基于距离学习粒子群算法的NO_x减排优化

研究了燃烧优化降低NO_x排放量的方法,介绍了3类NO_x的生成机理,利用集成支持向量机建立NO_x排放预测模型,并利用粒子群算法优化NO_x排放.为了有效克服粒子群的早熟问题,提出了带系数的距离学习粒子群算法.将所提方法应用于某电厂的NO_x减排优化中,并与其他方法进行对比.结果表明:集成支持向量机可以有效提高预测结果的准确性,改进的优化算法可以使NO_x排放量更低,搜索结果也更加稳定.     

基于万有引力搜索算法的电厂锅炉NO_x排放模型的参数优化

以某330MW煤粉汽包锅炉为测试对象,以支持向量回归机为基础,利用最小二乘支持向量机和一种新的寻优算法———万有引力搜索算法进行了综合建模及参数优化.结果表明:建立的模型较好地实现了对电厂锅炉NOx质量浓度排放量的预测;与遗传算法、蜂群算法和粒子群算法相比,万有引力搜索算法能更好地找到未知优化参数,使得所建模型具有更高的预测能力和泛化能力,从而有效控制燃煤电厂NOx的排放量.     

基于单纯形粒子群—支持向量机模型的土坝测压管水位预测方法及应用

针对土坝渗流安全监测模型中测压管水位与其影响因子之间非线性关系复杂、模型因子选择难度较大的问题,采用支持向量机模拟测压管水位与其影响因子之间的非线性映射关系,并采用单纯形粒子群算法对支持向量机中的核参数、惩罚系数及不敏感损失因子进行优化,建立了土坝测压管水位预测的单纯形粒子群—支持向量机模型（SMPSO-SVM）,通过与多元线性回归模型、逐步回归模型、遗传回归模型及最小二乘支持向量机模型进行对比,表明SMPSO-SVM预测模型预测精度高、稳定性好。     

基于LS-SVM的燃煤电站锅炉变工况运行负荷预测

提出了一种基于最小二乘支持向量机理论及可视化火焰检测系统的燃煤电站锅炉负荷预测的方法.利用可视化火焰检测系统对300 MW燃煤锅炉降负荷过程的燃烧火焰及温度场进行了实时测试.通过测试,利用数字图像处理技术提取了燃烧火焰图像特征参数、由双色法测温原理计算得到了其温度场,采用最小二乘支持向量机建立了锅炉负荷预测模型并进行了校验.结果表明.该预测模型泛化能力强、预测精度高,从而为把燃烧火焰图像及温度场信息作为控制信号,进而引入电站锅炉燃烧控制系统提供了技术支持.     

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。     

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.     

电站燃气轮机NO_x排放特性试验与建模仿真

本文以某电站PG9351FA型燃气轮机及其DLN2.0+燃烧系统作为研究对象,进行NO_x排放特性调整试验。以现场试验数据与机组运行参数为基础,引入基于最小二乘支持向量机算法的燃气轮机NO_x排放特性模型,同时借助于计算机仿真科技,在IPSEpro仿真软件平台搭建了燃气轮机热力性能仿真模型,并将两者有机结合,进行变工况NO_x排放特性仿真计算与分析。通过模型计算值与试验实测值之间的相对误差分析来验证模型的可靠性,使该模型能够在今后的现场燃烧调整试验环节,在不产生真实NO_x排放的情况下,通过模型输入量的变化,即可预判出NO_x排放特性。     

基于经验模态分解与多步预测的最小二乘支持向量机的风速预测

由于风速信号是非线性、非稳定性的动态信号,用传统预测方法难以达到满意效果。为提高预测精度,提出了基于经验模态分解与多步预测的最小二乘支持向量机相结合的方法,对风速时间序列进行建模预测,即首先对风速动态信号进行经验模式分解,将原信号分解为若干个不同特征尺度(频率)的本征模态函数,然后对不同频带的平稳IMF分量分别建立多步预测的最小二乘支持向量机模型,将各分量的预测值等权求和得到最终预测值。实例分析结果表明,与单一的最小二乘支持向量机预测方法相比,经验模态分解与多步预测的最小二乘支持向量机相结合的风速预测方法误差小,可应用于风速预测中。