基于记忆模式的NOx支持向量回归预测研究.pdf

《基于记忆模式的NOx支持向量回归预测研究.pdf》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、2012年7月控制工程第19卷第4期ControlEngineeringofChinaV01．19．No．4文章编号：1671—7848(2012l04-0704-05基于记忆模式的NO支持向量回归预测研究黄景涛，罗威，任志伟，茅建波(1．河南科技大学电子信息工程学院，河南洛阳471003；2．浙江省电力试验研究院，浙江杭州310014)摘要：低NO排放是电站锅炉燃烧优化的主要目标之一，影响燃煤锅炉N0排放因素众多且复杂，对锅炉燃烧过程N0浓度进行准确预测是低N0燃烧优化的基础。机组全工况运行时表现出强时变性，静

2、态预测模型难以保证预测精度，考虑到观测样本的时效性，模拟记忆模式对观测数据进行重采样，进而基于支持向量回归算法构建N0排放预测模型，构造一种基于记忆模式的支持向量回归算法。以某机组热态试验数据为基础，对算法进行了仿真分析，结果表明，该算法在保证回归建模精度的同时，在训练速度、稳定性以及泛化性能等方面较传统支持向量回归算法更有优势。关键词：锅炉燃烧，记忆模式，重采样，支持向量回归中图分类号：TP273文献标识码：ANOPredictionBasedonMemoryModeSupportVectorRegressio

3、nHUANGringtao，LUOWei，RENZhi．wei，MAOJian—be(1．Electronic＆InformationEngineeringCollege，HenanUniversityofScience＆Technology，Luoyang471003，China；2．ZhejiangElectricPowerTest&ResearchInstitute，Hangzhou310014，China)Abstract：LowNOemissionsisodeofthemainobjectivesoft

4、heboilercombustionoptimization，theimpactfactorsofNOemissionsincoal—firedboilerarenumerousandcomplex．AccuratepredictionoftheNOconcentrationduringtheboilercombustionprocessisthekeybasisoflowNOcombustionoptimization．Theunitshowsstrongtimevaryingcharacteristicsat

5、fullworkingconditions，andthestat—icpredictionmodelisdificulttoguaranteethepredictionaccuracy．Thetimelinessoftheobservationsamplesistakenintoaccount．Theobservationdataisresampledbyimitatingthememorymode，andthentheNOemissionpredictionmodelisbuiltusingsupportvec

6、torregression(SVR)algorithm，SOamemorymodelbasedonsupportvectorregressionalgorithmisconstructed．Thealgorithmistestedonthedatasampledfromaunit．Theanalysisresultsshowthattheproposedalgorithmcannotonlyensuretheregressionmodellingaccura—cy，butalsohasadvantagesinte

7、rmoftrainingspeed，stabilityandgeneralizationperformancecomparedtothetraditionalsuppo~vectorregressionalgorithm．Keywords：Boilercombustion；Memorymode；Resample；Supportvectorregression历史数据，这些数据蕴含了机组内在规律，数据驱1引言动的方法逐渐成为复杂系统建模与优化的有效手电站锅炉为电厂三大核心设备之一，也是火力段。但简单的数据驱动建模方

8、法存在过学习、局部发电过程中主要的污染源。随着国家环保要求的提极小、训练时间长、占用内存空间大等问题。高，对NO排放的要求也越来越高，刚刚颁布实支持向量机(supportvectormachine，SVM)是施的火电厂大气污染物排放标准(GB13223—2011)由Vapnik等人提出的一种新的机器学习方法，对现有火电机组和新建火电机组的NO排放水平其训练的本质是通过求解