支持向量機在鍋爐飛灰含碳量軟測量中的應(yīng)用

《支持向量機在鍋爐飛灰含碳量軟測量中的應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、第26卷第1期電力科學與工程VO1．26．No．1Jan．，2010392010年1月ElectricPowerScienceandEngineering支持向量機在鍋爐飛灰含碳量軟測量中的應(yīng)用劉長良，孫曉嬌，劉站營(1．華北電力大學控制與計算機工程學院，河北保定071003；2．徐水供電有限責任公司，河北徐水072550)摘要：針對目前鍋爐飛灰含碳量測量方法存在時間滯后和精度不高等問題，在分析鍋爐飛灰含碳量影響因素和做鍋爐燃燒特性實驗的基礎(chǔ)上，利用最小二乘支持向量機這種新的機器學習工具，建立了

2、飛灰含碳量的軟測量模型。應(yīng)用該模型對燃煤電站鍋爐的飛灰含碳量進行研究，理論分析和仿真計算表明，該方法學習速度快、泛化能力強、對樣本的依賴程度低，比BP神經(jīng)網(wǎng)絡(luò)的軟測量建模更具有推廣力。關(guān)鍵詞：飛灰含碳量；支持向量機；軟測量；單純形算法中圖分類號：TP391．9文獻標識碼：A0引言1軟測量方法簡介飛灰含碳量是反映電站鍋爐燃燒效率的一個軟測量建模的各種方法互有交叉，且有相互融重要指標，但其特性復雜，受到如煤種、鍋爐負合的趨勢，因此分類方法難以建全。目前，軟測量荷、配風方式、爐型、燃燒器型式、爐膛溫度

3、、過建模方法一般可分為：機理建模、回歸分析、狀態(tài)剩空氣系數(shù)、煤粉細度、風粉分配均勻性等多種估計、模式識別、人工神經(jīng)網(wǎng)絡(luò)、模糊數(shù)學、基于因素的影響，很難采用簡單的公式進行估算，往支持向量機和核函數(shù)的方法、過程層析成像、相關(guān)往需采用實際測試方法加以確定，并由試驗結(jié)果分析和現(xiàn)代非線性系統(tǒng)信息處理技術(shù)等。摸索降低飛灰含碳量的方法?。由于現(xiàn)場測試工1．1基于工藝機理分析的軟測量建模作量大，各參數(shù)對鍋爐的燃燒特性都存在影響，而基于工藝機理分析的軟測量建模，主要是運用且測量滯后較大，不能真實地反映爐內(nèi)燃燒狀況

4、?；瘜W反應(yīng)動力學、物料平衡、能量平衡等原理，通為了解決這類測量的估計和控制，必須利用一些過對過程對象的機理分析，找出不可測主導變量與易于實時測量的與被測變量密切相關(guān)的變量，通可測輔助變量之間的關(guān)系(建立機理模型)，但是過在線分析，估計不可測或難測量變量。其技術(shù)對于機理研究不充分的復雜工業(yè)過程，難以建立合的核心是建立軟測量的數(shù)學模型，以實現(xiàn)輔助測適的機理模型。其應(yīng)用效果依賴于對工藝機理的了量對主導測量的最佳估計。近年來，作為機器學解程度，建模難度較大。習領(lǐng)域中備受矚目的支持向量機(SVM)在許多1

5、．2基于人工神經(jīng)網(wǎng)絡(luò)的軟測量建模領(lǐng)域成功應(yīng)用，顯示出巨大的優(yōu)越性。最小二乘基于人工神經(jīng)網(wǎng)絡(luò)ANN(ArtificialNeuralNet—支持向量機(LS—SVM)是標準支持向量機的一work)的軟測量建模方法是近年來研究較多、發(fā)展種擴展，它是支持向量機在二次損失函數(shù)下的一很快和應(yīng)用范圍很廣泛的一種軟測量建模方法。但種形式。最小二乘支持向量機只求解線性方程，其是神經(jīng)網(wǎng)絡(luò)存在局部最小問題、過學習以及結(jié)構(gòu)和求解速度快，在函數(shù)估計和逼近中得到了廣泛應(yīng)類型的選擇過分依賴于經(jīng)驗等問題。用。本文利用最小二乘

6、支持向量機進行軟測量的1．3基于回歸支持向量機的方法建模。近年來，作為機器學習領(lǐng)域中備受矚目的支持收稿日期：2009-09-13?；痦椖浚褐袊鴩腋呒夹g(shù)研究發(fā)展計劃863計劃(2007AA041lO6)。作者簡介：劉長良(1965一)，男，華北電力大學控制與計算機工程學院教授，E-mail：stmxiaojiao．041@163．電力科學與工程向量機(SVM)在許多領(lǐng)域取得了成功的應(yīng)用，顯示出巨大的優(yōu)越性：(1)支持向量機基于統(tǒng)計學習理論，根據(jù)結(jié)構(gòu)風險最小化原則，具有小樣本學習能力，即由有限的

7、訓練樣本得到小的誤差，對獨立的測試集仍然能保證小的誤差；(2)支持向量機算法是一個凸優(yōu)化問題，因此局部最優(yōu)解一定是全局最優(yōu)解。最小二乘支持向量機只求解線性方程，其求解速度快，在函數(shù)估計和逼近中得到了廣泛應(yīng)用。所以本文利用最小二乘支持向量機這種軟測量方法，對火電廠飛灰含碳量軟測圖1單純形尋優(yōu)算法簡圖Fig．1Diagramofsimplexoptimizationalgorithm量進行建模研究口川。2．2單純形算法的改進與參數(shù)優(yōu)化應(yīng)用2參數(shù)優(yōu)化方法的比較和發(fā)展現(xiàn)狀針對傳統(tǒng)單純形尋優(yōu)算法在初始單純

8、形的選取、反射點的求取、單純形的壓縮方面存在的問對于采用徑向基核的最小二乘支持向量機的主題，提出了一些改進措施。要參數(shù)是正則化參數(shù)C和核函數(shù)寬度盯，這兩個參數(shù)(1)為保證三角形的性狀，將C，盯尋優(yōu)區(qū)間等在很大程度上決定了最小二乘支持向量機的學習和量化，編程過程中，將泛化能力。對于RBF核，)=eXp(一lJ五一J／c『2)deta=【0．1，10】，【1，100]求解最佳(C，有多種方法可以選擇。網(wǎng)格搜索法改為detal=[1，100]，C：[1，100]。是將C和盯分別取個值和Ⅳ個值，對Ⅳ個(