資源描述:
《基于支持向量機(jī)的大型電廠鍋爐飛灰含碳量建?!酚蓵T上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、萬方數(shù)據(jù)第25卷第20期2005年10月中國電機(jī)工程學(xué)報ProceedillgsofmeCS髓、,b1.25No.200ct.2005@2005Ctlin.Soc.fbrElec.Eng文章編號:0258.8013(2005)20—0072.05中圖分類號:TK223文獻(xiàn)標(biāo)識碼:A學(xué)科分類號:470·20基于支持向量機(jī)的大型電廠鍋爐飛灰含碳量建模王春林,周昊,周樟華,凌忠錢,李國能,岑可法(能源清潔利用國家重點(diǎn)實(shí)驗(yàn)室浙江大學(xué)熱能工程研究所,浙江省杭州市310027)SUPPoRTVECToRⅣ隊(duì)CHINEMoDELINGoNTHEUNBURNEDCARBoND呵FIjYASH
2、Wf6lNGChun—lin,ZHOUHao,ZHoUZhang-hua,UNGzhong—qian,U(mo-neng,CENKe-fa.(StateKeyLab.ofCle鋤EnergyUtihzationInstinnefor11lemalPowerEngineeringofzheji鋤gUniVersity'Hangzllou310027,zllejiaIlgProVince,Cllina)ABSTRACT.Unb啪edcarbonc伽此ntinⅡlenyashisamainfhctorttlathas毋.eatimpactsonmeboileref!ficiency
3、.nwasaf億ctedbymaIlyfktors柚dcomplicated.BuildingaInodeltopredictunbtlnledcarboncontentintheflyashisagoodway的optiⅡlizetllecoalcombustionandtllenfeduceunbumedcarboncontent.Intlliswork,asupportvectormacllinemodelpredictingtheunb啪edc抽oncontentillmenyashofallighcapac時boilerwasdeVelopedandverified
4、.Goodpremctingpem燃ew觴acllievedwimtheproperle枷ngp觚吼eters.ThemodelingresultsshowmatsupportVector咖clli∞isa900d幻lolfbfbuildillgcombustionmodels鋤dhaSbe仕ergeIleralizati∞abm哆ahdllighercalculati伽speedcomparingwithothermodelingappfoaches.KEYWoRDS:Tllemalpowefenginee血喀;Boiler;Unb啪edcarboncontent;Supp
5、onvectormaclline摘要:飛灰含碳量是影響鍋爐熱效率的一個重要因素,影響燃煤鍋爐飛灰含碳量的因素多麗且復(fù)雜,對鍋爐飛灰含碳量特性進(jìn)行建模預(yù)測并結(jié)合優(yōu)化算法實(shí)現(xiàn)燃燒優(yōu)化是降低鍋爐飛灰含碳量的有效方法。該文應(yīng)用支持向量機(jī)算法建立了大型四角切圓燃燒鍋爐飛灰含碳量特性的模型,并利用飛灰含碳量的熱態(tài)實(shí)爐試驗(yàn)的數(shù)據(jù)對模型進(jìn)行了校驗(yàn),對支持向量機(jī)學(xué)習(xí)算法中參數(shù)的選擇進(jìn)行了探討,獲得了最佳學(xué)習(xí)參數(shù)。結(jié)果說明支持向量機(jī)與其它建模方法相比具有泛化能力好,計算速度快等優(yōu)點(diǎn),是鍋爐飛灰含碳量特性建模的有效工具。關(guān)鍵詞:熱能動力工程;鍋爐;飛灰含碳量;支持向量機(jī)基金項(xiàng)目:國家自然科學(xué)基金(
6、5057608l;2030707)。ProjectSuppo毗dbyNationalNammlScienceF0unda廿帆ofChin“5057608l;2030707).1引言飛灰含碳量是影響鍋爐熱效率的一個重要指標(biāo),高含碳量影響了飛灰在水泥工業(yè)中的應(yīng)用,導(dǎo)致處理困難和高昂的費(fèi)用。影響飛灰含碳量的因素較復(fù)雜,預(yù)測和控制都很困難Il之】。實(shí)際運(yùn)行時很難依據(jù)有限的調(diào)試結(jié)果和經(jīng)驗(yàn)將實(shí)爐燃燒工況調(diào)整到在最佳工況下,因此建立適當(dāng)?shù)哪P蛯︼w灰含碳量進(jìn)行預(yù)測和控制是很有意義的。文獻(xiàn)【3—5】建立了飛灰含碳量預(yù)測的神經(jīng)網(wǎng)絡(luò)模型,文獻(xiàn)[1】的模型僅限于灰成分分析,對于運(yùn)行的指導(dǎo)意義不大,文
7、獻(xiàn)【4—5】將煤種和運(yùn)行參數(shù)作為輸入因子,對實(shí)際運(yùn)行有一定指導(dǎo)意義。但用神經(jīng)網(wǎng)絡(luò)建模還存在以下問題有待于進(jìn)一步研究解決:①多層前向網(wǎng)絡(luò)建模所必須的樣本數(shù)量多,而實(shí)爐測試工況數(shù)量往往有限;②多層前向網(wǎng)絡(luò)的訓(xùn)練時間長,而且實(shí)現(xiàn)在線訓(xùn)練困難,限制了燃燒優(yōu)化系統(tǒng)的在線性;③多層前向網(wǎng)絡(luò)對數(shù)據(jù)樣本的不完整性和誤差比較敏感;④多層前向網(wǎng)絡(luò)還存在過擬合(ovemt)問題,泛化能力差。作為一種新的統(tǒng)計學(xué)習(xí)方法,支持向量機(jī)(SuportVectorMachjIle,SVM)應(yīng)用結(jié)構(gòu)風(fēng)險最小化(S剛)原則,有效地解決了機(jī)器