基于GA-SVM的电站锅炉烟气含氧量软测量模型GA-SVM-based soft-sensor model for oxygen content in flue gas of utility boilers
李建强,赵凯,牛成林,尹喜超,陈星旭,邢飞
摘要(Abstract)：
针对电厂烟气含氧量测量存在的投资大、精度低等问题,在烟气含氧量理论研究的基础上,选择合理的二次变量,引入支持向量机(SVM)建立二次变量与烟气含氧量的软测量模型。利用遗传算法(GA)对模型中的惩罚系数和核函数参数进行寻优,进而利用最优值构建了GA-SVM烟气含氧量软测量模型,并对比利用粒子群算法及网格搜索法对参数的寻优结果,对模型的准确性、泛化性进行测试。仿真结果表明:遗传算法比粒子群算法和网格搜索法更易找到全局最优解;GA-SVM软测量模型误差在±0.2%以内,相对误差在±4%以内,能满足不同负荷、不同时间段锅炉烟气含氧量的预测要求,其对烟气含氧量的测量更准确。
关键词(KeyWords)： 烟气含氧量;支持向量机;遗传算法;粒子群算法;网格寻优法;软测量
基金项目(Foundation):
作者(Author): 李建强,赵凯,牛成林,尹喜超,陈星旭,邢飞