基于PSO-SVM的快速甩负荷工况下过热蒸汽温度预测建模

孙灵芳 董学曼 邢 宇 宫远洋

(东北电力大学自动化工程学院,吉林 吉林 132012)

基于PSO-SVM的快速甩负荷工况下过热蒸汽温度预测建模

孙灵芳 董学曼 邢 宇 宫远洋

(东北电力大学自动化工程学院,吉林 吉林 132012)

结合海防电厂300MW机组100%负荷下的快速甩负荷试验，采用粒子群优化算法(PSO)对支持向量机(SVM)的参数进行优化，并建立PSO-SVM过热蒸汽温度预测模型。在分析试验时机组燃料量、高旁阀位开度及温度等主要参数变化过程的基础上，对过热蒸汽温度预测模型进行仿真分析。结果表明：建立的PSO-SVM过热蒸汽温度模型具有较高的预测精度，能够实现快速甩负荷工况下过热蒸汽温度的预测，维持机组安全稳定运行。

过热蒸汽温度预测 火电300MW机组 快速甩负荷工况 PSO-SVM算法 建模

快速甩负荷(Fast Cut Back,FCB)工况是火电机组最恶劣的一种工况，会引起机组各主要运行参数(如过热蒸汽温度、主汽压力及汽包水位等)的剧烈波动。过热蒸汽温度是锅炉运行中一个重要的参数，若汽温过高，则易烧坏过热器，严重影响机组安全运行；若汽温过低，则影响全厂热效率，引起汽轮机末级蒸汽湿度增加，严重影响汽轮机安全运行[1～3]。一般地，过热蒸汽温度暂时偏差不允许超过±10℃，长期偏差不允许超过±5℃。为了充分了解FCB工况下锅炉的运行状态，维持机组安全稳定运行，对FCB工况下过热蒸汽温度进行精准预测是十分必要的。

随着智能算法的研究和发展，神经网络及模糊神经等非线性系统模型不断被应用到温度预测中。……