基于能级理论的二次再热机组热力系统分析方法

基于能级效率法,经过理论分析与推导,得出了二次再热机组热力系统的热经济性能级效率分布矩阵方程。该方法具有快速、精确、易程序化等众多优点。该方法不仅适用于二次再热机组,还能应用于具有复杂能级耦合的热力系统的热经济性计算。该方法能够简化热力系统经济性的计算过程,满足工程精度要求,对电站热力系统的优化和改造具有一定指导意义。通过实例进行了验证。     

基于约束支持向量回归的电站锅炉燃烧优化建模

为建立一个有效的电站锅炉效率与NOx排放浓度预测模型,在最小二乘支持向量回归算法（Least Squares Support Vector Regression,LSSVR）基础上进行改进,提出了约束支持向量回归算法（Constraint Support Vector Regression,CSVR）,通过优化支持向量的选择策略,来增强算法泛化能力和对不良数据的抵御能力。初始数据经主成分分析(Principal Component Analysis,PCA)后,输入基于CSVR算法的锅炉燃烧模型进行训练,并将建模结果与LSSVR算法和BP神经网络算法进行了比较。结果表明：使用PCA对数据预处理后,输入变量维数由五维降到三维,简化了模型结构,同时又保留了输入数据的主要特征。在相当的平均预测误差水平上,CSVR算法选用支持向量数目分别只有83个和117个,远少于LSSVR算法选用的900个;CSVR的最大预测相对误差只有3%,远低于LSSVR的25.8%,BP算法介于两者之间。     

基于PLS与MPGA-ELM的汽轮机排汽焓预测模型

针对汽轮机排汽焓参数难以直接测量的问题,提出了一种利用偏最小二乘法(PLS)和多种群遗传算法(MPGA)优化极限学习机(ELM)的汽轮机排汽焓预测模型。先将采集到的数据进行预处理,然后通过PLS将多维的输入变量降维成低维相互独立的变量,再利用MPGA对ELM的初始权值与阈值进行优化,最后使用优化后的模型进行训练。并将该模型预测结果与BP、ELM以及SVM等模型预测结果进行对比,结果表明MPGA-ELM具有更低的误差、更高的模型预测精度及更强的泛化能力。