华北电力大学学报
華北電力大學學報
화북전력대학학보
JOURNAL OF NORTH CHINA ELECTRIC POWER UNIVERSITY
2008年
3期
62-66
,共5页
最小二乘支持向量机%异常检测%时间序列预测%电站
最小二乘支持嚮量機%異常檢測%時間序列預測%電站
최소이승지지향량궤%이상검측%시간서렬예측%전참
将最小二乘支持向量机方法引入火电厂DCS的测量数据时序异常检测领域,该方法很好地建立了火电厂DCS的测量数据时序预测模型,具有预测真实值能力强、全局优化及泛化性好等优点.将该方法应用于某600 MW超临界火电机组DCS测量数据中,经过训练后的LS-SVM模型对再热蒸汽温度数据的检验样本进行不良值检测与真实值预测,均方根误差和平均相对误差分别为0.067%和0.050%,均方根误差是BP网络模型、RBF网络模型的8.756%和8.272%,平均相对误差是BP网络模型、RBF网络模型的7.541%和7.236%.应用结果表明,最小二乘支持向量机方法优于多层BP与RBF神经网络法,能很好地满足异常检测与真实值预测要求.
將最小二乘支持嚮量機方法引入火電廠DCS的測量數據時序異常檢測領域,該方法很好地建立瞭火電廠DCS的測量數據時序預測模型,具有預測真實值能力彊、全跼優化及汎化性好等優點.將該方法應用于某600 MW超臨界火電機組DCS測量數據中,經過訓練後的LS-SVM模型對再熱蒸汽溫度數據的檢驗樣本進行不良值檢測與真實值預測,均方根誤差和平均相對誤差分彆為0.067%和0.050%,均方根誤差是BP網絡模型、RBF網絡模型的8.756%和8.272%,平均相對誤差是BP網絡模型、RBF網絡模型的7.541%和7.236%.應用結果錶明,最小二乘支持嚮量機方法優于多層BP與RBF神經網絡法,能很好地滿足異常檢測與真實值預測要求.
장최소이승지지향량궤방법인입화전엄DCS적측량수거시서이상검측영역,해방법흔호지건립료화전엄DCS적측량수거시서예측모형,구유예측진실치능력강、전국우화급범화성호등우점.장해방법응용우모600 MW초림계화전궤조DCS측량수거중,경과훈련후적LS-SVM모형대재열증기온도수거적검험양본진행불량치검측여진실치예측,균방근오차화평균상대오차분별위0.067%화0.050%,균방근오차시BP망락모형、RBF망락모형적8.756%화8.272%,평균상대오차시BP망락모형、RBF망락모형적7.541%화7.236%.응용결과표명,최소이승지지향량궤방법우우다층BP여RBF신경망락법,능흔호지만족이상검측여진실치예측요구.