科研之友
微信
新浪微博
Facebook
分享链接
摘要
为保证广泛参与调峰的燃煤机组的受热面特别是水冷壁的安全运行，本文研究某600 MW超临界直流锅炉的水冷壁热流密度。首先，采用数值模拟的方法，计算选定工况下的水冷壁热流密度分布，并将其作为机器学习的样本数据；其次，通过皮尔逊相关性分析和近邻成分分析，确定特征子集；第三，利用贝叶斯优化结合交叉验证的方法优化支持向量机、提升树和决策树3种算法；最后，基于优选的支持向量机算法并利用LIBSVM工具箱，建立水冷壁热流密度分布预测模型。研究结果表明：煤质参数、给煤量、总风量、一次风量、二次风量、二次风温、燃烧器摆动角度、SOFA风摆动角度、二次风速以及水冷壁网格单元几何中心坐标y和z共11个特征可以作为水冷壁热流密度预测模型的输入变量；贝叶斯优化后的支持向量机模型的框约束为19.53，核尺度为0.80，综合考虑样本容量和预测性能，选用支持向量机模型预测锅炉水冷壁热流密度；水冷壁热流密度分布预测模型在训练集上的均方误差和决定系数分别为0.039 2和0.849 6，模型在测试集上的均方误差和决定系数分别为0.007 7和0.979 7，该模型具有较高的预测精度和较强的泛化能力。
- 出版日期2023
- 单位西安交通大学
