基于双层聚类与GSA-LSSVM的汽轮机热耗率多模型预测
针对单模型难以精确描述具有复杂非线性特性的汽轮机热耗率的问题,提出一种新的热耗率多模型建模方法.首先应用GK算法分析出最优聚类个数以及初始聚类中心,避免了聚类数确定的盲目性;然后利用核模糊C均值算法对热耗率样本集做出聚类划分,在每个子空间中利用最小二乘支持向量机(LSSVM)辨识出相应子模型,同时,为了保证子模型精确度,采用引力搜索算法来解决LSSVM参数优化问题;最后,将子模型通过隶属度值加权融合得到精确的热耗率预测模型.以某600MW超临界汽轮机组为研究对象,基于现场数据建立汽轮机热耗率预报模型,仿真结果验证了提出的多模型建模方法具有较高的预报精确度和泛化能力.
多模型、热耗率、引力搜索算法、最小二乘支持向量机、聚类
20
TP18(自动化基础理论)
国家自然科学基金61403331,61573306;河北省自然科学基金F2010001318
2016-07-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
90-95