基于PSO-SVR模型的凝汽器真空目标值预测

针对凝汽器真空目标值确定问题的研究现状和存在的不足,应用粒子群与支持向量机相结合的算法建立了凝汽器真空目标值预测模型,在历史运行数据库的基础上,利用关联规则算法对循环水系统优化参数进行挖掘,为真空预测模型提供训练样本,引入粒子群算法的寻优功能对支持向量机模型的参数进行优化,使模型具有一定的有效性和泛化性,并以某600 MW机组凝汽器运行数据为例,对不同负荷下凝汽器真空目标值进行了预测并通过凝汽器真空实测值与模型预测目标值对比,实现对凝汽器真空运行状态的评估,为凝汽器运行优化及故障诊断提供了参考依据。

基于历史最优工况的双背压凝汽器真空目标值确定方法

针对双背压凝汽器,提出了基于历史数据的实际可达最佳值的凝汽器真空目标值确定方法,并提出了凝汽器运行状态的评估指标,作为凝汽器运行状态的一种量化方法。将影响凝汽器真空的因素分为内部因素和外部因素,从外部因素出发,建立了最小二乘支持向量回归模型,用于凝汽器真空实时在线监测,为运行人员提供了当前外部环境下凝汽器真空目标值;通过对凝汽器运行状态的量化评估,为凝汽器的检修提供了依据。通过某600MW机组双背压凝汽器运行数据实例,表明了该模型对双背压凝汽器真空目标值的确定具有较好的效果,该方法具有一定的实用价值。