本文選題：鍋爐　切入點(diǎn)：排煙溫度　出處：《熱力發(fā)電》2016年01期 　論文類型：期刊論文

【摘要】：排煙熱損失是機(jī)組鍋爐熱損失中最大的一項(xiàng),建立鍋爐排煙溫度模型對鍋爐運(yùn)行有重要意義。為此,以某660 MW機(jī)組鍋爐燃燒調(diào)整試驗(yàn)數(shù)據(jù)為基礎(chǔ),采用支持向量機(jī)建立鍋爐排煙溫度模型,并利用改進(jìn)的混沌粒子群算法對支持向量機(jī)的相關(guān)參數(shù)進(jìn)行優(yōu)化,使模型的準(zhǔn)確性顯著提高。與遺傳算法相比,粒子群算法無交叉和變異,算法簡單,泛化能力強(qiáng),有很好的實(shí)用性�；诹Ｗ尤核惴ê椭С窒蛄繖C(jī)的排煙溫度模型能夠很好地預(yù)測排煙溫度的變化,可為鍋爐的運(yùn)行提供指導(dǎo)。
[Abstract]:The heat loss of exhaust gas is the biggest item in boiler heat loss. It is very important to establish boiler exhaust gas temperature model for boiler operation. Therefore, based on the test data of boiler combustion adjustment of a 660 MW unit, it is important to establish a boiler exhaust gas temperature model. The temperature model of boiler exhaust gas is established by using support vector machine (SVM), and the parameters of SVM are optimized by using improved chaotic particle swarm optimization algorithm. The accuracy of the model is improved significantly compared with genetic algorithm. Particle swarm optimization has no crossover and mutation, simple algorithm, strong generalization ability and good practicability. The smoke temperature model based on particle swarm optimization and support vector machine can well predict the change of exhaust smoke temperature. It can provide guidance for boiler operation.
【作者單位】： 東南大學(xué)能源與環(huán)境學(xué)院;
【分類號】：TK227;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

2 吳軍;李為吉;;改進(jìn)的粒子群算法及在結(jié)構(gòu)優(yōu)化中的應(yīng)用[J];陜西理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年04期

3 段海濤;劉永忠;馮霄;;水系統(tǒng)優(yōu)化的粒子群算法分析[J];華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

4 王偉;;混合粒子群算法及其優(yōu)化效率評價(jià)[J];中國水運(yùn)(學(xué)術(shù)版);2007年06期

5 付宜利;封海波;孫建勛;李榮;馬玉林;;機(jī)電產(chǎn)品管路自動敷設(shè)的粒子群算法[J];機(jī)械工程學(xué)報(bào);2007年11期

6 蔣榮華;王厚軍;龍兵;;基于離散粒子群算法的測試選擇[J];電子測量與儀器學(xué)報(bào);2008年02期

7 周苗;陳義保;劉加光;;一種新的協(xié)同多目標(biāo)粒子群算法[J];山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年05期

8 姚峰;楊衛(wèi)東;張明;;改進(jìn)粒子群算法及其在熱連軋負(fù)荷分配中的應(yīng)用[J];北京科技大學(xué)學(xué)報(bào);2009年08期

9 張大興;賈建援;張愛梅;郭永獻(xiàn);;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學(xué)報(bào);2009年09期

10 王麗萍;江波;邱飛岳;;基于決策偏好的多目標(biāo)粒子群算法及其應(yīng)用[J];計(jì)算機(jī)集成制造系統(tǒng);2010年01期

相關(guān)會議論文 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進(jìn)制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時(shí)滯動力學(xué)系統(tǒng)的時(shí)滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運(yùn)動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第十一屆全國膨脹節(jié)學(xué)術(shù)會議膨脹節(jié)設(shè)計(jì)、制造和應(yīng)用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進(jìn)粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機(jī)參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會大壩安全監(jiān)測專委會年會暨學(xué)術(shù)交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個(gè)粒子收斂中心隨機(jī)攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 王芳;粒子群算法的研究[D];西南大學(xué);2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

3 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

4 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

5 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學(xué);2014年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

8 劉宏達(dá);粒子群算法的研究及其在船舶工程中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

9 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學(xué);2006年

10 馮琳;改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

2 李強(qiáng);基于改進(jìn)粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計(jì)[D];河北聯(lián)合大學(xué);2014年

4 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

5 梁計(jì)鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長安大學(xué);2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學(xué);2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學(xué);2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動機(jī)數(shù)學(xué)模型問題[D];山東大學(xué);2015年

9 陳百霞;考慮風(fēng)電場并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學(xué);2015年

10 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學(xué);2015年

，

本文編號：1616705