动力工程学报
動力工程學報
동력공정학보
JOURNAL OF POWER ENGINEERING
2014年
11期
867-872,902
,共7页
汽轮机%热耗率%万有引力算法%混沌反学习%反向建模方法%最小二乘支持向量机
汽輪機%熱耗率%萬有引力算法%混沌反學習%反嚮建模方法%最小二乘支持嚮量機
기륜궤%열모솔%만유인력산법%혼돈반학습%반향건모방법%최소이승지지향량궤
steam turbine%heat rate%gravitational search algorithm%chaotic opposition-based learning%reversed modeling method%least squares support vector machine
针对热耗率与其影响因素之间存在的复杂非线性关系,提出了基于自适应混沌反学习万有引力算法(ACOGSA)和最小二乘支持向量机(LSSVM)的汽轮机热耗率反向建模方法.利用某600 MW超临界汽轮机组运行数据,采用基于LSSVM的反向建模方法建立热耗率预测模型,采用ACOGSA算法解决LSSVM的模型参数优化问题,并与GSA-LSSVM模型和BP神经网络模型的预测结果进行比较.结果表明:所建立的模型比传统模型具有更好的泛化能力,更能准确地预测汽轮机的热耗率.
針對熱耗率與其影響因素之間存在的複雜非線性關繫,提齣瞭基于自適應混沌反學習萬有引力算法(ACOGSA)和最小二乘支持嚮量機(LSSVM)的汽輪機熱耗率反嚮建模方法.利用某600 MW超臨界汽輪機組運行數據,採用基于LSSVM的反嚮建模方法建立熱耗率預測模型,採用ACOGSA算法解決LSSVM的模型參數優化問題,併與GSA-LSSVM模型和BP神經網絡模型的預測結果進行比較.結果錶明:所建立的模型比傳統模型具有更好的汎化能力,更能準確地預測汽輪機的熱耗率.
침대열모솔여기영향인소지간존재적복잡비선성관계,제출료기우자괄응혼돈반학습만유인력산법(ACOGSA)화최소이승지지향량궤(LSSVM)적기륜궤열모솔반향건모방법.이용모600 MW초림계기륜궤조운행수거,채용기우LSSVM적반향건모방법건립열모솔예측모형,채용ACOGSA산법해결LSSVM적모형삼수우화문제,병여GSA-LSSVM모형화BP신경망락모형적예측결과진행비교.결과표명:소건립적모형비전통모형구유경호적범화능력,경능준학지예측기륜궤적열모솔.