摘要:为克服传统燃烧优化算法受制于小样本建模的缺点,提出了一种基于大规模数据的NOx排放特性建模方法。应用核心向量机(core vector machine,CVM)对11660组实验数据、共77维运行参数建立了超超临界锅炉的NOx排放特性模型,并对模型参数C和ε进行优化,选定模型参数组(C,ε)为(105,6×10-6),得到了较短的建模时间和较高的预测精准度。同时将建立的CVM模型与其他常见算法支持向量机(support vector machine,SVM)和SVMLight进行性能对比,结果表明,CVM具有优越的收敛速度和更强的泛化能力,随着建模数据量的增加,CVM模型预测准确度有所提升,在建模时间上表现平稳,相对于其余2种算法具有显著优势。
关键词:电站锅炉 大规模数据 核心向量机 nox建模 燃烧优化
单位:能源清洁利用国家重点实验室(浙江大学) 浙江省杭州市310027
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社