文献类型：期刊文章

作　　者：王琦[1] 范常浩[1] 白建云[1] 李永茂[2] 李金霞[1]

机构地区：[1]山西大学自动化系,山西太原030013 [2]山西平朔煤矸石发电有限责任公司,山西朔州036800

出　　处：《热力发电》

基　　金：国家自然科学基金项目(U1610116);山西省煤基重大项目(MD2014-03-06-03)~~

年　　份：2018

卷　　号：47

期　　号：3

起止页码：68-75

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、JST、RCCSE、ZGKJHX、核心刊

摘　　要：燃煤电站锅炉SO_2排放是大气污染的主要来源之一,建立有效的SO_2排放预测模型有利于解决循环流化床(CFB)锅炉因炉内脱硫不稳定导致脱硫塔脱硫不及时而引起的SO_2排放超标的问题。SO_2的排放特性受众多热工参数影响,且各参数间存在相关性与耦合性,对此本文提出一种基于变量选择与支持向量机(SVM)的SO_2排放预测模型。基于某300 MW CFB锅炉现场运行数据,采用BP神经网络降低输入变量的维度与复杂度,将筛选后的输入变量作为BP-SVM模型的输入,采用K-折交叉验证的方法通过网格搜索确定最优模型参数,建立SO_2排放BP-SVM模型。将BP-SVM模型与未经变量选择的SVM模型对比分析,结果表明经过变量选择后的BP-SVM模型可以有效降低模型复杂度,提高模型泛化能力。

关 键 词：循环流化床锅炉 脱硫 变量选择  BP-SVM模型  SO2排放特性  泛化能力 预测控制

分 类 号：X773]