基于BP神经网络和支持向量回归的燃煤电厂空气预热器压差预测

• Published in: 发电技术 Vol. 44; no. 4; pp. 550 - 556
• Main Authors: 苏靖程, 王志强, 屈江江, 张凯
• Format: Journal Article
• Language: Chinese
• Published: 华电电力科学研究院有限公司,浙江省 杭州市 310030%山东大学能源与动力工程学院,山东省 济南市 250061 31.08.2023
• Subjects: BP neural network; 空气预热器; air preheater; BP神经网络; 支持向量回归(SVR); 粒子群优化(PSO); particle swarm optimization(PSO); 火力发电; thermal power generation; support vector regression(SVR)
• ISSN: 2096-4528
• DOI: 10.12096/j.2096-4528.pgt.22160

TK01%TM621; 燃煤电厂空气预热器进出口压差过高一直是困扰电厂运行的难题,提前预测空气预热器进出口压差变化并及时调控,将有利于电厂安全运行.基于某660 MW燃煤锅炉运行的分布式控制系统(distributed control system,DCS)大数据,应用BP神经网络和支持向量回归(support vector regression,SVR)对该电厂中空气预热器进出口压差进行建模,通过比较2种模型的预测结果可知,BP神经网络模型更适合大数据背景下空气预热器进出口压差的预测.针对BP神经网络模型固有的局部寻优和收敛速度慢等缺点,基于粒子群优化(particle swarm optimization,PSO)算法,提出PSO-BP神经网络模型,并将其与BP神经网络、SVR模型进行对比,结果表明:PSO-BP神经网络模型综合性能最好,对空气预热器进出口压差变化预测精度最高,泛化能力最强.