基于设备状态的机组带负荷能力预测

作者：李建强; 薛薇^*; 牛成林; 尹喜超

来源：节能, 2018, 37(11): 101-105.

• 负荷预测
• 运行参数
• 改进PSOSVM

满足电网实时调度要求是火电厂负荷预测得到推广应用的关键。综合考虑近期炉、机、电及其主要辅机性能其中主要相关参数包括主、再热蒸汽压力、高压缸胀差、辅机电流等,对燃煤机组的负荷进行预测。引入改进粒子群算法(PSO)用于优化SVM模型中参数,建立改进粒子群支持向量机模型(PSOSVM)。将改进PSOSVM用于某300 MW燃煤机组并与SVM进行比较。结果表明,改进PSOSVM模型和SVM模型均能够辨别出各参数与机组负荷之间的复杂关系,实现对机组负荷的预测;但改进PSOSOVM可以有效地降低SVM模型的建模误差和预测误差,而且改进PSOSVM模型比SVM模型具有更高的预测精度和更好的泛化能力。

• 单位
  国网北京市电力公司; 华北电力大学