基于樽海鞘群算法的床温多变量系统辨识研究

针对热工系统具有多输入多输出的特点,介绍将多输入多输出系统简化为多个多输入单输出系统的具体过程。利用机组的实际运行数据,建立在50%负荷运行工况下,以给煤量、煤泥量和一次风量为输入,以床温和主蒸汽压力为输出的多变量系统模型。为提高模型参数辨识的精度,采用樽海鞘群算法(SSA)对多变量系统的模型参数进行寻优。该算法采用一种新的群体更新模型,算法流程简单。仿真结果表明,相比于传统粒子群算法(PSO),樽海鞘群算法运算速度明显提高,可以获到更优的辨识模型。

基于GA-SVR的循环流化床锅炉床温预测

床温是影响循环流化床(CFB)锅炉经济、安全、可靠工作的重要运行参数之一。本文从小样本数据容量出发,利用遗传算法的全局寻优能力和支持向量回归的泛化能力,对某300 MW现役循环流化床锅炉设计了床温预测模型。通过分析循环流化床运行机理,选择床温特性模型的输入变量,然后利用遗传算法对支持向量回归算法的惩罚系数、径向核参数和损失函数进行全局寻优,构建CFB锅炉床温GA-SVR预测模型。将GA-SVR模型与BP神经网络、BP-SVR和卷积神经网络三种预测模型分别进行对比,分析各模型的性能指标,结果表明在小样本数据情况下,GA-SVR模型预测误差更小,响应更迅速,对CFB锅炉的运行和控制具有指导作用。

循环流化床锅炉床温与主蒸汽压力的智能辨识

以循环流化床锅炉的运行数据为基础,建立在50%负荷运行工况下,以给煤量、煤泥量和一次风量为输入,以床温和主蒸汽压力为输出的系统模型。采用樽海鞘群算法(SSA)对模型的参数进行寻优,该算法采用一种新的群体更新模型,控制参数很少。仿真结果表明,相比于传统粒子群算法(PSO),樽海鞘群算法运算速度明显提高,可以得到更优的模型。