电力科学与工程
電力科學與工程
전력과학여공정
INFORMATION ON ELECTRIC POWER
2009年
10期
43-46
,共4页
最小二乘支持向量机%粒子群优化算法%热工系统辨识
最小二乘支持嚮量機%粒子群優化算法%熱工繫統辨識
최소이승지지향량궤%입자군우화산법%열공계통변식
在用最小二乘支持向量机(LS-SVM)辨识大迟延对象时,正则化参数、核宽度以及模型类中的迟延时间多是根据经验估测的,而不同的参数值对最小二乘支持向量机辨识的精度就会不同.针对上述问题,采用粒子群优化(PSO)算法对热工辨识系统中的相关参数进行优化.对电厂一次风量数据和平均床温数据进行的仿真实验结果表明,在用LS-SVM对大迟延对象进行辨识时,通过PSO算法进一步确定其最佳参数及迟延时间,能够有效地提高辨识精度.
在用最小二乘支持嚮量機(LS-SVM)辨識大遲延對象時,正則化參數、覈寬度以及模型類中的遲延時間多是根據經驗估測的,而不同的參數值對最小二乘支持嚮量機辨識的精度就會不同.針對上述問題,採用粒子群優化(PSO)算法對熱工辨識繫統中的相關參數進行優化.對電廠一次風量數據和平均床溫數據進行的倣真實驗結果錶明,在用LS-SVM對大遲延對象進行辨識時,通過PSO算法進一步確定其最佳參數及遲延時間,能夠有效地提高辨識精度.
재용최소이승지지향량궤(LS-SVM)변식대지연대상시,정칙화삼수、핵관도이급모형류중적지연시간다시근거경험고측적,이불동적삼수치대최소이승지지향량궤변식적정도취회불동.침대상술문제,채용입자군우화(PSO)산법대열공변식계통중적상관삼수진행우화.대전엄일차풍량수거화평균상온수거진행적방진실험결과표명,재용LS-SVM대대지연대상진행변식시,통과PSO산법진일보학정기최가삼수급지연시간,능구유효지제고변식정도.
