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:
https://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]
陈宜尊, 朱容更, 邓晗应, 张昕宇. 基于支持向量机的机载自耦变压整流器故障诊断方法
[2]
吕俊超, 丁志远, 傅琪雯. 一种海上风电场柔直送出线单端保护方案
[3]
马君, 万俊杰. 基于健康特征筛选与GWO-LSSVM的锂电池健康状态预测
[4]
魏银图, 张旸, 温步瀛, 王怀远. 基于支持向量机的模块化多电平换流器子模块开路故障诊断方法
[5]
谭翼坤, 陈明, 黄腾, 乔苏朋, 李志军. 基于气体成分分析的变压器过热隐患预警方法
[6]
董懿飞, 舒胜文, 陈诚, 金铭, 王建. 基于红外图像分割与SSA-SVM的复合绝缘子缺陷检测方法
[7]
杨昭, 张钢, 赵俊杰, 张灏, 蔺奕存. 基于变分模态分解和改进粒子群算法优化最小二乘支持向量机的短期电价预测
[8]
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
[9]
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
[10]
赵倩, 陈芳芳, 甘露. 基于改进粒子群算法优化支持向量机的风电功率预测
[11]
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
[12]
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
[13]
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
[14]
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
[15]
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
2017, Vol. 18 
