[发明专利]一种基于ADQPSO-SVR模型的锅炉飞灰含碳量预测方法在审
| 申请号： | 201910189111.4 | 申请日： | 2019-03-13 |
| 公开（公告）号： | CN109992844A | 公开（公告）日： | 2019-07-09 |
| 发明（设计）人： | 彭道刚;康琦;李丹阳;张浩;姚峻;祝建飞;赵慧荣;李芹 | 申请（专利权）人： | 上海电力学院 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N3/00 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 赵继明 |
| 地址： | 200090 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于ADQPSO‑SVR模型的锅炉飞灰含碳量预测方法，该方法利用ADQPSO算法进行SVR参数的寻优，加入自适应早熟判定准则和混合扰动操作，找出最优的参数组合，采用现场特征数据作为训练样本进行模型构建。与现有技术相比，基于ADQPSO‑SVR模型的锅炉飞灰含碳量预测方法精确性和泛化能力更好，对火电厂具有重要的意义。 | ||
| 搜索关键词： | 锅炉飞灰含碳量 预测 参数组合 混合扰动 模型构建 判定准则 现场特征 训练样本 自适应 算法 寻优 早熟 电厂 | ||
【主权项】：
1.一种基于ADQPSO‑SVR模型的锅炉飞灰含碳量预测方法，其特征在于，该方法包括以下步骤：步骤S1：设置量子粒子群初始值；步骤S2：评估量子粒子群，记录每个粒子的适应度、粒子的个体最优位置、粒子群全局最优位置和平均最优位置；步骤S3：更新粒子位置，重新计算每个粒子的适应度、粒子的个体最优位置、粒子群全局最优位置和平均最优位置；步骤S4：判断量子粒子群算法终止条件是否满足，若是，执行步骤S6，若否，执行步骤S5；步骤S5：计算群体的适应度方差，进行自适应早熟判定，如果适应度方差小于阈值，对群体执行扰动操作，然后执行步骤S3，否则直接执行步骤S3；步骤S6：输出粒子群全局最优位置作为SVR最优参数值；步骤S7：从现场运行的自动化装置采集历史数据，从历史数据中获取训练样本的输入变量；步骤S8：利用步骤S6得到的SVR最优参数值构建SVR模型；步骤S9：将样本点输入步骤S8得到的SVR模型中，获取锅炉飞灰含碳量。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海电力学院，未经上海电力学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910189111.4/，转载请声明来源钻瓜专利网。
