吴 伟，冯林魁，王 平，赵 凯

(国网甘肃省电力公司电力科学研究院，甘肃 兰州 730000)

0 引 言

凝汽器真空直接反映了凝汽器的工作运行状态，通过建立模型实现对凝汽器真空的实时监测，可以判断凝汽器真空判断系统是否发生故障，为及时处理故障提供依据[1]，同时通过建立凝汽器真空模型还可以实现对凝汽器的优化控制[2]。

粒子群优化(PSO)算法是近年发展的一种全局优化算法，优点是全局搜索能力强、计算效率高且容易实现，被在广泛地应用在实际工程中。最小二乘支持向量机(LSSVM)作为一种小样本学习法，在火力发电厂参数的预测建模中表现了良好的性能[3-5]。笔者引入LSSVM建立了双压凝汽器真空计算模型，同时利用PSO算法对LSSVM模型中的正则化参数和核函数参数进行动态寻优，以期得到最佳的双压凝汽器真空模型性能，为机组的性能诊断、优化控制等工作提供了依据理论。

1 最小二乘支持向量机

最小二乘支持向量机(LSSVM)是一种遵循结构风险最小化原则的核函数学习方法，它将规划问题转化为一个线性矩阵求解问题，大大减少了计算量，LSSVM模型的表达式如下[6]：

(1)

式中：ai是回归系数，K(xi,x)为核函数。

综合考虑模型的模型计算性能和核参数的数量，本文采用径向基(RBF)核函数作为LSSVM模型的核函数，即：

(2)

式中：σ为RBF核函数宽度。综上，需要优化的参数最少，只有核函数参数σ2和正则化参数γ。

2 基于PSO算法的LSSVM参数优化

粒子群优化(PSO)算法是一种模拟鸟类捕食行为的全局优化算法，模型表述如下：