自适应遗传优化的最小二乘支持向量回归机在煤粉着火温度建模中的应用

针对煤粉着火温度与煤质指标间的非线性关系，提出了基于自适应遗传算法和最小二乘支持向量回归机的煤粉着火温度预测模型.通过对实验数据进行预测评判，并与常规的最小二乘支持向量回归机模型和BP神经网络模型相比较，以验证此模型的可靠性和精确性.结果表明，该模型是合理可行的，该模型比传统计算模型具有更好的泛化能力，能更准确地预测煤...     

基于PSO优化LS-SVM的短期风速预测

提出了一种基于粒子群(PSO)算法优化最小二乘支持向量机(LS-SVM)的风电场风速预测方法。以相关性较高的历史风速序列作为输入,建立预测模型,并用粒子群算法优化模型参数。在对未来1 h风速进行预测时,文章所提出的模型比最小二乘支持向量机模型及BP神经网络模型具有较高的预测精度和运算速度。算例结果表明,经粒子群优化的最小二乘支持向量机算法是进行短期风速预测的有效方法。     

反向建模方法在火电厂关键参数建模中的应用

提出在火电厂关键参数建模中采用反向建模方法,以规避传统建模方法在实际应用中的建模难题.以超临界直流锅炉中间点温度为例,利用桌600MW超临界机组的实际运行数据,采用反向建模方法建立了该参数的数学模型.建模算法选用最小二乘支持向量机(LS-SVM),应用粒子群算法(PSO)解决了 LS-SVM 参数寻优问题,并将 PSO-LS-SVM 所得模型与 LS-SVM、偏最小二乘(PLS)以及BP神经网络所得模型进行了对比,结果表明:基于PSO-LS-SVM 的中间点温度数学模型计算速度快、精度高,验证了反向建模思想的有效性和可行性.     

基于偏最小二乘法的支持向量机短期负荷预测

提出了一种基于偏最小二乘支持向量机的负荷预测模型.首先通过偏最小二乘(PLS)对负荷数据进行成分提取,提取的成分具有线性特点,并消除输入因素的多重相关性,然后采用支持向量机方法(SVM)对提取的成分进行预测.算例表明,该算法用于短期负荷预测建模速度快,预测精度高,是种行之有效的方法.     

采用遗传算法优化的煤粉着火特性BP神经网络预测模型

利用热分析（TG-DTG）数据建立了煤粉着火稳定性指数CI，它是煤粉着火温度与燃烧强度的综合反映。采用遗传算法（GA）对BP神经网络结构进行了优化，获得了影响煤粉着火稳定性指数CI的主要煤质指标（Mnd、And、Qnet、Qad、焦渣特征CRC）和最优BP神经网络的隐层数、神经元数、激活函数，建立了煤粉着火稳定性指数的优化BP神经网络预测模型。对20个校验样本进行了预测，得到了较高的预测精度。     

基于蚁群优化的最小二乘支持向量机风速预测模型研究

基于最小二乘支持向量机理论,建立风速预测模型。同时,由于最小二乘支持向量机参数选取尚无有效方法,该文尝试采用蚁群算法理论来进行参数优化选择。选取某风场前四天的实测风速(采样间隔30min),应用所建立的风速预测模型,来预测第五天的48个风速值,其预测的平均绝对百分比误差仅为9.53%,预测效果较理想,验证了应用蚁群优化算法理论与最小二乘支持向量机理论进行风速预测的可行性,可为风电场规划选址和风力发电功率预测等提供理论支持。     

基于LS-SVM的基坑变形时间序列预测模型

针对神经网络用于基坑变形预测存在结构难确定、训练易陷入局部最优及易过学习等问题,构造滚动时间窗.,以已有的实测时间序列为样本,利用最小二乘支持向量机(LS-SVM)建立基坑预测模型,应用网格搜索算法优化模型参数,连续滚动地多步预测基坑变形.实例结果表明,该模型预测效果优于BP神经网络,具有所需数据少、推广能力强等优点.     

基于FOA和LS-SVM的风电场风速预测研究

针对目前最小二乘支持向量机选取核参数和惩罚因子的各种方法尚存在着一定的局限性,文章采用果蝇优化算法对参数进行优化选择,提出了基于果蝇优化算法与最小二乘支持向量机结合的风速混合预测方法。对新疆某风电场为期5天的240个(采样间隔0.5 h)实测风速值进行了仿真测试,利用建立的预测模型,对第5天的风速值进行预测,预测结果的平均绝对百分比误差仅为8.32%。将其与单纯的LS-SVM模型和基于网格搜索优化的LS-SVM模型的预测结果作了对比,仿真结果验证了基于果蝇优化算法和最小二乘支持向量机混合预测模型的可行性和果蝇算法对最小二乘支持向量机参数优化的有效性。     

基于BP神经网络的人工加糙明渠糙率预测模型

糙率是明渠水力计算的各项影响因素中最重要的参数。运用BP神经网络的方法,结合其在结构上的稳定性及在处理非线性数据上的优势,以矩形人工加糙明渠为研究对象,建立预测模型研究其各水力要素与糙率间的复杂非线性关系。根据前期的试验研究成果,选择绝对粗糙度Δ、底坡i、弗劳德数Fr、流量Q作为主要影响因素对糙率进行神经网络建模及预测,并将预测结果与径向基(RBF)神经网络及偏最小二乘及最小二乘支持向量机(PLS-LSSVM)进行对比。研究结果表明,基于L-M算法的BP神经网络糙率预测模型的平均绝对百分比误差为0.51%,均方根误差为8.15×10-5,精度优于其他预测模型,说明BP神经网络可有效预测矩形人工加糙明渠的糙率。     

自适应粒子群支持向量机风速组合预测模型

提出一种优化的支持向量机风速组合预测模型,首先通过模糊层次分析法对参与组合的单项预测模型进行遴选,在当前风速样本集下自适应决策预测效果较优的单项预测模型的输出值作为支持向量机的输入,将实际风电场风速值作为支持向量机的输出,并采用粒子群算法优化支持向量机组合模型的参数。基于实际运营的风电场数据进行仿真分析,自适应遴选出BP神经网络、RBF神经网络、小波神经网络和遗传算法优化BP神经网络这4种单项预测模型参与支持向量机组合,结果表明所提方法的预测精度不仅高于单项模型,且高于线性组合预测模型和神经网络组合预测模型。     

最小二乘支持向量机在煤着火特性研究中的应用

为避免煤热失重反应静态燃烧过程获取的燃烧参数与实际锅炉动态燃烧之间的误差,以及解决沉降炉实验工作量大、难以对所有煤种进行试验的问题,利用最小二乘支持向量机建立了煤粉着火特性模型,通过对热失重反应过程的机理分析确定最佳输入变量,并进行仿真实验.结果表明:利用热失重反应过程数据预测煤着火性能具有较高的预测精度,可以在实际中应用,指导大型电站锅炉及燃烧装置的设计和运行.     

煤粉高温富氧无油点火实验和数值模拟研究

提出了利用高温氧气与高浓度煤粉气流直接混合来实现煤粉气流点火的无油点火方式,采用煤粉高温氧气无油点火实验装置对煤粉气流的高温氧气无油点火过程进行了研究,利用数值模拟方法对该点火装置的流场特性进行了分析.结果表明：当氧气加热温度超过750℃后,设计工况条件下利用高温氧气可以顺利安全地实现煤粉气流的点火;提高一次风温度、增大一次风煤粉浓度及高温氧气风量或减小一次风速度有利于煤粉气流的着火和燃烧;煤粉气流在点火装置中心管喷口正前方首先开始着火,流场平均温度可达2 000 K以上,最高温度超过3 000 K,温度最高的区域位于中心管轴线的两侧.     

基于最小二乘支持向量机的水库来水量预测模型

为提高水库来水量的预测精度,提出了一种基于最小二乘支持向量机(LS-SVM)的来水量预测模型。实例应用结果表明,该模型预测能力强、预测精度高,其预测精度明显高于BP模型,为来水量预测提供了一种可靠、有效的方法。     

煤粉气流强迫点火特性试验研究

在一座小型煤粉燃烧试验台上，对不同条件下，两种煤粉气流的强迫点火特性进行了试验研究。结果表明，用火炬引燃煤粉气流，存在一个对应于最低煤粉浓度的最佳点燃速度；煤粉气流的着火界限主要受初始温度、点火源温度、煤种和煤粉细度的影响；提高煤粉气流的初始温度、点火源温度和煤粉细度均可使着火范围变宽，挥发份含量高的煤种点火容易。在相同条件下，直流煤粉气流比旋转煤粉气流容易点燃。     

Fast Ignition and Stable Combustion of Coarse Coal Particles in a Nonslagging Cyclone Combustor

A combustion set-up of an innovative nonalagging cyclone combustor called “Spouting-Cyclone Combustor(SCC)”，,with two-stage combustion,organized in orthogonal vortex flows,was established and the experimental studies on the fast ignition and stable combustion of coarse coal particles in this combustor were carried out.The flame temperature versus ignition time and the practical fast ignition the temperature fields in SCC were obtained.These results whow that it is possible to obtain highly efficient and clean combustion of unground coal particles by using this technology.     

灰煤混合燃料的燃烧动力学特性研究

利用TGA/SDTA851e型热重分析仪,对煤及不同灰煤比的混合燃料进行了热失重实验,获得了其热失重特性曲线。采用单个扫描速率的Coats-Redfern法、多重扫描速率的FWO（Flynn-Wall-Ozawa）法和Starink法三种典型的热分析方法求取了各样品的动力学参数。结果表明：随着灰煤比的升高,样品燃烧反应平均过程的活化能增高;灰煤比由0升高到0.15时,样品的活化能、着火温度和燃烬温度变化较大;灰煤比从0.15升高到0.45时,活化能、着火温度和燃烬温度变化较小。同时,通过对比几种分析方法的计算结果,认为采用多重升温速率法求取活化能时要谨慎,建议采用单重升温速率法和多重升温速率法相结合来分析燃料的热解及燃烧机理。     

最小二乘支持向量机在大坝渗流监测中的应用

支持向量机的训练速度慢．制约了它的发展和推广应用。Suykens提出了一种新的支持向量机方法——最小二乘支持向量机。最小二乘支持向量机是支持向量机的发展和改进,它采用等式约束替代不等式约束,求解速度大大加快。将其用于大坝的渗流监测中．并与传统的支持向量机进行了比较,结果显示二者的预测效果都比较好．但是最小二乘支持向量机的训练效率比支持向量机要高。     

混煤着火模型研究

在混煤中的组合煤各自保持各自着火特性的基础上,应用热力着火理论,建立混煤着火计算模型,只要已知各分煤的煤质特性和化学动力不参数,就可以计算混煤的着火温度。采用该模型对混煤在一维沉降炉上的着火实验进行模拟,通过与实验结果的对比,说明计算模型与实验结果的趋势符合较好。计算结果进一步证明,由两种着火特性差别较大煤种组成的混煤,其着火温度主要取决于易着火煤的着火特性。     

最小RBF网进化优选算法在燃煤着火特性预测中的应用

煤粉的着火特性是影响煤粉锅炉安全运行的主要因素之一，为保证锅炉的安全经济运行，往往需要准确的预测煤粉的着火特性。然而着火特性和煤质之间的内在关系是复杂的非线性关系，用某个单一煤质指标、人为经验或经验计算公式往往不能准确地描述。为了解决这一问题，利用最小RBF网进化优选算法，以大量的煤质分析数据和热天平试验数据为基础，建立了煤粉着火温度的预测模型。结果表明，利用最小RBF网进化优选算法可以达到很高的预测精度。     

一种天然焦燃烧特性的试验研究

天然焦是煤接触岩浆岩受热分解后的固体残余物，它是岩浆岩侵入煤层或煤层附近，由煤层受热烘烤而干馏变成的．天然焦一般作为难以利用的能源考虑。为了开拓天然焦综合利用新途径，本文利用热重分析法对该天然焦、济宁煤及二者混合燃料的着火、燃尽等燃烧特性进行了实验研究。热重试验结果表明，天然焦的着火温度为876．3K，其着火温度最高，其次是混煤，济宁燃煤着火温度最低；但是天然焦的燃尽时间最短，济宁煤燃尽时间居中，混煤燃尽所需时间最长。综合试验研究及理论分析，天然焦混煤燃料可以作为电站锅炉燃料．本研究可为天然焦用作电厂燃料提供依据。