Para resolver los problemas de medición del contenido de oxígeno de los gases de escape de las centrales eléctricas, como los altos costos y la baja precisión de medición, se construyó un modelo de medición precisa del contenido de oxígeno utilizando la máquina de vectores de soporte (SVM) después de elegir una variable secundaria adecuada y optimizar el coeficiente de penalización del modelo y los parámetros del núcleo de la función con el algoritmo genético (GA), luego se utilizó el mejor valor para construir el modelo de medición del contenido de oxígeno de los gases de escape GA-SVM y se compararon los resultados de la optimización de parámetros utilizando el algoritmo de enjambre de partículas y el método de búsqueda de cuadrícula, y se verificó la precisión y la generalización del modelo. Los resultados de la simulación muestran que el algoritmo genético es más efectivo para encontrar la solución óptima global, el modelo de medición del contenido de oxígeno de los gases de escape GA-SVM tiene errores en el rango de ± 0.2%, un error relativo en el rango de ± 4% y cumple con los requisitos de predicción de la cantidad de oxígeno en los gases de escape de las calderas en diferentes cargas e intervalos de tiempo, asegurando una medición más precisa del contenido de oxígeno en los gases de escape.

Contenido de oxígeno en los gases de escape; Máquina de vectores de soporte; Algoritmo genético; Algoritmo de enjambre de partículas; Método de optimización de cuadrícula; Modelo de medición