周保中

（华电电力科学研究院，浙江杭州310030）

基于支持向量机的超超临界锅炉受热面污染监测模型研究

周保中

（华电电力科学研究院，浙江杭州310030）

通过某发电集团科技（创新基金）项目“超超临界锅炉吹灰优化试验研究”，利用电厂已有的DCS采集系统，得到实时数据样本，采用ε-支持向量机回归机（ε-SVR）来进行模型学习预测，结果表明基于支持向量机的预测模型的均方误差很小，能够准确快速得跟踪实际过程，取得了很好的预测效果。

支持向量机；锅炉；污染监测

0 引言

近年来，国内外研究者对大型燃煤锅炉受热面灰污在线监测和吹灰优化开展了深入地研究，并作为节能与安全运行的重要措施得到了广泛的应用和推广。目前，基于热平衡与传热计算原理开发的在线监测系统，已经在很多亚临界和超临界锅炉中得到运用。

但锅炉是一个非常复杂的动态系统，影响锅炉受热面积灰的因素很多，如受热面布置、烟气流速、负荷波动、煤质、有无吹灰等，这就使传统的基于热平衡和传热原理计算的结果与实际工况常有较大的出入。针对这些问题，国内外研究者开展了基于人工神经网络、模糊系统、专家系统等智能技术的污染监测和智能吹灰研究，对优化锅炉吹灰方案提供了有益的帮助[1-5]。但由于人工神经网络这些非线性方法缺乏统一的数学理论基础，特别是其中的结构选择和权重初值设定均需依赖经验，得到的模型通常并非全局最优，而是局部最优解，并且容易出现“过学习”的现象。……