基于粒子群优化双支持向量机的SCR烟气脱硝效率预测模型

方 贤; 铁治欣; 崔仕文; 丁成富; 谢 磊; 刘晶晶

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于粒子群优化双支持向量机的SCR烟气脱硝效率预测模型

热能科学研究 | 更新时间：2025-09-28

- 基于粒子群优化双支持向量机的SCR烟气脱硝效率预测模型
- Model for predicting SCR flue gas denitration efficiency based on particle swarm optimization and twin support vector machine
- 热力发电 2017年第12期
- 作者机构：
  
  1. 浙江理工大学信息学院,浙江,杭州,310018
  2. 聚光科技（杭州）股份有限公司,浙江,杭州,310052
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： X773
- 网络出版日期：2018-01-04，
  
  纸质出版日期：2017
- 稿件说明：
移动端阅览
方贤, 铁治欣, 崔仕文, 等. 基于粒子群优化双支持向量机的SCR烟气脱硝效率预测模型[J]. 热力发电, 2017,(12).

FANG Xian, TIE Zhixin, CUI Shiwen, et al. Model for predicting SCR flue gas denitration efficiency based on particle swarm optimization and twin support vector machine[J]. Thermal power generation, 2017, (12).
方贤, 铁治欣, 崔仕文, 等. 基于粒子群优化双支持向量机的SCR烟气脱硝效率预测模型[J]. 热力发电, 2017,(12). DOI：

FANG Xian, TIE Zhixin, CUI Shiwen, et al. Model for predicting SCR flue gas denitration efficiency based on particle swarm optimization and twin support vector machine[J]. Thermal power generation, 2017, (12). DOI：

摘要

为了更好地分析燃煤电厂脱硝效率与相关影响因素之间的非线性关系，引入双支持向量机（TWSVM）作为分类预测框架，利用粒子群算法（PSO）对TWSVM的惩罚因子和核参数进行寻优，进而构建了针对选择性催化还原（SCR）烟气脱硝效率预测的PSO-TWSVM模型。通过提取某电厂工况监控系统近期数据，结合三倍标准差检验法与归一化法对数据进行预处理，并选取训练集与测试集。仿真结果表明：SCR烟气脱硝效率预测PSO-TWSVM模型最大相对误差小于±0.6%，平均相对误差保持在±0.3%以下，证明该模型的准确性高；对比支持向量机（SVM）模型发现，PSO-TWSVM模型既提高了预测精度，也节省了计算时间。

Abstract

关键词

Keywords

references

浏览量

435

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

SCR脱硝系统蜂窝式催化剂性能评估及寿命管理

基于流场多变的SCR脱硝系统喷氨优化调整试验

选择性催化还原烟气脱硝系统速度场及组分分布对脱硝效率的影响

基于前馈有约束DMC的锅炉烟气脱硝控制系统设计