基于PSO-SVR算法的燃煤锅炉结渣特性预测

《基于PSO-SVR算法的燃煤锅炉结渣特性预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、742化工自动化及仪表第40卷基于PSO—SVR算法的燃煤锅炉结渣特性预测王晓文1梁岚珍1’2(1．新疆大学电气工程学院，乌鲁木齐830046；2．北京联合大学自动化学院，北京100101)摘要针对燃煤锅炉结渣特性的有限样本、非线性和高维数问题，提出了一种基于粒子群优化(PSO)和支持向量回归(SVR)的预测模型。对于支持向量回归机在建模中存在的参数选取问题，采用改进的粒子群算法(PSO)对模型参数进行优化，该方法结合了PSO的快速全局优化能力和SYR的结构风险最小化理论，精确地逼近非线性映射关系的能力。仿真结果表明：相比遗传算法(GA)SVR预测模型和模拟退火(SA)SVR预测模型

2、，PSO．SVR模型预测燃煤锅炉结渣特性具有较高的准确率。关键词燃煤锅炉结渣特性预测粒子群算法支持向量回归机中图分类号TQ054文献标识码A文章编号1000-3932(2013)06-0742-04由于我国的能源特点和煤炭市场现状，火电厂动力用煤大多是煤质变化幅度较大的低质煤，然而燃用劣质煤极易造成锅炉结渣，尤其是锅炉受热面和炉膛的结渣。对电厂的安全性和经济性影响极大，炉内结渣轻则使锅炉效率下降，使传热状况恶化，影响电厂的经济性；结渣重则会导致锅炉腐蚀，造成爆管事故⋯。长期以来，许多学者对燃煤锅炉结渣预测进行了大量的研究，提出了许多有效的预测方法，并取得了一定的研究成果。研究表明：影

3、响锅炉结渣的主要因素是煤灰成分、锅炉温度和炉膛空气动力场¨“1。反映煤灰成分的参数有4个常规指标：软化温度s丁、硅铝比WSi02／WAh。，、碱酸比．，和硅比G。锅炉参数主要无因次炉膛平均温度咖。和无因次切圆直径咖。。由于锅炉结渣是多因素耦合的结果，使用单一数据难以准确预测结渣程度。结渣程度不只与单一指标相关，它们之间还存在着复杂的非线性关系。针对这种复杂的非线性关系，需要找到一个普遍适用且准确率较高的预测方法。1锅炉结渣预测模型原理笔者选择支持向量回归机算法精确地逼近输入空间到输出空间的非线性映射关系，解决锅炉结渣的高维数和非线性问题，以此来判别燃煤锅炉的结渣特性。1．1支持向量回

4、归机支持向量回归机(SupportVectorRegression，SVR)是建立在支持向量机思想上的回归算法，是比较新颖的软计算技术之一，SVR采用结构风险最小化原则，建立在统计学习理论中的VC维及推广性的界等理论基础之上，具有坚实的理论基础”1。它建立了一套较好的有限样本下机器学习的通用方法，既有严格的理论基础，又能较好地解决有限样本、非线性、高维数以及局部极小点等实际问题旧。。对于占．SVR来说，惩罚系数C、核参数P、不敏感损失系数￡的优化选择，都对SVR模型的训练精度和泛化能力的好坏起着决定性作用。针对这个问题选择粒子群优化算法(ParticleSwarmOptimizati

5、on，PSO)对SVR中的惩罚系数、核参数和不敏感损失系数3个参数进行并行优化。1．2基本粒子群算法粒子群优化算法(ParticleSwarmOptimi．zation，PSO)是受人工生命启发而研究的结果，是通过模拟鸟群觅食行为过程发展而来的一种基于群体协作的全局随机搜索算法。PSO不像遗传算法那样对个体进行交叉及变异等进化算子操作，它具有独特的搜索机制，将群体中的个体看作是收稿日期：2013．04-25(修改稿)基金项目：新疆自治区自然科学基金资助项目(2011211812)第6期王晓文等．基于PSO—SVR算法的燃煤锅炉结渣特性预测743D维搜索空间中没有质量和体积的粒子，首先

6、在可行解空间随机初始化粒子群，即确定粒子的初始位置和初始速度，粒子的位置表征问题解。通过计算各粒子的适应度函数，确定t时刻每个粒子的最佳位置P。。。。=(P∽P∽⋯，P∞)和群体发现的最佳位置g‰。=(P¨PⅢ⋯，P柚)，再按下式更新各粒子的速度秽；『和位置％扣"“(t+1)=lu口g(t)+clrl[JDi一算i(t)]+c2r2[p副一石i(￡)](1)(2)式中c，、c：——局部搜索参数和全局搜索参数，也称学习因子；r。、r：——[0，1]范围内的随机数；埘——惯性权值。2模型数据来源及数据预处理2．1模型数据来源对文献[1，7～11]资料中的数据进行整理，抽取43组数据，其中

7、30组数据用作训练样本建立燃煤锅炉结渣预测模型，其余数据作为测试样本，检验模型的性能，检验样本数据列于表1。表1检验样本数据2．2数据归一化预处理为了提高模型的训练精度，对实验数据作归一化预处理：耻丧(3)式中i、_『——样本、指标编号；x胁。——单一指标中的最大数值者。3PSO-SVR算法3．1建立初始SVR模型首先必须为模型设定初始参数值，对数据归一化预处理，并且将处理后的数据作为模型输入，训练结束后使用模型输出结果与终止准则对比，不符合终止准则转入P