一种电站锅炉过热蒸汽温度数据解析模型
来源期刊:控制工程2020年第8期
论文作者:唐振浩 杨名璇 曹生现
文章页码:1351 - 1357
关键词:数据解析;过热蒸汽温度;特征选择;模型;算法;预测;
摘 要:火电厂锅炉生产过程具有强非线性、强噪声等特点,这些特点导致过热蒸汽温度难以准确建模。针对这一问题,提出一种锅炉过热蒸汽温度数据解析建模方法。首先采用分类回归树(Classification and Regression Tree, CART)算法计算得到相关变量重要性,选择重要性大于0.5的变量作为数据驱动建模的输入。然后采用粒子群优化(ParticleSwarm Optimization,PSO)算法优化最小二乘支持向量机(LeastSquaresSupportVectorMachine,LSSVM)的参数,建立过热蒸汽温度的预测模型。最后基于实际生产数据的实验结果表明,所提出的建模方法取得比常用建模算法具有更好的预测精度,能够实现对锅炉过热蒸汽温度的准确预测。
唐振浩,杨名璇,曹生现
东北电力大学自动化工程学院
摘 要:火电厂锅炉生产过程具有强非线性、强噪声等特点,这些特点导致过热蒸汽温度难以准确建模。针对这一问题,提出一种锅炉过热蒸汽温度数据解析建模方法。首先采用分类回归树(Classification and Regression Tree, CART)算法计算得到相关变量重要性,选择重要性大于0.5的变量作为数据驱动建模的输入。然后采用粒子群优化(ParticleSwarm Optimization,PSO)算法优化最小二乘支持向量机(LeastSquaresSupportVectorMachine,LSSVM)的参数,建立过热蒸汽温度的预测模型。最后基于实际生产数据的实验结果表明,所提出的建模方法取得比常用建模算法具有更好的预测精度,能够实现对锅炉过热蒸汽温度的准确预测。
关键词:数据解析;过热蒸汽温度;特征选择;模型;算法;预测;