基于PSO-Elman模型的火电厂烟气含氧量预测

作者：张玮; 陈超波^*; 王景成; 李继超; 郝爽洁

来源：自动化与仪表, 2020, 35(04): 75-85.

DOI：10.19557/j.cnki.1001-9944.2020.04.017

• 烟气含氧量
• 火电厂
• PSO算法
• Elman神经网络
• 预测

针对火电厂烟气含氧量测量精度较低、测量成本较大等问题,提出基于PSO-Elman网络模型的烟气含氧量预测方法。选择合理的相关辅助变量,引入Elman神经网络建立辅助变量与烟气含氧量的关系模型;利用PSO对Elman中所有的权值、阈值进行寻优,将其最优权值和阈值作为初值赋给Elman;经过训练,建立基于PSO-Elman模型的预测模型,完成火电厂烟气含氧量的软测量。通过仿真,与Elman网络和LSSVM模型的预测结果作对比,所提模型具有较高的预测精度和良好的泛化能力。

• 单位
  上海交通大学; 西安工业大学; 电子信息工程学院