基于粒子群支持向量回归优化的循环流化床床温预测分析

作者：黄纯颖; 曾庆敏; 陈玲红^*; 吴学成; 岑可法

来源：能源工程, 2022, 42(03): 11-17.

DOI：10.16189/j.cnki.nygc.2022.03.003

• 循环流化床
• 床温
• 支持向量回归
• 粒子群优化
• 特征选择

为了优化循环流化床锅炉(CFB)的床温系统控制，使用支持向量回归(SVR)人工智能方法进行建模预测；为提高预测结果的精准性，引入互信息法则(MI)及主成分分析法(PCA)作为输入特征选择手段，同时使用粒子群算法(PSO)进行参数寻优。研究结果表明，MI法则进行数据预处理并利用PSO算法优化后的SVR模型能够精确地预测在不同运行工况下的床温变化，且预测误差较小，拥有较强的泛化能力。

• 单位
  能源清洁利用国家重点实验室; 浙江大学