典型文献
基于支持向量回归和聚类算法的主蒸汽压力优化
文献摘要：
滑压曲线是机组安全经济运行的重要指导依据,其优化对机组的节能降耗尤为重要,为此提出一种支持向量回归(support vector regression,SVR)模型结合聚类算法(K-means)的初压优化模型来优化各负荷下的主蒸汽压力.首先采用SVR建立供电煤耗预测模型,采用交叉验证(cross validation)方法优化参数,并验证模型的准确度,结果表明SVR模型的预测结果和泛化能力较好;然后采用聚类算法确定其他输入参数,运用所建立的模型预测供电煤耗,以各个负荷点供电煤耗最小为目标对初压进行优化,得到优化的滑压曲线.供电煤耗预测模型的计算结果表明,优化后各典型负荷点供电煤耗与实际相比平均下降约0.671 g/kWh,曲线与设计曲线趋势基本一致,可以为机组的实际运行提供一定的理论指导.
文献关键词：
支持向量回归;交叉验证;供电煤耗;聚类算法;滑压曲线
中图分类号：
作者姓名：
乔海升;赵文升
作者机构：
华北电力大学 能源动力与机械工程学院,河北 保定 071003
文献出处：
引用格式：
[1]乔海升;赵文升-.基于支持向量回归和聚类算法的主蒸汽压力优化)[J].广东电力,2022(07):72-78
A类：
B类：
支持向量回归,聚类算法,主蒸汽压力,压力优化,滑压曲线,机组安全,安全经济,经济运行,节能降耗,support,vector,regression,SVR,means,初压,供电煤耗,交叉验证,cross,validation,方法优化,优化参数,验证模型,泛化能力,输入参数,负荷点,压进,kWh,实际运行
AB值：
0.310437
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。
