基于QPSO优化模糊—SVM的电站锅炉燃煤结渣特性预测

作者：任林; 王东风

来源：山东电力技术, 2019, 46(07): 38-60.

• 结渣特性
• 模糊—SVM
• 量子粒子群算法
• 隶属度函数

选取电站锅炉结渣的7个影响因素作为燃煤结渣特性的判断指标。将5种模糊隶属度函数与支持向量机结合,构成模糊—支持向量机(Support Vector Machine,SVM)模型,并采用量子粒子群算法分别优化隶属度函数的参数,以实际电站锅炉结渣数据作为训练样本对优化后的模型进行训练,并对给定的10组测试样本进行预测。实验结果表明,量子粒子群算法优化后的模型预测准确率显著提高。将5个优化后的模糊—SVM模型组成专家诊断系统,采取投票机制确定燃煤结渣程度,此方法的预测准确度更高,可信度更好。

• 单位
  华北电力大学