基于优化型K-means聚类算法的锅炉热效率研究

来源期刊：控制工程2021年第1期

论文作者：查琳琳 牛培峰 常玲芳 张先臣

文章页码：29 - 34

关键词：锅炉热效率;数据挖掘;K-means聚类算法;生物地理学优化算法;贝叶斯最小二乘支持向量机;

摘    要：针对K-means聚类算法存在初始聚类中心影响聚类精度的问题,提出采用生物地理学算法优化K-means聚类中心,使其能提高聚类算法的准确率。在基准数据集中对本算法进行实验,其结果表明改进算法具有良好的性能。其次,采用改进的K-means聚类算法对不同工况下的锅炉燃烧工艺参数进行聚类,并挖掘出每一类中热效率最高时的燃烧工艺参数作为最佳工艺参数,使锅炉在最佳工艺参数下进行燃烧,达到提高热效率的目的。为了验证最佳工艺参数的有效性,采用贝叶斯最小二乘支持向量机辨识锅炉热效率模型,结果显示热效率明显提高,说明经过优化型K-means聚类算法挖掘的最佳工艺参数是有效的。