典型文献
基于大容量样本挖掘及贝叶斯堆栈泛化集成算法的电站锅炉NOx稳态建模
文献摘要：
氮氧化物(NOx)是电站锅炉燃烧的副产物,准确预测其排放对于环境保护和锅炉的燃烧优化具有重要意义.为解决NOx稳态特性建模中面临的参数高维、运行数据时变性强、试验样本有限等问题,提出了一种基于大容量样本挖掘及贝叶斯集成算法的建模框架.首先,采用孤立森林、R-Value算法识别非稳态点、离群点、停滞点,获得高质量稳态样本库;然后,基于随机森林递归特征消除法进行变量选择;最后,建立贝叶斯优化堆栈泛化集成(BO-SGEM)模型对NOx进行预测.以某660 MW机组锅炉72 000条历史运行数据为例进行NOx排放预测,结果表明:在9种离群点诊断算法中,孤立森林算法性能最优,稳态诊断和特征选择的结果与锅炉燃烧机理相符;BO-SGEM模型的精度与泛化能力均优于堆栈泛化集成学习模型及支持向量回归机、极端随机树、梯度上升树等算法模型.
文献关键词：
锅炉;NOx;大数据挖掘;贝叶斯优化;集成学习
中图分类号：
作者姓名：
朱宇坤;喻聪;张梯华;刘红娇;司风琪
作者机构：
江汉大学智能制造学院,湖北 武汉 430056;东南大学能源热转换及其过程测控教育部重点实验室,江苏 南京 210096
文献出处：
引用格式：
[1]朱宇坤;喻聪;张梯华;刘红娇;司风琪-.基于大容量样本挖掘及贝叶斯堆栈泛化集成算法的电站锅炉NOx稳态建模)[J].热力发电,2022(08):154-163
A类：
SGEM
B类：
大容量,堆栈,集成算法,电站锅炉,NOx,氮氧化物,锅炉燃烧,副产物,准确预测,放对,燃烧优化,稳态特性,特性建模,高维,时变性,试验样本,本有,建模框架,Value,算法识别,非稳态,离群点,停滞,样本库,递归特征消除法,变量选择,贝叶斯优化,BO,MW,历史运行数据,排放预测,孤立森林算法,算法性能,特征选择,燃烧机理,泛化能力,集成学习模型,支持向量回归机,极端随机树,梯度上升,算法模型,大数据挖掘
AB值：
0.405093
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
