基于灰色关联分析法及GSA-LSSVM的汽轮机排汽焓预测模型

摘要：

排汽焓是汽轮发电机组热经济性诊断必不可少的一个参数.通过汽轮机功率方程与灰色关联分析(grey correlation analysis,GCA)理论确定了模型的输入变量,利用万有引力搜索算法(gravitational search algorithm,GSA)优化了最小二乘支持向量机(least squares support vector machine,LSSVM)的惩罚因子μ以及核径向范围σ2个参数.通过比较分析,选用RBF kernel为LSSVM的核函数.以GCA-GSA-LSSVM为基础,建立了预测汽轮机排汽焓的数学模型,并将其与BP神经网络、RBF神经网络进行对比,同时分析了该数学模型的鲁棒性.结果表明基于GCA-GSA-LSSVM的汽轮机排汽焓预测模型具有精度高、泛化能力强、鲁棒性强等优点,该方法为精确预测机组节能潜力提供了一种有力的工具.

关键词：最小二乘支持向量机(LSSVM)、万有引力搜索算法(GSA)、灰色关联分析法(GCA)、汽轮机排汽焓

所属期刊栏目：37

分类号：TM621(发电、发电厂)

资助基金：中央高校基本科研业务费专项资金资助项目12NQ40;北京市自然科学基金项目3132028 Project supported by Fundamental Research Funds for the Central Universities12NQ40;Beijing Natural Science Foundation3132028

在线出版日期：2016-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：115-122