技术与应用
热工参数软测量技术在火电厂节能中的应用
贺军
贵州兴义电力发展有限公司,贵州 兴义 562400
The Application of Soft Measurement Technology of Thermal Parameter to Energy Saving in Thermal Power Plant
He Jun
Xingyi Guizhou Electric Power Development Co., Ltd, Xingyi, Guizhou 562400
摘要 本文研究了热工参数软测量技术在火电厂节能中的应用,选取了烟气含氧量和飞灰含碳量两个对机组经济性能有重要影响的指标进行建模,得到了烟气含氧量和飞灰含碳量的软测量模型。为了验证模型的准确性,分别对两个模型的软测量值和实际值进行了比较验证,并采用均方根误差系数RMSE作为衡量指标进行了分析,两个模型的软测量模型输出结果和校验样本的均方根误差分别为0.043和0.039。
关键词 ：
火力发电 ,
软测量 ,
支持向量机 ,
烟气含氧量 ,
飞灰含碳量
Abstract ：The thermal parameter soft measurement technology in energy saving of thermal power plant has been studied. Two indexes which content on the economic performance of the unit are modeled as oxygen content and the carbon content of fly ash. The soft measurement and actual values of the two models are verified. At the same time, the mean square error coefficient is used as the measurement index. The results of the two models are 0.043 and 0.039 respectively.
Key words ：
thermal power generation
soft measurement
least square support machine
flue gas oxygen content
unburned carbon
出版日期: 2017-12-06
作者简介 : 贺 军（1979-）,男,本科,工程师,从事热工自动控制工作。
引用本文:
贺军. 热工参数软测量技术在火电厂节能中的应用[J]. 电气技术, 2017, 18(11): 114-116.
He Jun. The Application of Soft Measurement Technology of Thermal Parameter to Energy Saving in Thermal Power Plant. Electrical Engineering, 2017, 18(11): 114-116.
链接本文:
http://dqjs.cesmedia.cn/CN/Y2017/V18/I11/114
[1] 阎威武, 朱宏栋, 邵惠鹤. 基于最小二乘支持向量机的软测量建模[J]. 系统仿真学报, 2003, 15(10): 1494-1496.
[1]
孙贺斌, 周治伊, 李辉, 王晨山. 基建期火力发电厂金属技术监督全过程管理
[2]
夏书悦, 董心怡. 基于经验模态分解法优化支持向量机模型的日前风电功率组合预测
[3]
李程, 李强, 张启超, 刘子瑞, 李伟. 基于支持向量机递归特征消除的电缆局部放电特征寻优
[4]
张朴, 孟令云, 李宝旭. 基于支持向量机的高速铁路列车晚点演化预测
[5]
宋学伟, 刘天羽, 江秀臣, 盛戈皞, 刘玉瑶. 基于改进鱼群算法与最小二乘支持向量机的短期负荷预测
[6]
孙志鹏, 崔青, 张志磊, 王涛, 张天伟. 多分类支持向量机在电力变压器故障诊断中的应用
[7]
张君琦, 杨帆, 郭谋发. 配电网高阻接地故障时频特征SVM分类识别方法
[8]
吴金浩, 杨秀媛, 孙骏. 基于主成分分析法的风电功率短期组合预测
[9]
周道军. 大型机组发电机断路器配置分析
[10]
韩戟, 何成浩, 苏星, 施成云, 刘东映. 一种基于SVM的电力行业物资需求预测方法
[11]
李洪超, 王伟刚, 董雪梅. 基于M-LS-SVR的变压器油中溶解气体浓度预测
[12]
刘洪斌,王振霞,费伟东,李海林,颜丙清. 风电与火电联合发电控制系统研究
[13]
王飞 赵矛. 协调火力、风力发电形成有减排意识的能源交易
[14]
徐蓓蓓, 章正国, 郑新龙, 何旭涛, 敬强. 最小二乘支持向量机在短期风速预测中的应用概况
[15]
刘起铭, 加玛力汗?库马什, 华东, 李鹏飞. 基于支持向量机的负荷预测分析
2017, Vol. 18 
