基于随机搜索算法优化XGBoost的过热汽温预测模型

建立过热器汽温对象的高精度性能预测模型,是实现过热汽温智能优化控制的基础。为此,针对某600 MW超临界机组仿真系统的历史运行数据,采用机器学习中的XGBoost (eXtreme Gradient Boosting)回归模型建立过热器汽温特性的预测模型,并分别采用网格搜索算法和随机搜索算法对模型参数进行优化。通过比较两种优化模型的预测效果,结果表明:随机搜索算法可以进行多个参数组合寻优,收敛速度快,全局寻优的效果更好,优化后的过热汽温模型具有更好的预测精度和泛化能力。