基于PSO-LSSVM算法的燃油工业锅炉效率软测量

作者：李越胜; 江政纬; 甘云华; 卓献荣

来源：自动化技术与应用, 2017, 36(10): 41-45.

DOI：10.3969/j.issn.1003-7241.2017.10.010

• 锅炉效率
• 软测量
• 最小二乘支持向量机
• 粒子群优化
• BP神经网络

锅炉效率是表征锅炉运行经济性的一项重要指标。针对目前锅炉能效测试存在试验周期长等问题,提出一种燃油锅炉效率软测量方法。在合理选取输入变量的基础上,建立基于最小二乘支持向量机(LSSVM)的锅炉效率预测模型,并利用粒子群优化算法(PSO)对其进行优化。预测结果表明基于粒子群优化的最小二乘支持向量机模型能较为准确地预测锅炉效率。同时运用了交叉验证(CV)优化的最小二乘支持向量机和BP神经网络(BPNN)模型进行预测并进行三种模型性能的对比。对比结果表明,基于粒子群优化的最小二乘支持向量机锅炉效率预测模型具有预测精度高、预测速度快等优点,将其应用于燃油锅炉的效率测量和优化改造具有一定的指导意义。

• 单位
  广东省特种设备检测研究院顺德检测院; 华南理工大学