基于HGWO-SVM的燃煤电站锅炉受热面积灰预测
Foreign Electronic Measurement Technology（2020）
摘要
针对燃煤电站锅炉受热面以积灰监测模型指导吹灰操作效率低的问题,建立混合灰狼算法(HGWO)优化支持向量机(SVM)的预测模型,实现对省煤器吸热量的实时预测.首先选取与省煤器吸热量高相关性的输入变量,搭建SVM预测模型;其次利用HGWO算法对SVM的核函数参量寻优,并将最优参量赋给SVM模型进行训练,完成对省煤器吸热量的预测;最后将预测结果带入热力学公式计算得到清洁因子,以表征省煤器的积灰程度.以浙江某燃煤电站660 MW锅炉机组为例,将实测数据作为样本进行训练和验证.通过与传统模型预测结果进行对比,该模型训练时间更短,预测精度更高.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要