基于BP神经网络和支持向量回归的燃煤电厂空气预热器压差预测

作者：苏靖程; 王志强^*; 屈江江; 张凯

来源：发电技术, 2023, 44(04): 550-556.

• 火力发电
• 空气预热器
• BP神经网络
• 支持向量回归(SVR)
• 粒子群优化(PSO)

燃煤电厂空气预热器进出口压差过高一直是困扰电厂运行的难题，提前预测空气预热器进出口压差变化并及时调控，将有利于电厂安全运行。基于某660 MW燃煤锅炉运行的分布式控制系统(distributed control system,DCS)大数据，应用BP神经网络和支持向量回归(support vector regression,SVR)对该电厂中空气预热器进出口压差进行建模，通过比较2种模型的预测结果可知，BP神经网络模型更适合大数据背景下空气预热器进出口压差的预测。针对BP神经网络模型固有的局部寻优和收敛速度慢等缺点，基于粒子群优化(particle swarm optimization,PSO)算法，提出PSO-BP神经网络模型，并将其与BP神经网络、SVR模型进行对比，结果表明：PSO-BP神经网络模型综合性能最好，对空气预热器进出口压差变化预测精度最高，泛化能力最强。

• 单位
  山东大学; 华电电力科学研究院有限公司