基于鲸鱼优化算法的汽轮机热耗率模型预测

摘要：

为了准确地建立汽轮机热耗率预测模型,提出了一种基于反向学习自适应的鲸鱼优化算法(AWOA)和快速学习网(FLN)综合建模的方法.首先将改进后的鲸鱼算法与经典改进的粒子群、差分进化算法和基本鲸鱼算法进行比较,结果证明其具有更高的收敛精度和更快的收敛速度;然后采用某热电厂600 MW超临界汽轮机组现场收集的运行数据建立汽轮机热耗率预测模型,并将改进后的鲸鱼算法优化的快速学习网模型的预测结果与基本快速学习网及经典改进的粒子群、差分进化算法和基本鲸鱼算法优化的快速学习网模型预测结果相比较.结果表明,AWOA-FLN预测模型具有更高的预测精度和更强的泛化能力,更能准确地预测汽轮机的热耗率.

关键词：汽轮机、热耗率、鲸鱼优化算法、快速学习网、反向学习算法

所属期刊栏目：68

分类号：TK267(蒸汽动力工程)

资助基金：国家自然科学基金项目61573306,61403331. supported by the National Natural Science Foundation of China 61573306,61403331

在线出版日期：2017-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1049-1057