摘要
针对汽轮机主蒸汽流量测量精度低的问题,提出了一种混沌搜索策略鲸鱼优化算法(CAWOA)和并行极限学习机(PELM)的主蒸汽流量预测方法。利用混沌理论的随机性、敏感性、分维性等特点和自适应惯性权值策略提高WOA算法的局部寻优能力和全局优化性能。并将CAWOA算法对并行极限学习机(PELM)参数进行优化,提高了主蒸汽流量预测模型的精度。在此基础上,将优化后的极限学习机对某台600MW汽轮机组主蒸汽流量进行预测,并与同类算法模型进行对比。结果表明:上述方法具有更好的泛化能力,能更加精确地预测主蒸汽流量。
Aiming at the problem of low measurement accuracy of steam turbine main steam flow,CAWOA algo⁃rithm and PELM main steam flow prediction group model are proposed.The randomness of chaos theory and adaptive weights are used to improve the search ability of WOA algorithm.CAWOA algorithm optimizes PELM parameters to improve the accuracy of prediction model.The main steam flow of 600 MW steam turbine is tested.The CAWOAPELM model has better generalization ability and can predict the main steam flow more accurately.
作者
朱清智
董泽
ZHU Qing-zhi;DONG Ze(Hebei Engineering Research Center of Simulation&Optimized Control for Power Generation,North China Electric Power University,Baoding Hebei 071003,China;He Nan Polytechnic Institute,Nanyang Henan 473000,China)
出处
《计算机仿真》
北大核心
2020年第9期93-98,共6页
Computer Simulation
基金
国家自然科学基金资助项目(71471060)
河北省自然科学基金(E2018502111)
中央高校基本科研基金(2018QN097)。
作者简介
朱清智(1980-),男(汉族),河南南阳人,副教授,硕士研究生,研究方向为智能控制理论及应用;董泽(1970-),男(汉族),河北保定人,教授,博士生导师,中国计算机用户协会仿真应用分会理事,研究方向为智能控制理论及应用。
