首页> 中文期刊> 《广东电力》 >基于支持向量回归和聚类算法的主蒸汽压力优化

基于支持向量回归和聚类算法的主蒸汽压力优化

         

摘要

滑压曲线是机组安全经济运行的重要指导依据,其优化对机组的节能降耗尤为重要,为此提出一种支持向量回归(support vector regression,SVR)模型结合聚类算法(K-means)的初压优化模型来优化各负荷下的主蒸汽压力。首先采用SVR建立供电煤耗预测模型,采用交叉验证(cross validation)方法优化参数,并验证模型的准确度,结果表明SVR模型的预测结果和泛化能力较好;然后采用聚类算法确定其他输入参数,运用所建立的模型预测供电煤耗,以各个负荷点供电煤耗最小为目标对初压进行优化,得到优化的滑压曲线。供电煤耗预测模型的计算结果表明,优化后各典型负荷点供电煤耗与实际相比平均下降约0.671 g/kWh,曲线与设计曲线趋势基本一致,可以为机组的实际运行提供一定的理论指导。

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