基于偏最小二乘支持向量机的烟气湿法脱硫效率预测模型.PDFVIP

第 46卷 第 4期 热 力 发 电 Vol.46 No.4 2017年 4月 THERMAL POWER GENERATION Apr. 2017 收 稿 日 期：2016-09-05 基 金 项 目：浙江省公益技术应用研究项目（2014C31G2060072） Supported by：Public Feehnology Application Projects of Zhejiang Province（2014C31G2060072） 第一作者简介：崔仕文（1990－），男，硕士研究生，主要从事环保软件研发，shiwen_cui@163.com。 通讯作者简介：铁治欣（1972—），男，博士，副教授，tiezx@。 基于偏最小二乘支持向量机的烟气 湿法脱硫效率预测模型 崔仕文 1，铁治欣 1，丁成富 2，赵 峰 1 （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） ［摘 要］为了能够更好地反映电厂湿法脱硫中的过程参数与脱硫效率之间的关系，本文利用偏最小 二乘回归法（PLS）对影响烟气湿法脱硫效率的过程因素进行分析，提取出对湿法脱硫效 率影响较大的因素作为主成分，将提取的主成分采用支持向量机（SVM）进行预测，降低 了 SVM的输入维数，建立了基于偏最小二乘支持向量机（PLS-SVM）的烟气湿法脱硫效 率预测模型，并选取某机组石灰石-石膏湿法脱硫设施运行监控数据进行模型的训练和预 测。预测分析结果显示，PLS-SVM的预测数据最大绝对误差小于 0.65%，平均绝对误差在 0.3%左右，说明该模型的预测效果较好，与 SVM预测模型相比，提高了预测效率和精度。 ［关 键 词］偏最小二乘回归；支持向量机；湿法脱硫；脱硫效率；预测模型 ［中图分类号］X773 ［文献标识码］A ［文章编号］1002-3364(2017)04-0081-07 ［DOI 编 号］10.3969/j.issn.1002-3364.2017.04.081 Prediction model for flue gas wet desulfurization efficiency based on partial least squares support vector machine CUI Shiwen1, TIE Zhixin1, DING Chengfu2, ZHAO Feng1 (1. School of Information Science and Technology, Zhejiang Sci-Tech University, Hangzhou 310018, China; 2. Focused Photonics (Hangzhou) Inc., Hangzhou 310052, China) Abstract: In order to better reflect the relationship between the wet flue gas desulfurization process parameters and the desulfurization efficiency, the partial least squares regression (PLS) method was applied to analyze the process factors affecting the flue gas desulfurization efficiency, then the factors affecting the desulfurization efficiency greatly were considered as the principal components and were extracted for prediction using the support vector machine (SVM). Thus, on the basis of the partial least squares support vector machine (PLS-SVM), a prediction model for wet flue gas desulfurization efficiency was established, which can reduce the input dimensions of the SVM. Moreover, the data of the operation monitoring system of the lime