导　　师： 赵文杰

授予学位： 硕士

作　　者： ;

机构地区： 华北电力大学

摘　　要： 电能是现代社会的主要能源形式,随着国民经济的快速发展,人类对于电能的依赖程度越来越高。国家非常重视电力工业的发展,大容量、高参数的火力发电机组成为火电厂单元机组的发展方向。随着现代火电机组单元容量和参数的提高以及系统本体特性的复杂化,电力工业生产对于热工过程的控制系统提出了更高的要求。建立火电厂热工对象的数学模型,对于实现火电厂生产过程的精确控制具有重要的意义。然而热工对象本身特性非常复杂,通过机理分析建立数学模型非常困难,因此常用的建模方法是利用热工对象的输入输出数据估计数学模型。支持向量机(SVM)作为一种崭新的机器学习算法,具有适于小样本问题、全局最优、避免“过学习”、避免“维数灾难”等诸多优点,在模式识别、回归估计等问题的解决中取得了令人瞩目的成功。最小二乘支持向量机(?)(LS-SVM)作为一种特殊形式的SVM,不仅继承了SVM的许多优点,而且以其求解快速的优势取得了更加广泛的应用。热工对象建模问题本身是一个回归估计问题,SVM以及LS-SVM在该问题中的应用潜力十分可观。本文首先研究了LS-SVM的性能,包括稀疏性、鲁棒性,并且提出了基于聚类思想的两种改进LS-SVM性能的算法；然后将LS-SVM应用于锅炉燃烧系统建模中,建立了关于飞灰含碳量、排烟温度、NOx排放量的软测量模型,证明了SVM应用于热工对象建模中的可行性。

关 键 词： 支持向量机 最小二乘支持向量机 稀疏性 鲁棒性 锅炉燃烧系统 软测量

领　　域： [自动化与计算机技术] [自动化与计算机技术] [电气工程]