基于支持向量回归和聚类算法的主蒸汽压力优化

摘要：

滑压曲线是机组安全经济运行的重要指导依据,其优化对机组的节能降耗尤为重要,为此提出一种支持向量回归(support vector regression,SVR)模型结合聚类算法(K-means)的初压优化模型来优化各负荷下的主蒸汽压力.首先采用SVR建立供电煤耗预测模型,采用交叉验证(cross validation)方法优化参数,并验证模型的准确度,结果表明SVR模型的预测结果和泛化能力较好;然后采用聚类算法确定其他输入参数,运用所建立的模型预测供电煤耗,以各个负荷点供电煤耗最小为目标对初压进行优化,得到优化的滑压曲线.供电煤耗预测模型的计算结果表明,优化后各典型负荷点供电煤耗与实际相比平均下降约0.671 g/kWh,曲线与设计曲线趋势基本一致,可以为机组的实际运行提供一定的理论指导.

关键词：支持向量回归、交叉验证、供电煤耗、聚类算法、滑压曲线

所属期刊栏目：35

分类号：TM611.1;TK26(发电、发电厂)

资助基金：河北省自然科学基金E2020502001

在线出版日期：2022-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：72-78