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?huì)員上傳分享，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(bào)ProceedillgsofmeCS髓、，b1．25No．200ct．2005@2005Ctlin．Soc．fbrElec．Eng文章編號(hào)：0258．8013(2005)20—0072．05中圖分類號(hào)：TK223文獻(xiàn)標(biāo)識(shí)碼：A學(xué)科分類號(hào)：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(shí)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(gè)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(duì)鍋爐飛灰含碳量特性進(jìn)行建模預(yù)測(cè)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(duì)模型進(jìn)行了校驗(yàn)，對(duì)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(jì)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(dòng)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(gè)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(cè)和控制都很困難Il之】。實(shí)際運(yùn)行時(shí)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?duì)飛灰含碳量進(jìn)行預(yù)測(cè)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(cè)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(duì)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(duì)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(cè)試工況數(shù)量往往有限；②多層前向網(wǎng)絡(luò)的訓(xùn)練時(shí)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(duì)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(jì)學(xué)習(xí)方法，支持向量機(jī)(SuportVectorMachjIle，SVM)應(yīng)用結(jié)構(gòu)風(fēng)險(xiǎn)最小化(S剛)原則，有效地解決了機(jī)器
