科研之友
微信
新浪微博
Facebook
分享链接
摘要
床温是影响循环流化床(CFB)锅炉经济、安全、可靠工作的重要运行参数之一。本文从小样本数据容量出发，利用遗传算法的全局寻优能力和支持向量回归的泛化能力，对某300 MW现役循环流化床锅炉设计了床温预测模型。通过分析循环流化床运行机理，选择床温特性模型的输入变量，然后利用遗传算法对支持向量回归算法的惩罚系数、径向核参数和损失函数进行全局寻优，构建CFB锅炉床温GA-SVR预测模型。将GA-SVR模型与BP神经网络、BP-SVR和卷积神经网络三种预测模型分别进行对比，分析各模型的性能指标，结果表明在小样本数据情况下，GA-SVR模型预测误差更小，响应更迅速，对CFB锅炉的运行和控制具有指导作用。
- 单位
