基于记忆模式的NOx支持向量回归预测研究
低NOx排放是电站锅炉燃烧优化的主要目标之一，影响燃煤锅炉NOx排放因素众多且复杂，对锅炉燃烧过程NOx浓度进行准确预测是低NOx燃烧优化的基础。机组全工况运行时表现出强时变性，静态预测模型难以保证预测精度，本文考虑到观测样本的时效性，模拟记忆模式对观测数据进行重采样，进而基于支持向量回归算法构建NOx排放预测模型，构造一种基于记忆模式的支持向量回归算法。以某机组热态试验数据为基础，对算法进行了仿真分析，结果表明，该算法在保证回归建模精度的同时，在训练速度、稳定性以及泛化性能等方面较传统支持向量回归算法更有优势。
燃煤锅炉 记忆模式 预测模型 支持向量回归算法 仿真分析
黄景涛 罗威 任志伟 茅建波
南科技大学电子信息工程学院, 河南洛阳 471003 浙江省电力试验研究院，浙江杭州 310014
国内会议
厦门
中文
1-7
2012-08-01（万方平台首次上网日期，不代表论文的发表时间）