基于BP神经网络和支持向量回归的燃煤电厂空气预热器压差预测
摘要：燃煤电厂空气预热器进出口压差过高一直是困扰电厂运行的难题，提前预测空气预热器进出口压差变化并及时调控，将有利于电厂安全运行。基于某660 MW燃煤锅炉运行的分布式控制系统(distributed control system，DCS)大数据，应用BP神经网络和支持向量回归(support vector regression，SVR)对该电厂中空气预热器进出口压差进行建模，通过比较2种模型的预测结果可知，BP神经网络模型更适合大数据背景下空气预热器进出口压差的预测。针对BP神经网络模型固有的局部寻优和收敛速度慢等缺点，基于粒子群优化(particle swarm optimization，PSO)算法，提出PSO-BP神经网络模型，并将其与BP神经网络、SVR模型进行对比，结果表明：PSO-BP神经网络模型综合性能最好，对空气预热器进出口压差变化预测精度最高，泛化能力最强。
Abstract:
标题：基于BP神经网络和支持向量回归的燃煤电厂空气预热器压差预测
title:Pressure Difference Prediction of Air Preheater in Coal-Fired Power Plant Based on BP Neural Network and Support Vector Regression
作者：苏靖程, 王志强, 屈江江, 张凯
authors:Jingcheng SU, Zhiqiang WANG, Jiangjiang QU, Kai ZHANG
