文档介绍：第44卷第2期锅炉技术。
2013年3月 BOI LER TECHNOLOGY Ma r..20l 3
【设计· 科研· 试验】
基于支持向量机增量算法的锅炉燃烧效率建模研究
叶向前1,谭磊2,方彦军2
( ,广东广州510600; ,湖北武汉430072)
摘要:针对锅炉燃烧效率建模问题,选取燃料量和总风量等参数描述负荷对锅炉热效率的影响,建立基于
支持向量机( SVM) 的锅炉两级燃烧模型。根据历史工况对飞灰含碳量及锅炉燃烧效率进行预测,提出利用改
进型增量学****算法对训练样本进行优化,保证预测结果精度的前提下同时缩短了训练时间。针对广东大唐潮
州三百门电厂1 00 0 Mw机组现场运行数据建立飞灰含碳量及锅炉热效率SVM模型,对其进行仿真分析,模
型预测值与实测值误差较小,表明该燃烧效率模型的预测效果良好。
关键词:燃烧效率;燃烧模型;支持向量机
中图分类号: 文献标识码:A 文章编号:1672— 4763( 2013) 02— 0001— 04
可以快速调整训练样本的训练方法,及时反映锅
0 前言
炉运行状况。
利用支持向量机( SVM) [ 1] 对锅炉燃烧进行 Kar us h- kuhn— Tucker 条件及增量学****br/>建模是常用的经验建模模型预测方法。朱玉碧、本文采用增量学****算法[ 53实现对新样本的
程相利等[ 21利用支持向量机对锅炉燃烧进行建更新,保持新的数据集的最优化状态。支持向量
模,并利用预测控制算法实现对锅炉燃烧过程的机把几何间隔值最大问题归结为凸半正定规划
闭环控制,控制结果表明此方法能较好提高锅炉问题,若a一(口,,⋯,口,)是对偶问题的最优解,则
燃烧系统的热效率。李健、孙万云[ 33通过锅炉燃样本中的每个z:都应该满足最优化问题的
烧的现场数据,建立了锅炉效率的支持向量机模 Ka r ush- kuhn— Tucker ( 最优化条件,简称KKT)
型,并采用遗传算法对主要参数进行寻优,以达条件[ 6] :
到提高燃烧效率的效果。 f Ct :一0≥ y:f ( z) ≥ 1
本文针对广东大唐潮州三百门电厂的1 000 <O<a,<C≥ y。f( z。) 一1 ( 1)
MW机组的现场运行数据,对飞灰含碳量进行训 l 口。一C≥ y。f ( x。) ≤ 1
练建模,用训练得到的SVM模型实现对飞灰含其中口为Lagr ange乘子,口一0表示对应的
碳量的预测,并建立锅炉的热效率的支持向量机训练样本在分类间隔之外,o<a<C表示对应的
建模,将飞灰含碳量及锅炉效率的预测值与实测训练样本在分类间隔之上,而a— C则表示样本
值进行误差分析,结果表明模型的预测效果良在分类间隔之内,于是式( 1) 又可表示为:
好,具有一定的参考价值。旧一0≥ l 厂(工。)I ≥ 1
<o<a。<C净l 厂( a7,) l 一1 ( 2)
1 支持向量机增量学****算法
l 口i — C≥ If (x。)l ≤ 1
锅炉燃烧特性模型是一种特殊的系统模增量算法的基本思想就是先找出历史数据
型n] ,随着燃料及外界环境变化的变化,锅炉的的支持向量集,在与