大型电站锅炉飞灰含碳量在线自校正建模

摘要

为降低飞灰含碳量,实现锅炉的优化运行,对其进行了软测量建模研究.在建模过程中,针对模型输入变量之间存在强耦合、非线性以及辅助变量选择难的问题,采用核主元分析(KPCA)提取变量的特征信息以有效处理非线性数据,生成新的综合辅助变量,并结合特征值碎石图及累积方差贡献率,对KPCA参数的选择提出了新的方法.为解决模型在线校正问题,提出了基于最近邻(NN)法和KKT条件的模型在线自校正新算法,以提高软测量的精度.在此基础上实现了核主元分析支持向量回归(KPCA-ε-SVR)模型,并与主成分分析支持向量回归(PCA-ε-SVR)和BP神经网络的飞灰含碳量软测量模型进行了对比研究,结果表明,KPCA-εSVR模型具有更高的精度与泛化能力,具有较高的工程应用价值.