(ZrO2)传感器[1]。氧化锆传感器有灵敏度好、分辨率高和测量范围宽等优点,现场用的氧化锆传感器较热磁式传感器多。但是,氧化锆传感器也存在投资大、寿命短,测量滞后大等缺点。因此,采用软测量的方法来测量烟气含氧量被越来越多的学者研究。软测量的核心是建模,模型的准确与否直接影响着软仪表的测量精度。到目前为止,

6、针对烟气含氧量的软测量建模方法,有学者尝试了多种建模方法,如机理模型方法[2]、神经网络方法[3]、支持向量机方法[4]等。因为火电厂锅炉工作过程具有多变量、严重非线性和多工况等特点,单模型建模方法的泛化性能稍差,同时也增加计算的复杂度[5]。有学者[6]引入了多模型建模方法,多模型建模首先通过聚类方法将训练样本分类处理,然后分别建立子模型。引入数据挖掘中的聚类思想,对解决实际工程中多工况、非线性的问题有重要意义。来自现场的建模样本分类个数的先验知识一般是未知的,而传统的模糊C均值、k-means等聚类方法需要事先人工设定聚类个数。这难以根据对象自身情况准确确定聚类

7、中心和聚类。仿射传播聚类(AffinityPropagationclustering,AP)[7]可以根据数据样本自身的情况聚类,确定聚类中心,达到最优的聚类效果。在子模型建模方面,最小二乘支持向量机(LS-SVM)具有良好的泛化性能,在小样本的情况下也能较准确的聚类。基于前者研究[8],本文提出了基于仿射传播聚类的最小二乘支持向量机多模型的烟气含氧量建模方法。将该算法应用于循环流化床风烟系统烟气氧气含量的软测量建模实验中。实验结果表明该算法有较好的回归精度和泛化性能。1基于仿射传播聚类的LS-SVM多模型建模方法基于仿射传播聚类(AP)的LS-SVM多模型建模

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。