基于人工智能的软测量建模方法研究及其在热工过程中的应用

发布时间：2017-09-22 09:13

  本文关键词：基于人工智能的软测量建模方法研究及其在热工过程中的应用

  更多相关文章： 数据建模 偏最小二乘 最小二乘支持向量机 电站锅炉 再热汽温

【摘要】：火力发电机组的信息化发展,为基于数据的热工参数建模及运行优化提供了良好的平台。电站运行数据样本较大,变量维度高,且变量之间存在着高度的相关性和耦合,另外,实际的热工过程往往是非线性的,而且由于传感器故障以及电磁干扰等原因,运行数据中存在着离群样本。电站运行数据的这些特点,给建立模型带来了很大的困难和挑战。人工智能技术为这些问题的解决提供了新的理论基础。本文以偏最小二乘(partial least squares,PLS)和最小二乘支持向量机(least squares support vector machine,LSSVM)为主线,围绕着电站运行数据的建模进行了研究,主要研究内容和成果包括： 1.分析了电站运行数据的特点,总结了基于运行数据建模方法的三个阶段,即数据准备、数据建模和模型验证,同时,介绍了运行数据降维、数据离群点剔除和数据标准化、变量选择等预处理方法； 2.针对电站运行数据的相关性和过程的非线性,提出PLS-LSSVM建模方法,利用偏最小二乘(PLS)提取特征向量,消除数据的相关性并降低维度,然后将特征向量作为输入,利用最小二乘支持向量机(LSSVM)来描述过程非线性,改进模型的预测精度； 3.以电站锅炉再热汽温的预测为研究对象,分析了影响再热汽温变化的原因,并基于前面所提出的数据预处理和PLS-LSSVM方法来构建预测模型,并与其他建模方法进行了对比,结果表明提出的方法表现出更好的效果。
【关键词】：数据建模 偏最小二乘 最小二乘支持向量机 电站锅炉 再热汽温
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TM621
【目录】：

• 摘要5-6
• Abstract6-7
• 目录7-9
• 第1章 绪论9-19
• 1.1 选题背景及其意义9-11
• 1.2 基于数据的建模过程11-12
• 1.3 基于数据的建模方法12-14
• 1.3.1 多元线性回归12
• 1.3.2 主成分回归法12
• 1.3.3 偏最小二乘回归法12-13
• 1.3.4 神经网络13-14
• 1.3.5 支持向量机14
• 1.4 模型验证14-15
• 1.5 基于数据建模的研究现状15-16
• 1.6 论文的主要内容及结构安排16-19
• 第2章 热工运行数据特性及预处理方法19-27
• 2.1 引言19
• 2.2 热工运行数据特性19-21
• 2.3 热工运行数据的预处理方法21-24
• 2.3.1 运行数据验证21-22
• 2.3.2 基于相邻数据变化率的数据验证22-23
• 2.3.3 数据标准化23-24
• 2.4 特征变量选择24-26
• 2.4.1 基于机理分析的方法24
• 2.4.2 基于模型检验的方法24-25
• 2.4.3 基于统计的方法25
• 2.4.4 基于PLS变量选取方法25-26
• 2.5 本章小结26-27
• 第3章 基于PLS特征提取的LSSVM非线性建模方法27-35
• 3.0 引言27-28
• 3.1 单变量PLS特征提取方法28-29
• 3.2 支持向量机理论29-32
• 3.2.1 标准支持向量机29-30
• 3.2.2 最小二乘支持向量机回归30-32
• 3.2.3 核函数选择32
• 3.3 PLS-LSSVM模型结构32-33
• 3.4 模型参数选取33-34
• 3.5 本章小结34-35
• 第4章 基于运行数据的电站再热汽温建模35-45
• 4.1 引言35
• 4.2 电站锅炉介绍35-38
• 4.3 再热汽温影响因素分析和数据准备38-40
• 4.3.1 再热汽温影响因素分析38-39
• 4.3.2 稳态工况样本选择39-40
• 4.4 再热汽温模型构建40-44
• 4.4.1 模型训练样本和测试样本40
• 4.4.2 模型参数的选取40-41
• 4.4.3 模型验证41-42
• 4.4.4 模型对比42-44
• 4.5 本章小结44-45
• 第5章 结论与展望45-47
• 5.1 结论45
• 5.2 展望45-47
• 参考文献47-51
• 攻读硕士学位期间发表的论文及其它成果51-53
• 攻读硕士学位期间参加的科研工作53-55
• 致谢55-57
• 作者简介57

【参考文献】

中国期刊全文数据库 前10条

1 张韵辉;吕震中;赵宇红;;再热汽温神经网络预测模型的构建及仿真[J];电力系统及其自动化学报;2006年01期

2 刘福国;基于统计分析的电站锅炉性能建模与优化[J];动力工程;2004年04期

3 陈敏生,刘定平;电站锅炉飞灰含碳量的优化控制[J];动力工程;2005年04期

4 田亮;刘鑫屏;赵征;刘吉臻;;一种新的热量信号构造方法及实验研究[J];动力工程;2006年04期

5 周原冰,潘亚利,梁化忠,潘颢,高山;发电厂厂级监控信息系统的发展与应用[J];山东电力技术;2003年04期

6 荣海娜;张葛祥;金炜东;;系统辨识中支持向量机核函数及其参数的研究[J];系统仿真学报;2006年11期

7 管志敏;王兵树;林永君;魏文超;;自抗扰控制在火电厂主汽温控制中的应用研究[J];系统仿真学报;2009年01期

8 周昊,朱洪波,曾庭华,廖宏楷,岑可法;基于人工神经网络的大型电厂锅炉飞灰含碳量建模[J];中国电机工程学报;2002年06期

9 刘福国;电站锅炉入炉煤元素分析和发热量的软测量实时监测技术[J];中国电机工程学报;2005年06期

10 赵征,曾德良,田亮,刘吉臻;基于数据融合的氧量软测量研究[J];中国电机工程学报;2005年07期

中国博士学位论文全文数据库 前1条

1 曲亚鑫;基于历史数据的偏最小二乘建模方法研究与应用[D];华北电力大学;2012年

，

本文编号：899971