• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《电力科技与环保》 >基于时延分析和IMA-ELM的出口SO_(2)浓度预测

基于时延分析和IMA-ELM的出口SO_(2)浓度预测

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

为了准确控制燃煤机组湿法脱硫系统稳定运行,提出了一种基于时延分析和改进蜉蝣算法优化极限学习机的出口SO_(2)浓度预测模型。模型建立步骤:确定模型的初始输入变量,并利用改进后的时延分析方法对输入变量进行时延补偿。利用反向学习对蜉蝣算法(MA-ELM)进行改进,防止算法陷入局部收敛。提出基于改进蜉蝣算法的变量选择方法(IMA-ELM),将变量选择与优化算法和预测模型相结合。以山西某600MW燃煤机组为例,选取2500组代表性历史数据,建立了IMA-ELM模型并进行了仿真实验,结果表明:(1)对ELM隐含层权值和偏差进行优化后,模型的均方根误差(RMSE)从1.4775降低到1.3014,模型误差下降了12%;(2)利用互信息算法对输入变量进行时延分析并补偿,使模型精度提升了5%;(3)采用误差评价指标分析,IMA-ELM算法的均方根误差和平均相对误差(MAPE)均小于粒子群算法(PSO-ELM)与蜉蝣算法(MA-ELM)。(4)利用IMA算法对模型参数进行优化,相比于PSO-ELM和MA-ELM模型,IMA-ELM模型的预测精度更高。基于实际运行数据的仿真实验表明,提出的IMA-ELM预测模型可以对出口SO_(2)浓度变化趋势进行准确预测,进而为运行人员控制脱硫系统平稳运行提供参考,对于提高脱硫效率和节约脱硫成本具有重要意义。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号