支持向量机在锅炉飞灰含碳量软测量中的应用

支持向量机在锅炉飞灰含碳量软测量中的应用

ID:33933353

大小:398.63 KB

页数:6页

时间:2019-03-01

支持向量机在锅炉飞灰含碳量软测量中的应用_第1页
支持向量机在锅炉飞灰含碳量软测量中的应用_第2页
支持向量机在锅炉飞灰含碳量软测量中的应用_第3页
支持向量机在锅炉飞灰含碳量软测量中的应用_第4页
支持向量机在锅炉飞灰含碳量软测量中的应用_第5页
资源描述:

《支持向量机在锅炉飞灰含碳量软测量中的应用》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、第26卷第1期电力科学与工程VO1.26.No.1Jan.,2010392010年1月ElectricPowerScienceandEngineering支持向量机在锅炉飞灰含碳量软测量中的应用刘长良,孙晓娇,刘站营(1.华北电力大学控制与计算机工程学院,河北保定071003;2.徐水供电有限责任公司,河北徐水072550)摘要:针对目前锅炉飞灰含碳量测量方法存在时间滞后和精度不高等问题,在分析锅炉飞灰含碳量影响因素和做锅炉燃烧特性实验的基础上,利用最小二乘支持向量机这种新的机器学习工具,建立了

2、飞灰含碳量的软测量模型。应用该模型对燃煤电站锅炉的飞灰含碳量进行研究,理论分析和仿真计算表明,该方法学习速度快、泛化能力强、对样本的依赖程度低,比BP神经网络的软测量建模更具有推广力。关键词:飞灰含碳量;支持向量机;软测量;单纯形算法中图分类号:TP391.9文献标识码:A0引言1软测量方法简介飞灰含碳量是反映电站锅炉燃烧效率的一个软测量建模的各种方法互有交叉,且有相互融重要指标,但其特性复杂,受到如煤种、锅炉负合的趋势,因此分类方法难以建全。目前,软测量荷、配风方式、炉型、燃烧器型式、炉膛温度

3、、过建模方法一般可分为:机理建模、回归分析、状态剩空气系数、煤粉细度、风粉分配均匀性等多种估计、模式识别、人工神经网络、模糊数学、基于因素的影响,很难采用简单的公式进行估算,往支持向量机和核函数的方法、过程层析成像、相关往需采用实际测试方法加以确定,并由试验结果分析和现代非线性系统信息处理技术等。摸索降低飞灰含碳量的方法⋯。由于现场测试工1.1基于工艺机理分析的软测量建模作量大,各参数对锅炉的燃烧特性都存在影响,而基于工艺机理分析的软测量建模,主要是运用且测量滞后较大,不能真实地反映炉内燃烧状况

4、。化学反应动力学、物料平衡、能量平衡等原理,通为了解决这类测量的估计和控制,必须利用一些过对过程对象的机理分析,找出不可测主导变量与易于实时测量的与被测变量密切相关的变量,通可测辅助变量之间的关系(建立机理模型),但是过在线分析,估计不可测或难测量变量。其技术对于机理研究不充分的复杂工业过程,难以建立合的核心是建立软测量的数学模型,以实现辅助测适的机理模型。其应用效果依赖于对工艺机理的了量对主导测量的最佳估计。近年来,作为机器学解程度,建模难度较大。习领域中备受瞩目的支持向量机(SVM)在许多1

5、.2基于人工神经网络的软测量建模领域成功应用,显示出巨大的优越性。最小二乘基于人工神经网络ANN(ArtificialNeuralNet—支持向量机(LS—SVM)是标准支持向量机的一work)的软测量建模方法是近年来研究较多、发展种扩展,它是支持向量机在二次损失函数下的一很快和应用范围很广泛的一种软测量建模方法。但种形式。最小二乘支持向量机只求解线性方程,其是神经网络存在局部最小问题、过学习以及结构和求解速度快,在函数估计和逼近中得到了广泛应类型的选择过分依赖于经验等问题。用。本文利用最小二乘

6、支持向量机进行软测量的1.3基于回归支持向量机的方法建模。近年来,作为机器学习领域中备受瞩目的支持收稿日期:2009-09-13。基金项目:中国国家高技术研究发展计划863计划(2007AA041lO6)。作者简介:刘长良(1965一),男,华北电力大学控制与计算机工程学院教授,E-mail:stmxiaojiao.041@163.电力科学与工程向量机(SVM)在许多领域取得了成功的应用,显示出巨大的优越性:(1)支持向量机基于统计学习理论,根据结构风险最小化原则,具有小样本学习能力,即由有限的

7、训练样本得到小的误差,对独立的测试集仍然能保证小的误差;(2)支持向量机算法是一个凸优化问题,因此局部最优解一定是全局最优解。最小二乘支持向量机只求解线性方程,其求解速度快,在函数估计和逼近中得到了广泛应用。所以本文利用最小二乘支持向量机这种软测量方法,对火电厂飞灰含碳量软测图1单纯形寻优算法简图Fig.1Diagramofsimplexoptimizationalgorithm量进行建模研究口川。2.2单纯形算法的改进与参数优化应用2参数优化方法的比较和发展现状针对传统单纯形寻优算法在初始单纯

8、形的选取、反射点的求取、单纯形的压缩方面存在的问对于采用径向基核的最小二乘支持向量机的主题,提出了一些改进措施。要参数是正则化参数C和核函数宽度盯,这两个参数(1)为保证三角形的性状,将C,盯寻优区间等在很大程度上决定了最小二乘支持向量机的学习和量化,编程过程中,将泛化能力。对于RBF核,)=eXp(一lJ五一J/c『2)deta=【0.1,10】,【1,100]求解最佳(C,有多种方法可以选择。网格搜索法改为detal=[1,100],C:[1,100]。是将C和盯分别取个值和Ⅳ个值,对Ⅳ个(

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。