位置:成果数据库 > 期刊 > 期刊详情页
基于变量选择的锅炉NOx排放的最小二乘支持向量机建模
  • ISSN号:0258-8013
  • 期刊名称:中国电机工程学报
  • 时间:2012.7.15
  • 页码:102-107
  • 分类:TK223[动力工程及工程热物理—动力机械及工程]
  • 作者机构:[1]工业过程测控新技术与系统北京市重点实验室(华北电力大学),北京市昌平区102206
  • 相关基金:国家自然科学基金项目(51036002)
  • 相关项目:热力发电系统节能与优化控制基础研究
中文摘要:

电站燃煤锅炉是大气NOx污染的主要来源之一,建立有效的NOx排放模型是锅炉优化降低NOx的基础。针对热工过程变量之间的强相关和耦合性,利用偏最小二乘方法(partial least squares,PLS)对多工况实炉热态测试数据进行重要变量(variable importance in projection,VIP)信息提取和变量选择(variable selection,VS),把最优的变量子集作为最小二乘支持向量机(least squares support vector machine,LSSVM)的输入,最终得到NOx排放的VS-LSSVM模型。最优的输入变量个数通过留一交叉验证法获取。并将该模型与其他建模方法进行对比,结果表明通过变量选择后建模可以降低模型的复杂度,提高模型的泛化能力。

英文摘要:

Coal-fired boiler is the main source of NOx pollution emission.An effective model of NOx emission is the basis to reduce NOx emission.Considering the strong correlations and coupling of input variables in thermal power process,partial least squares(PLS) method was applied to extract information of variable importance in projection(VIP) and select variables based on the real test data of different operation conditions,and then,the optimal variables set was taken as input of least squares support vector machine(LSSVM) algorithm.Finally,the variable selection-least squares support vector machine(VS-LSSVM) model between boiler operation variables and NOx emission was established.In this process,optimal number of input variables was obtained by the leave one out cross validation method.The comparison result to other modeling methods indicates that using the method proposed,model complexity is reduced and generalization capacity of model is enhanced.

同期刊论文项目
期刊论文 126 会议论文 27 获奖 2 专利 14
同项目期刊论文
期刊信息
  • 《中国电机工程学报》
  • 北大核心期刊(2011版)
  • 主管单位:中国科学技术协会
  • 主办单位:中国电机工程学会
  • 主编:张文涛
  • 地址:北京清河小营东路15号 中国电力科学研究院内
  • 邮编:100192
  • 邮箱:pcsee@epri.sgcc.com.cn
  • 电话:010-82812536 82812534 82812545
  • 国际标准刊号:ISSN:0258-8013
  • 国内统一刊号:ISSN:11-2107/TM
  • 邮发代号:82-327
  • 获奖情况:
  • 1992年全国优秀科技期刊三等奖,1992年中国科协优秀科技期刊二等奖,1996年中国科协优秀科技期刊二等奖,中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,波兰哥白尼索引,德国数学文摘,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:98970