基于聚类与加权连接的锅炉NOx排放量多模型建模

针对热电锅炉燃烧过程存在非线性、多工况、多耦合等特点,提出了一种模糊C均值聚类、最小二乘支持向量机和加权连接(FCM-LSSVM-WC)相结合的多模型建模方法。该方法根据输入变量对输出变量的影响程度来评价样本之间的差异性,利用限幅处理的BP神经网络计算平均影响值(MIV),并以此作为FCM聚类过程与多模型连接的权系数,从而保证了建模过程的连贯性与统一性。以循环流化床(CFB)锅炉为例开展燃烧过程NOx排放量的建模仿真研究,结果表明:与偏最小二乘算法(PLS)、LSSVM算法、FCM-LSSVM算法、仿射传播-最小二乘支持向量机(AP-LSSVM)算法相比,该建模方法能够在保证泛化精度的同时,具有更好的跟踪预测能力。