热能动力工程

作者：李丹阳

单位：上海电力学院 自动化工程学院，上海 200090,

关键词：汽轮机排汽比焓;软测量;粒子群优化;支持向量回归;预测模型

基金：上海市“科技创新行动计划”高新技术领域项目（16111106300，17511109400）

为更好地对汽轮机排汽比焓进行测量，将粒子群优化算法引入支持向量回归SVR模型中，构建与之相匹配的排汽比焓软测量预测模型。根据实例校验方法对该模型展开校验，采用汽轮机15种参数作为输入参数，排汽比焓作为输出参数。对某300 MW机组和200 MW机组数据进行仿真，并将该模型与标准SVR模型和双隐层RBF过程神经网络模型预测结果进行对比，对于300 MW机组，该模型的预测平均相对误差为0.101%，均方根误差为0.110%；对于200 MW机组，该模型的预测平均相对误差为0.057%，均方根误差为0.062%；与其他两种模型相比，PSOSVR模型的预测平均相对误差和均方根误差均最小。实例证明PSO-SVR的排汽比焓软测量预测模型在精确度以及泛化能力等方面呈现出一定的优势，具有较好的预测能力。

来源：2019年第6期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2019年第6期