基于KNN的电站锅炉排烟温度预测方法探讨
测试数据,类别,1KNN概述,1KNN原理,2KNN在电站锅炉排烟温度预测中的实际应用,2实验分析,3结束语
辛凯,陈运启(1.哈尔滨电站设备成套设计研究所有限公司,哈尔滨 150046; 2.中国市政工程华北设计研究总院有限公司,天津 300074)
近些年来,电站锅炉往往存在排烟温度超出设计值的现象。一般来讲,造成电站锅炉排烟温度过高的原因,主要是燃烧煤质和设计燃用煤质二者之间有着一定的偏差,在设计过程中,忽视了管壁沾污状况,空气预热器的受热面相对过小,以及尾部受热面吹灰器布置存在严重的缺陷等。
针对排烟温度的影响因素,已有多位学者进行了相关的研究。陈运启[1]对电站锅炉机组运行过程当中的参数,以及排烟温度二者之间的相关性做了统计分析,找出了影响排烟温度的相关运行参数,进而明确了排烟温度受到影响的直接原因。仲亚飞[2]基于支持向量机建立了锅炉排烟温度模型,同时利用改进后的混沌粒子群算法,针对支持向量机的有关参数做了优化,从而使模型的准确性得到明显提高。基于粒子群算法与支持向量机的排烟温度模型可以有效地预测机组运行过程中,排烟温度所发生的变化,能够为锅炉机组的运行给予科学的指导。沈利[3]立足于煤质对锅炉燃烧工况所起到的影响,通过支持向量机法,结合煤质影响因素,针对排烟温度做了建模预测。结果显示,结合煤质影响的排烟温度建模预测方法有着较高的精确性。本文利用KNN 算法,针对某电厂660 MW 机组燃烧锅炉建立排烟温度预测模型,同时对模型参数做出单因素变化,分析其对排烟温度所起到的影响 ......
您现在查看是摘要页,全文长 5450 字符。