摘要：对换热设备积聚的污垢快速、准确的预测，可以为换热设备污垢的监测和解决对策提供指导和依据，进而避免污垢对换热设备安全经济运行带来的不利影响。通过在线贯序极端学习机理论建立换热设备污垢预测模型，利用初始样本建立初始模型，随着工况变化，不断加入新的样本集，更新预测模型，实现换热设备污垢的在线预测。并通过引入正则参数权衡经验风险和结构风险，提高模型的泛化性能和预测精度。与传统神经网络建立的预测模型相比，基于在线贯序极端学习机的换热设备污垢预测模型训练速度更快，精度更高，泛化能力更好。为此，进一步基于MATLAB和LABVIEW混合编程设计了正则贯序极端学习机污垢预测系统，结果表明，该污垢预测系统可以实现换热设备污垢的在线实时预测，并且预测精度较高，预测效果较好。

关键词：污垢 在线预测 极端学习机 污垢预测系统 

单位：东北电力大学自动化工程学院 吉林吉林1320122