基于支持向量机的大型电厂锅炉飞灰含碳量建模

《基于支持向量机的大型电厂锅炉飞灰含碳量建模》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据第25卷第20期2005年10月中国电机工程学报ProceedillgsofmeCS髓、，b1．25No．200ct．2005@2005Ctlin．Soc．fbrElec．Eng文章编号：0258．8013(2005)20—0072．05中图分类号：TK223文献标识码：A学科分类号：470·20基于支持向量机的大型电厂锅炉飞灰含碳量建模王春林，周昊，周樟华，凌忠钱，李国能，岑可法(能源清洁利用国家重点实验室浙江大学热能工程研究所，浙江省杭州市310027)SUPPoRTVECToRⅣ队CHINEMoDELINGoNTHEUNBURNEDCARBoND呵FIjYASH

2、Wf6lNGChun—lin，ZHOUHao，ZHoUZhang-hua，UNGzhong—qian，U(mo-neng，CENKe-fa．(StateKeyLab．ofCle锄EnergyUtihzationInstinnefor11lemalPowerEngineeringofzheji锄gUniVersity'Hangzllou310027，zllejiaIlgProVince，Cllina)ABSTRACT．Unb啪edcarbonc伽此ntinⅡlenyashisamainfhctorttlathas毋．eatimpactsonmeboileref!ficiency

3、．nwasaf亿ctedbymaIlyfktors柚dcomplicated．BuildingaInodeltopredictunbtlnledcarboncontentintheflyashisagoodway的optiⅡlizetllecoalcombustionandtllenfeduceunbumedcarboncontent．Intlliswork，asupportvectormacllinemodelpredictingtheunb啪edc抽oncontentillmenyashofallighcapac时boilerwasdeVelopedandverified

4、．Goodpremctingpem燃ew觞acllievedwimtheproperle枷ngp觚吼eters．ThemodelingresultsshowmatsupportVector咖clli∞isa900d幻lolfbfbuildillgcombustionmodels锄dhaSbe仕ergeIleralizati∞abm哆ahdllighercalculati伽speedcomparingwithothermodelingappfoaches．KEYWoRDS：Tllemalpowefenginee血喀；Boiler；Unb啪edcarboncontent；Supp

5、onvectormaclline摘要：飞灰含碳量是影响锅炉热效率的一个重要因素，影响燃煤锅炉飞灰含碳量的因素多丽且复杂，对锅炉飞灰含碳量特性进行建模预测并结合优化算法实现燃烧优化是降低锅炉飞灰含碳量的有效方法。该文应用支持向量机算法建立了大型四角切圆燃烧锅炉飞灰含碳量特性的模型，并利用飞灰含碳量的热态实炉试验的数据对模型进行了校验，对支持向量机学习算法中参数的选择进行了探讨，获得了最佳学习参数。结果说明支持向量机与其它建模方法相比具有泛化能力好，计算速度快等优点，是锅炉飞灰含碳量特性建模的有效工具。关键词：热能动力工程；锅炉；飞灰含碳量；支持向量机基金项目：国家自然科学基金(

6、5057608l；2030707)。ProjectSuppo毗dbyNationalNammlScienceF0unda廿帆ofChin“5057608l；2030707)．1引言飞灰含碳量是影响锅炉热效率的一个重要指标，高含碳量影响了飞灰在水泥工业中的应用，导致处理困难和高昂的费用。影响飞灰含碳量的因素较复杂，预测和控制都很困难Il之】。实际运行时很难依据有限的调试结果和经验将实炉燃烧工况调整到在最佳工况下，因此建立适当的模型对飞灰含碳量进行预测和控制是很有意义的。文献【3—5】建立了飞灰含碳量预测的神经网络模型，文献[1】的模型仅限于灰成分分析，对于运行的指导意义不大，文

7、献【4—5】将煤种和运行参数作为输入因子，对实际运行有一定指导意义。但用神经网络建模还存在以下问题有待于进一步研究解决：①多层前向网络建模所必须的样本数量多，而实炉测试工况数量往往有限；②多层前向网络的训练时间长，而且实现在线训练困难，限制了燃烧优化系统的在线性；③多层前向网络对数据样本的不完整性和误差比较敏感；④多层前向网络还存在过拟合(ovemt)问题，泛化能力差。作为一种新的统计学习方法，支持向量机(SuportVectorMachjIle，SVM)应用结构风险最小化(S刚)原则，有效地解决了机器