收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机煤灰熔融特性及低温受热面积灰监测

陈裕辉  
【摘要】:积灰对于电厂的安全运行以及经济效益有着重要的影响,煤灰的熔融特性对受热面沾污起决定性作用。因此从煤灰熔融特性以及低温受热面积灰监测两个方面进行研究。采用支持向量机(SVM)和灰狼算法(GWO)预测煤灰变形温度及低温受热面清洁吸热量准确度较高。和传统的神经网络相比,支持向量机适合训练小样本数据来实现智能预测。和遗传算法(GA)相比,灰狼算法对支持向量机参数寻优具有速度更快,结果更准确的优点。探究硫酸盐对煤灰熔融特性的影响,往灰中加入不同含量硫酸盐,再进行灰熔点测定和XRD谱图分析。结果表明,CaSO4具有降低实验煤灰的灰熔点作用,但加入含量超过15%时,随着CaSO4含量增多,煤灰灰熔点升高。而随着Na2SO4含量增多,实验煤灰灰熔点总体呈下降趋势。根据煤灰成分的含量和组合参数来预测真实煤灰的变形温度。采用GWO优化SVM的模型对不同煤灰的变形温度预测,获得较为精准的预测精度。该模型还单独将SO3是否作为自变量进行训练预测。结果表明,该模型对煤灰变形温度预测的相对误差较小,输入量含SO3的预测结果更加准确。电站锅炉省煤器和低温过热器受热面的污染在线监测,采用SVM对受热面的清洁吸热量进行预测,GWO和遗传算法对SVM进行参数寻优。根据预测的清洁吸热量计算清洁因子,通过清洁因子的变化判断受热面的积灰状态。以某660MW机组为例,对采集到的清洁数据样本训练和验证。结果表明,相比于比GA,GWO算法预测精度更高,所需训练时间更短。最后利用训练好的模型分别来预测长吹前省煤器以及短吹前低温过热器的清洁吸热量,并绘制出清洁曲线图。该模型能较好表现省煤器和低温过热器的积灰情况,为受热面积灰在线监测提供有效依据。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 马旭霞;;支持向量机理论及应用[J];科学技术创新;2019年02期
2 江少杰;宁纪锋;李云松;;加权间隔结构化支持向量机目标跟踪算法[J];中国图象图形学报;2017年09期
3 李娜;孙乐;胡一楠;李笑;王亚南;;模糊型支持向量机及其在入侵检测中的应用[J];科技创新与应用;2018年11期
4 邵元海;杨凯丽;刘明增;王震;李春娜;陈伟杰;;从支持向量机到非平行支持向量机[J];运筹学学报;2018年02期
5 高钦姣;张胜刚;贾晓薇;;基于支持向量机的股票价格预测模型研究与应用[J];课程教育研究;2016年28期
6 林香亮;袁瑞;孙玉秋;王超;陈长胜;;支持向量机的基本理论和研究进展[J];长江大学学报(自科版);2018年17期
7 安悦瑄;丁世飞;胡继普;;孪生支持向量机综述[J];计算机科学;2018年11期
8 梁武;苏燕;;一种新的基于类内不平衡数据学习支持向量机算法[J];科技通报;2017年09期
9 吴青;梁勃;;分段熵光滑支持向量机性能研究[J];计算机工程与设计;2015年08期
10 牛犇;顾宏斌;孙瑾;周来;周扬;;有向无环图-双支持向量机的多类分类方法[J];计算机应用与软件;2015年11期
11 赵芳;马玉磊;;自训练半监督加权球结构支持向量机多分类方法[J];重庆邮电大学学报(自然科学版);2014年03期
12 候明;张新新;范丽亚;;四类基于支持向量机的多类分类器的性能比较[J];聊城大学学报(自然科学版);2014年03期
13 张小琴;贾郭军;;一种采用粗糙集和遗传算法的支持向量机[J];山西师范大学学报(自然科学版);2013年01期
14 黄娟;唐轶;王军霞;;贪婪支持向量机的分析及应用[J];计算机工程与应用;2012年24期
15 丁胜锋;;一种改进的双支持向量机[J];辽宁石油化工大学学报;2012年04期
16 李逢焕;;试述不确定支持向量机应用分析及改进思路[J];中国证券期货;2012年12期
17 赵凯;王巍;李玮瑶;;模糊积分在支持向量机集成中的应用研究[J];黑龙江科技信息;2011年27期
中国重要会议论文全文数据库 前10条
1 王晓红;;一种改进多类支持向量机加权后验概率重构策略[A];2009中国控制与决策会议论文集(3)[C];2009年
2 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届(2011)中国管理学年会——商务智能分会场论文集[C];2011年
3 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年
4 郭一楠;程健;肖大伟;杨梅;;分布式多分类支持向量机[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
5 汪荣贵;孙见青;胡琼;李守毅;;一种新的支持向量机决策树及其应用[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
6 伍敏;苏鹏宇;刘金福;于达仁;;基于RVM和SVM的风速预测研究[A];2012电站自动化信息化学术和技术交流会议论文集[C];2012年
7 曾江辉;耿金凤;汪邦军;郝建春;;面向时间序列质量波动预测的支持向量机回归模型研究[A];使命与责任—以质量方法促转型升级——第五届中国质量学术与创新论坛论文集(上)[C];2012年
8 刘爽;贾传荧;;一种加权支持向量机算法[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年
9 张晓滨;尹英顺;赵培坤;马秀兰;;基于渐进直推支持向量机的半对半多类文本分类[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
10 张立刚;李海丽;;基于最小二乘支持向量机的协调系统预测[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
中国博士学位论文全文数据库 前10条
1 彭诗力;大规模混合数据分类的核方法研究[D];天津大学;2017年
2 胡庆辉;非稀疏多核支持向量机学习方法研究[D];武汉大学;2015年
3 孙宗海;支持向量机及其在控制中的应用研究[D];浙江大学;2003年
4 徐芳;航空影像分割的支持向量机方法[D];武汉大学;2004年
5 蔡从中;支持向量机及其在生物材料功能研究中的应用[D];重庆大学;2003年
6 孙德山;支持向量机分类与回归方法研究[D];中南大学;2004年
7 翟永杰;基于支持向量机的故障智能诊断方法研究[D];华北电力大学(河北);2004年
8 董春曦;支持向量机及其在入侵检测中的应用研究[D];西安电子科技大学;2004年
9 安金龙;支持向量机若干问题的研究[D];天津大学;2004年
10 朱燕飞;锌钡白回转窑煅烧过程智能建模研究[D];华南理工大学;2005年
中国硕士学位论文全文数据库 前10条
1 王一帆;基于支持向量机和探地雷达技术的公路浅层病害检测研究[D];华北水利水电大学;2019年
2 司华清;基于支持向量机理论的风电预测算法研究[D];华北水利水电大学;2019年
3 张乔;粒子群算法优化的支持向量机时间序列预测方法的研究[D];长安大学;2019年
4 梅新明;基于支持向量机的房颤识别研究及常见心律失常监护系统模型设计与实现[D];电子科技大学;2019年
5 臧博研;多核支持向量机关键技术研究[D];西安邮电大学;2019年
6 沈洋;支持向量机多分类器的研究与应用[D];江南大学;2019年
7 李伟;基于语义扩散核与支持向量机的半监督农业文本分类研究[D];赣南师范大学;2018年
8 钟钰;改进支持向量机下的柑橘果园信息提取及空间分布特征分析[D];江西理工大学;2019年
9 乔少波;改进的支持向量机方法在乳腺肿瘤良恶性诊断中的应用[D];云南大学;2018年
10 张文宇;基于行为分析的电子商务虚假评论者检测[D];云南大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978