带有特征选取电站锅炉燃烧效率建模

作者：唐振浩^*; 吴笑妍; 曹生现

来源：哈尔滨理工大学学报, 2020, 25(02): 1-7.

DOI：10.15938/j.jhust.2020.02.001

• 特征选取
• K最近邻分类器
• 数据驱动模型
• 模型修正
• 锅炉燃烧效率

针对电站锅炉效率难以准确测定问题,依据机器学习理论,采用数据驱动建模方法建立锅炉效率预测模型。分类回归树(CART)算法通过数据分析选取对锅炉效率影响显著的相关变量。然后,K最近邻(KNN)分类器对相关变量的样本进行分类,区分不同工况生产数据。根据不同工况数据,设计了一种基于差分进化算法(DE)的最小二乘支持向量机(LSSVM)建立数据驱动模型(DDMMF),DE动态优化LSSVM的参数以提高模型精度。最后,对预测模型进行动态修正进一步提高预测精度。基于实际生产数据的实验结果表明,该模型能够准确预测锅炉燃烧效率,满足锅炉燃烧过程控制和优化的需求。

• 单位
  东北电力大学