Um das Problem der Schwierigkeit, den Kohlenstoffgehalt in den Flugaschen eines Kessels langfristig genau vorherzusagen, durch Verbesserung der Vorhersagegenauigkeit des Modells und seiner Anpassungsfähigkeit zu lösen, wird ein adaptiver gewichteter Kleinste-Quadrate-Stützvektormaschinenmessmodell (WLSSVM) basierend auf der Bewertung der Vorhersageleistung des Modells vorgeschlagen. Es wird ein Trainingsset des Messmodells auf der Grundlage der maximalen Gruppe linear unabhängiger Elemente erstellt, was das Modell WLSSVM ziemlich dünn macht und die Berechnungsmenge des Trainingsprozesses verringert; ein Messmodell WLSSVM wird auf der Grundlage eines Ähnlichkeitsdaten-Gewichtungsfaktors unter Verwendung des doppelten Populationsdifferenzierungsalgorithmus zur Optimierung der Modellparameterauswahl erstellt; durch die Online-Bewertung der Vorhersageleistung des Modells und die rekursive Korrektur wird eine Online-automatische Korrektur des Modells erreicht. Die Ergebnisse des Simulationsexperiments an einem 300 MW-Kessel zeigten, dass dieses algorithmische Modell eine gute Vorhersagegenauigkeit und Anpassungsfähigkeit aufweist und den Kohlenstoffgehalt in den Flugaschen effektiv vorhersagen kann.

Kessel; Flugasche; Kohlenstoffgehalt; maximale Gruppe linear unabhängiger Elemente; doppelter Populationsdifferenzierungsalgorithmus; rekursive Korrektur