基于改进模糊聚类与IPSO-SVM的燃煤电站NOx排放多模型预测

论文摘要

通过挖掘大量脱硝系统现场运行数据,提出一种新的多模型选择性催化还原(SCR)脱硝系统建模方法:首先对SCR脱硝系统进行理论分析和实际运行研究,应用改进遗传模拟退火的模糊聚类算法对训练集进行聚类划分,得到最优聚类效果;然后建立相应的支持向量机子模型,并采用改进的粒子群算法对模型参数进行优化,所建立的子模型通过隶属度值加权融合得到最终的整体预测模型。以某电站锅炉脱硝系统为例,对所提出的方法进行验证,并与其他建模方法进行比较。结果表明:所建立的模型具有较高的泛化能力和预测精度。

论文目录

1 SCR脱硝系统

2 改进遗传模拟退火的模糊聚类设计

3 支持向量机子模型的建立

3.1 主成分分析

3.2 支持向量机

3.3 改进粒子群算法

4 多模型建模算法

5 SCR多模型应用实例

5.1 数据预处理

5.2 IGASA-FCM模糊聚类划分

5.3 多模型建模

6 结论

文章来源

类型: 期刊论文

作者: 付忠广,高学伟,李闯,刘炳含,王树成

关键词: 排放,多模型建模,模糊聚类,改进粒子群算法,遗传模拟退火

来源: 动力工程学报 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 华北电力大学能源动力与机械工程学院,沈阳工程学院仿真中心,辽宁华电铁岭发电有限公司

分类号: TM621

页码: 387-393+408

总页数: 8

文件大小: 656K

下载量: 209

基于改进模糊聚类与IPSO-SVM的燃煤电站NOx排放多模型预测

论文摘要

论文目录

文章来源

相关论文文献