本文關(guān)鍵詞：基于SVR的電站鍋爐一次風(fēng)管煤粉含碳量預(yù)測建模與優(yōu)化研究

  更多相關(guān)文章： 電站鍋爐 煤粉含碳量 支持向量回歸機 輔助變量 預(yù)測建模 仿真實驗

【摘要】：以煤為主的能源結(jié)構(gòu)決定了燃煤發(fā)電在我國占據(jù)著主導(dǎo)地位。燃煤發(fā)電所需要的主要能源是煤炭,而煤炭市場經(jīng)常發(fā)生變化,造成電廠所需的煤種來源很不穩(wěn)定,導(dǎo)致電站鍋爐燃用的煤種與鍋爐設(shè)計的煤種經(jīng)常出現(xiàn)不一致,嚴(yán)重影響電站鍋爐的安全運行和經(jīng)濟(jì)運行。煤粉的含碳量在一定程度上可以反映出煤種情況,因此,本文將針對電站鍋爐燃燒煤種的不穩(wěn)定性,對一次風(fēng)管煤粉含碳量進(jìn)行預(yù)測建模研究,為煤種的實時在線分析提供參考。論文主要工作如下:首先,對煤粉含碳量測量過程的主要影響因素進(jìn)行深入分析,為構(gòu)建煤粉含碳量預(yù)測模型奠定基礎(chǔ)。煤粉顆粒在氣力輸送過程中經(jīng)摩擦碰撞產(chǎn)生靜電,而荷電的煤粉顆粒包含煤粉含碳量信息。因而可利用靜電技術(shù)采集煤粉顆粒的靜電信號,在此基礎(chǔ)上對煤粉含碳量和靜電信號之間的關(guān)系進(jìn)行了理論分析和試驗數(shù)據(jù)分析。同時結(jié)合相關(guān)系數(shù)法和試驗數(shù)據(jù)深入分析了煤粉含碳量測量過程的主要影響因素,從而確定了構(gòu)建模型的主要輔助變量。其次,采用了支持向量回歸機(SVR)算法對煤粉含碳量進(jìn)行建模研究。通過對不同歸一化方式和核函數(shù)的比較分析,確定了最佳歸一化方式和最佳核函數(shù)。利用現(xiàn)場試驗數(shù)據(jù)對SVR模型進(jìn)行了訓(xùn)練和測試,并與BP神經(jīng)網(wǎng)絡(luò)模型(BP-ANN)實驗結(jié)果做比較分析。仿真結(jié)果表明,SVR模型預(yù)測精度更高,推廣性能更好,可以更好地預(yù)測鍋爐一次風(fēng)管煤粉含碳量。最后,采用改進(jìn)的遺傳算法對煤粉含碳量預(yù)測模型進(jìn)行優(yōu)化研究。結(jié)合交叉驗證法,探索建立基于GA-SVR煤粉含碳量的優(yōu)化模型。通過仿真實驗分析,獲得了訓(xùn)練和測試誤差結(jié)果圖、實際值和預(yù)測值對比結(jié)果圖以及三種模型的各類性能指標(biāo)對比結(jié)果。結(jié)果表明,改進(jìn)的GA-SVR優(yōu)化模型比SVR模型和BP-ANN模型具有更好的預(yù)測效果。
【關(guān)鍵詞】：電站鍋爐 煤粉含碳量 支持向量回歸機 輔助變量 預(yù)測建模 仿真實驗
【學(xué)位授予單位】：長沙理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TM621.2
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-15
• 1.1 課題研究背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-13
• 1.2.1 煤粉含碳量在線測量研究現(xiàn)狀11-12
• 1.2.2 支持向量機在電廠熱工參數(shù)檢測應(yīng)用現(xiàn)狀12-13
• 1.3 本文主要研究內(nèi)容及論文結(jié)構(gòu)13-15
• 1.3.1 本文主要研究內(nèi)容13
• 1.3.2 論文結(jié)構(gòu)安排13-15
• 第二章 支持向量回歸機理論基礎(chǔ)15-26
• 2.1 統(tǒng)計學(xué)習(xí)理論15-18
• 2.1.1 VC維概念15-16
• 2.1.2 推廣性的界理論16-17
• 2.1.3 結(jié)構(gòu)風(fēng)險最小化17-18
• 2.2 支持向量回歸機理論18-25
• 2.2.1 最優(yōu)分類超平面18-20
• 2.2.2 線性支持向量回歸機20-22
• 2.2.3 非線性支持向量回歸機22-24
• 2.2.4 核函數(shù)24-25
• 2.3 本章小結(jié)25-26
• 第三章 煤粉含碳量測量過程輔助變量選取26-38
• 3.1 煤粉含碳量測量系統(tǒng)26-27
• 3.2 煤粉含碳量的靜電測量原理27-30
• 3.2.1 粉體介質(zhì)的起電過程分析28-29
• 3.2.2 煤粉含碳量與靜電信號的關(guān)系29-30
• 3.3 煤粉顆粒靜電測量過程影響變量選取30-37
• 3.3.1 影響變量分析31-35
• 3.3.2 輔助變量選取35-37
• 3.4 本章小結(jié)37-38
• 第四章 一次風(fēng)管煤粉含碳量SVR預(yù)測建模38-50
• 4.1 數(shù)據(jù)采集及預(yù)處理38-39
• 4.1.1 數(shù)據(jù)樣本劃分38
• 4.1.2 數(shù)據(jù)預(yù)處理38-39
• 4.2 核函數(shù)及模型參數(shù)的選取39-43
• 4.2.1 核函數(shù)的選取39-40
• 4.2.2 模型參數(shù)選取分析40-41
• 4.2.3 模型參數(shù)選擇方法41-43
• 4.3 基于SVR煤粉含碳量預(yù)測模型的建立與訓(xùn)練43-46
• 4.3.1 SVR模型的建立43-44
• 4.3.2 模型的訓(xùn)練結(jié)果分析44-46
• 4.4 仿真實驗結(jié)果與分析46-49
• 4.4.1 預(yù)測結(jié)果的性能評價指標(biāo)46-47
• 4.4.2 基于SVR模型的測試結(jié)果分析47-48
• 4.4.3 基于SVR模型與BP-ANN模型實驗結(jié)果的比較分析48-49
• 4.5 本章小結(jié)49-50
• 第五章 一次風(fēng)管煤粉含碳量預(yù)測模型的GA-SVR優(yōu)化50-60
• 5.1 遺傳算法50-51
• 5.1.1 遺傳算法基本概念50
• 5.1.2 遺傳算子和算法步驟50-51
• 5.2 基于GA-SVR的煤粉含碳量優(yōu)化模型51-55
• 5.2.1 基于GA-CV的SVR參數(shù)優(yōu)化52-54
• 5.2.2 GA-SVR煤粉含碳量優(yōu)化模型構(gòu)建54-55
• 5.3 仿真實驗結(jié)果與分析55-59
• 5.3.1 基于GA-CV的模型參數(shù)優(yōu)化結(jié)果分析55
• 5.3.2 GA-SVR優(yōu)化模型訓(xùn)練結(jié)果分析55-57
• 5.3.3 GA-SVR優(yōu)化模型測試結(jié)果分析57-58
• 5.3.4 GA-SVR模型與SVR、BP-ANN模型的實驗結(jié)果比較58-59
• 5.4 本章小結(jié)59-60
• 總結(jié)與展望60-62
• 參考文獻(xiàn)62-66
• 致謝66-67
• 附錄A67

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 盧洪波;王金龍;;基于LIBSVM和智能算法的電站鍋爐飛灰含碳量優(yōu)化[J];東北電力大學(xué)學(xué)報;2014年01期

2 張倩;楊耀權(quán);;基于支持向量機回歸的火電廠煙氣含氧量軟測量[J];信息與控制;2013年02期

3 賀瑤;方彥軍;;基于PSO-SVR的飛灰含碳量軟測量研究[J];自動化與儀表;2013年04期

4 王雅彬;李曉敏;邊澤楠;趙文杰;;基于支持向量機的電站鍋爐NO_x排放軟測量模型[J];電力科學(xué)與工程;2012年04期

5 江文豪;韋紅旗;屈天章;朱鋒;;基于遺傳算法優(yōu)化參數(shù)的支持向量機燃煤發(fā)熱量預(yù)測[J];熱力發(fā)電;2011年03期

6 劉小飛;王建東;;融合先驗知識的支持向量機回歸方法[J];信息化研究;2011年01期

7 金鋒;付海濤;;靜電傳感器微弱信號檢測電路的研究[J];北京理工大學(xué)學(xué)報;2010年11期

8 閆國華;朱永生;;支持向量機回歸的參數(shù)選擇方法[J];計算機工程;2009年14期

9 周輝仁;鄭丕諤;安小會;宗蘊;;基于遺傳算法求解Job Shop調(diào)度優(yōu)化的新方法[J];系統(tǒng)仿真學(xué)報;2009年11期

10 王建國;姜忠;;燃煤含碳量在線測量裝置的研究[J];湖南電力;2009年02期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 何熠;基于支持向量機的非線性系統(tǒng)辨識建模與控制[D];天津大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 林煈灝;基于支持向量機的爐膛火焰溫度場測量研究[D];合肥工業(yè)大學(xué);2012年

2 趙凱;基于支持向量機的磨煤機一次風(fēng)量軟測量方法研究[D];華北電力大學(xué);2012年

3 丁宏飛;基于智能優(yōu)化算法的支持向量機回歸及其應(yīng)用[D];西南交通大學(xué);2011年

4 王侖武;基于支持向量機與神經(jīng)網(wǎng)絡(luò)的圖像分類技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2009年

5 溫玉鋒;材料實驗數(shù)據(jù)的支持向量回歸分析及應(yīng)用[D];重慶大學(xué);2009年

6 王華;氣路靜電傳感器傳感分析及應(yīng)用研究[D];南京航空航天大學(xué);2009年

7 張楠;關(guān)于支持向量機中的參數(shù)優(yōu)化的研究[D];西北大學(xué);2008年

，

本文編號：801164