火电机组主蒸汽流量在线监测计算方法.pdf

第 4 2卷第 1 期 2 01 5年 1月 华北 电 力 大 学 学 报 J o u r n a l o f No a h C h i n a E l e c t r i c P o w e r U n i v e r s i t y Vo 1 ． 4 2． No ．1 J a n ．，2 01 5 d o i 1 0 ． 3 9 6 9 ／ j ． I S S N ． 1 0 0 72 6 9 1 ． 2 0 1 5 ． O 1 ． 0 9 火电机组主蒸汽流量在线监测计算方法 齐敏 芳 ，付 忠广 ，陈 菲 ，刘亚辉 ，李 璐 华北 电力大学 电站设备状态监测 与控 制教 育部重点实验室 ，北京 1 0 2 2 0 6 摘 要 火电机组主 蒸汽流量的准确测量 ，对 于机组 的经济性 分析和节能降耗工作具有 重要 的价值 。提 供 了一 种基于平均影响值 的多因素权重 系数 分配 方法 ，并 结合 实际运行数 据 建立 了主 蒸汽流 量的 精确在 线计 算模 型。对比 了常规 的支持 向量机 模型 S V R 、遗传 算法优化的 支持 向量机模 型 G A O S V R 以及 基 于平均影 响值进 行权重 系数分 配及 遗传算 法优化 的 支持 向量机 MI V W- G A O S V R 模型 的计 算精度 。验证 结果 表明 了基于平均影响值 多因素权 重分配方法的有效性及 M I V W． G A O ． S V R主蒸汽流量监测模型 的高精度 性。 关 键词 主蒸汽流量 ；平 均影 响值 ；权重 系数分配 ；遗传算 法优化 ；在 线监测 中图分类号 T K 3 1 3 文献标 识码 A 文章编号 1 0 0 7 2 6 9 1 { 2 0 1 5 0 1 0 0 5 1 0 7 Re s e a r c h o n On- l i n e M o n i t o r i n g Ca l c u l a t i o n M e t h o d o f M a i n S t e a m Fl o w i n Th e r m a l Po we r Un i t s Q I Mi n f a n g ，F u Z h o n g g u a n g ，C H E N F e i ，L I U Y a h u i ，L I L u Ke y L a b o r a t o r y o f C o n d i t i o n Mo n i t o ri n g a n d C o n t r o l f o r P o w e r P l a n t Eq u i p me n t o f Mi n i s t ry o f E d u c a t i o n， N o rt h C h i n a E l e c t r i c P o w e r U n i v e r s i t y ，B e i j i n g 1 0 2 2 0 6 ，C h i n a A b s t r a c t The a c c u r a t e me a s u r e me nt o f t h e ma i n s t e a m f l o w i n t he r m a l p o we r un i t s，h a s s i g ni f i c a n t v a l u e for t h e u n i t s o n e c o no mi c a n a l y s i s a n d en e r g y s a v i n g． A mu l t i - f a c t o r we i g ht c o e ffic i e nt d i s t r i b ut i o n me t ho d b a s e d O i l me a n i mp a c t v a l u e MI VW i s p u t f o r wa r d i n t h e p a p e r a n d a c c u r a t e o n l i n e c a l c u l a t i o n mo d e l o f t h e ma i n s t e a m f l o w c o mb i n e d w i t h t h e a c t u a l o p e r a t i n g d a t a i s e s t a b l i s h e d ．T h e c o n v e n t i o n a l s u p p o r t v e c t o r r e g r e s s i o n mo d e l S V R ，s u p p o rt v e c t o r r e g r e s s i o n mo d e l b a s e d o n g e n e t i c a l g o r i t h m o p t i mi z a t i o n GAO- S VRa n d t h e s u p p o rt v e c t o r r e g r e s s i o n mo d e l b a s e d o n MI VW a n d g e n e t i c a l g o ri t h m o p t i mi z a t i o n MI VW GAO S VR a r e c o mp a r e d i n t h e p a p e r ．T e s t r e s u l t s ma k e i t c l e a r t h a t mu l t i f a c t o r we i g ht c o e f f i c i e n t d i s t r i b ut i o n me t h o d b a s e d o n t h e a v e r a g e i mp a c t v a l ue p r o po s e d i n t hi s p a pe r i s e f - f e c t i v e，a n d h i g h p r e c i s i o n o f MI VW - GAO- SVR mo d e l f o r ma i n s t e a m flo w mo ni t o r i n g i s a c h i e v e d ． Ke y wo r ds ma i n s t e a m flo w；me a n i mp a c t va l u e；we i g ht c o e f f i c i e n t s di s t r i b ut i o n；g e ne t i c a l g o r i t h m o pt i mi z a t i o n；o n l i n e mo n i t o r i ng 0 引 言 主蒸 汽 流量 是 电站机 组 运 行 过 程 中 重要 的运 行 参 数 ， 其 测 量 准 确 与 否 直 接 影 响 热 耗 率 、 煤 耗 率、 机组效率等经济指标 的准确性 ， 对于机组运行 状况 、 经济性在线分析 、 性能在线检测等具有重要 收稿 日期 2 0 1 4 - 0 9 - 0 4 ． 基金项 目国家 自然科 学基 金资 助项 目 5 1 0 3 6 0 0 2 ；中央高校 基本 科 研 业 务 费 专 项 资 金 资 助 项 目 1 3 X S 1 2 ． 2 0 1 4 Z Z D 0 4 ． 的 意义 。 发 电厂 主蒸 汽流 量直 接 测 量 多采 用 成 熟 的标 准节 流装 置 ， 但 由于节 流 装 置 易造 成 压 力 损失 ， 或 者安 装 的仪表 使用 一段 时 间后 精 度下 降 或 故 障失 灵 ， 故 现 场很少 安 装 ， 主蒸 汽 流 量 的在 线 仪 表 直接 测量 难 以实现 。 目前 常用 基 于 机 理分 析 得 到 的反 映汽 轮机 通流 部 分特性 的弗 留格 尔公 式 进 行 主蒸 汽流量的间接计算 。但 由于弗 留格尔公式存 在一定 的适 用 范 围 ， 如弗 留 格 尔 公 式 假 定 通 流 面 积不变 ， 而实际运行 中由于结垢 等原因通流面积 是 变化 的 ； 大 型 机 组 由于 再 热 器 喷 水 减 温 和 对 外 5 2 华 北 电 力 大 学 学 报 抽 汽供 热等 因素 ， 不符 合 弗 留 格 尔 公 式 的 应 用 条 件。文献[ 2 ， 4 ] 虽对弗留格尔公式进行 了改进 ， 但 仍 需要 使用 调节 级后 压 力等 参 数对 计 算 模 型进 行 多次修正 ， 计算繁琐复杂 ， 从而不利于主汽流量 的精 确在线 监测 。 电站机 组 热 力 系 统 的计 算 多 存 在 复 杂 、 非 线 性 、 高维的问题 ， 而支持向量机因其具有适用于高 维 、 小 样本学 习 ， 且泛 化 能 力强 等优 点而 在 热 力 系 统 的软测 量 方 面 得 到 了广 泛 应 用 ’ 。本 文 分 析 了主 蒸汽 的影 响 因 素 ， 基 于平 均 影 响 值 方 法 对 其影响因素进行权重 系数分配 ， 依据反 向建模 的 思想 。 ， 建立遗传算法优化的支持向量机在 线 监测模型 ， 计算结果准确性较高， 能够满足在线监 测 的要求 。 1 遗传算 法优化 的支持 向量机 1 ． 1 支 持 向量机 支 持 向 量 机 S u p p o r t V e c t o r Ma c h i n e ， S V M 适 合小 样 本 学 习 ， 具 有 学 习 速 度 快 、 全 局 最 优 和推广 能 力 强 等 优 点 。该 算 法 在 回归 预 测 、 时 间序列分析、 复杂系统建模 、 函数估计和模型识别 等领 域得 到 了广泛 应用 。 设 给定训 练集 为 T { ， Y 。 ， ， ⋯， ， Y }∈ X， y 1 其 中 ∈X R ， Y ∈YR， i1 ， ⋯ ， Z 。 目的是 利用 该 数据 集求 回归 函数 Y ， 。 一般 用损失 函 数衡量 回归函数 Y 偏离Y 厂 的程度。 假定训练集按 XY上 的某个概率分布 ， P ， y 选取 独 立 同 分 布 的 样 本 点 ， 又 设 给 定 损 失 函 数 c ， Y ， -厂 ， 寻求一个函数 使期望风险 [ f ] f c ， Y d P ， Y 达到极小。 为保 证解 的 稀 疏 性 和 回归 结 果 的鲁 棒 性 ， 采 用 s一不 敏感 损失 函数 L y f x ， W I Y- Ax ， 加 l J o I Y 一 ， 伽 l ≤8 2 【 I Y f x ， W I 一 o t h e r w i s e 其 中 ， Y为 真实 值 ， 为预测 值 。 根 据支 持 向量 机 结 构 风 险最 小 化 原 则 ， 引入 结 构风 险 函数 1 f m R ， ， ll C ∑ ，b， ， f ￡ 一il 3 r Y f一 。 一 b≤ s t { W bY ≤ 4 【 ， 0 式 中 C为惩 罚 参数 ； ， ≥ 0为松 弛 因子 。 根据 朗格 朗 日乘 数 ， 求解 下列 最优 化 问题 1 f mi n ．Q o l ， 一 寺∑ ％一 一 K ， 一 ⋯ 一lJ 1 f l ∑ O L i ∑Y i 一 5 ． Z ．j Oli． - 0 6 【 ， f ∈ [ 0 ， C] 得到 最优 解 ， 并 构造 决策 函数 ∑ 一d K ， b 7 其 中 ， K ， 称 为核 函数 ， 实 现 将非线性的低维空间的 自变量映射到高维特征空 间 ， 以实 现非 线性 回归估 计 。 1 ． 2遗 传算 法优化 S VR参数 函数只要满足 M e r c e r 条件 即可作为核 函数 。根 据经验及参考文献 ， 本文选取径 向基核 函数 R B F 作 为支持向量机的核函数。对于径向基核函数， 其参数 主要有惩罚系数 c 、 核函数参数 o r 、 不敏感损失 函数 8 ， 且参数的选取对模型有很大影响 。 关 于 S V R参 数 优 化选 取 ， 国 际上 多 采 用 交 叉 验 证法 、 网络 搜 索 法 和 经验 公 式 法 等 。 由于 遗 传 算 法作 为一 种模 拟生 物 进化 和 遗 传 的规 律搜 索寻 优 方法 ， 具有 通 用 性 强 、 全 局 最 优 、 搜 索 速 度 快 等 优点 ， 在支持向量机参数优化方面得到 了广泛应 用 。当 0 ． 0 1 5时 ， 支持 向量 机 的精度 相对 较 高 ， 训 练 误 差 随 s的 增 大 变 化 很 小 。 因 此 ， 本 文中 s取常数 0 ． 0 1 ， 应用遗传算法仅对 S V R参数 c和 进行优 化 ” ， 基本 步骤 如下 1 确 定 C和 o r 的初 始取 值范 围 。 2 随机选 择遗 传算 法各参 数 的 初始 值 ， 并采 用某 种编码 构 造初 始种 群 P t 。 3 将 P t 中 的个 体 输 入 S V R模 型进 行 训 练 ， 并计 算 个 体 适 应 度 函 数 值 本 文 中取 均 方 差 Me a n S q u a r e d E r r o r ， MS E 作 为适 应度 函数 。 4 判 断种 群 中 最佳 适 应 度 函数 值 是 否 满 足 要求或者达到最大遗传代数 ， 若满足则转至步骤 6 ， 否 则转 入下 一步 。 5 经选 择 、 交叉 、 变异 产生 新 的种 群 ， 返 回到 第 1 期 齐敏芳 ， 等 火 电机组 主蒸 汽流量在线监测计算方法 5 3 步 骤 3 继 续迭 代 。 6 输 出 S V R参数 C和 的最 优参 数 组合 。 2 基 于平 均 影 响值 的多 因素权 重 系 数 分配方法 平 均 影 响值 Me a n I mp a c t V a l u e ， MI V 最早 是 D o m b i t s l 等人 提出的 ， 用于确定 自变量 对因变量 影响 大小 的一 个指 标 ， 以符 号 代 表相 关 方 向 ， 以绝 对值 大小 代 表影 响 的相 对 重 要性 。文 中用 支 持向量机训练来 计算 平均影响值 ， 对一个 个样 本 、 m个 属性 的样 本 集 P具 体计 算 过程 如下 1 为 避 免输 入 向量 物 理 意 义 和 单 位 的不 同 对 平 均影 响 值 的分 析 和 支 持 向量 机 模 型 的 影 响 ， 对 输 入 向量做 [ 0， 1 ] 区间归 一化 处理 i ，J 上 8 ， 8 I ,j ⋯ 一 J i 式 中 J ⋯ 、 _『 为 第 个指 标 的最 大最 小值 ； i ， J 为指标值归一化的值。 2 用 训 练样 本 尸对 S V R进 行训 练 。 3 训 练终 止后 ， 将 训 练样 本 P 中每一 个 自变 量特征 P ， 在其 原 值 的基 础 上 分 别增 加 或 减 少 1 0 ％ ， 构成 2个 新 的训 练样 本 P 。 和 P j 2 _ 『 l ， 2 ， ⋯ ，m 。 4 将 尸 和 尸 分别作为仿真样本利用 已建 好 的模型进行仿真 ， 得到 2个仿真结果 和 A ， 对 A ，。 和 A 求差值 ， 即为该 自变量变动后对输出产 生 的影 响 变化 值 ， I m p a c t V a l u e 。 5 将 ， 按 仿 真 样 本 数 ／ Z 进 行 平 均 ， 得 该 自 变 量对 于 输 出因变 量 的 MI V值 M I V j I v ,／ n 9 6 利用 各 因素 的 MI V值 归 一 化 来 进 行 权 重 分 配 ， 各 因素 的权 重 系数 分配 公式 为 ∞ M I V j ／ ∑M I V i 1 0 7 得 到权 重系 数矩 阵 W [ 1 ∞ 2 3 ⋯ ] 1 1 可 把此 方法 称 之为 基 于 平 均影 响值 的 多 因 素 权 重系 数分 配方 法 。该 方 法 的优 点 在 于 在 不 损失 原始 信 息 的情况 下 ， 对各 因素 进 行 权 重分 配 ， 权 衡 主要 因素 和次 要 因 素 在 建 模 过 程 中 的 影 响 ， 主要 因素 分 配较 大 的权 重 系数 ， 而 次 要 因 素 分 配 较 小 的权重系数 ， 具有客观性 。平均影 响值 进行变量 筛选 ， 只是 保 留主 要 因 素 ， 而 剔 除次 要 因 素 ， 损 失 了次要 因素 中包含 的部 分信 息 。 3主蒸 汽流量 MI VW G AS VR在 线监测模 型 3 ． 1 MI VW GAS VR 模型 1 设 各 因 素 矩 阵 即 输 入 变 量 矩 阵 为 X [ 。 ， ⋯ ]， 主蒸 汽 流量 即输 出 变量 为 Y [ Y 。 Y Y ⋯Y ]， 利 用第 2节 提 出的基 于 平 均影 响值 的多 因素 权重 分 配 方 法 得 到各 因 素权 重 系数 ∞ 1 ， 2 ， ⋯ ， m ， 构成 权重 矩 阵 w。 2 以权重 系数 矩 阵对 因 素矩 阵进 行 加 权 得 到加权 后 的影 响 因素矩 阵 Q Q W x [ ∞1 2 O 9 3 ⋯∞ 』 ] 1 2 ●●● 即 Q [ Q 。 Q Q 。 ⋯ Q ] [ ∞ 1 X 1 ∞ 2 3 ⋯O 9 S m ] o 91 Xl l o 2 x1 2 0 93 1 3 ⋯ m l m o9 1 2 l ． o2 2 2 o ． 3 x2 3 ⋯ m O ． l Xn 1 , O2 Xn 2 3 xn 3 ⋯ m M 1 2 1 3 3 以 Q [ Q Q Q ， ⋯Q ]为 输 入 变量 ， Y [ Y Y Y ， ⋯Y ]为 输 出变 量 ， 根 据 1 ． 2节的遗传优化 S V R的步骤设定遗传算法参 数 ， 得到最优 S V R参数组合 ， 建立遗传算法优化的 支 持 向量机 主蒸 汽 流量在 线 监测模 型 。 3 ． 2 主 蒸 汽流量 的 影响 因素 分析 及数 据获 取 结 合 目前现 场计 算 主 蒸 汽 流量 的弗 留格 尔 公 式 ， 研究 主 蒸 汽 流 量 与 相 关 热 力 参 数 之 间 的 相 关 关 系 ， 同时 参 考 相 关 文 献 对 主蒸 汽流 量 影 响 因素 的分析 ， 最 终 选 取 机 组 负 荷 、 主 汽 压 力 机 侧 、 主 汽 温 度 机 侧 、 调 节 级 后 压 力 级 后 压 力 、 一 级 抽 汽 压 力 一 抽 压 力 、 一 级 抽 汽 温 度 一 抽 温度 、 高 压 缸 排 汽 压 力 高 排 压力 、 高 压 缸 排汽 温度 高 排 温 度 8个 参 数 作 为 模 型输 入 。 采 用某 6 0 0 MW 机 组 稳定 正 常运 行 时 段 的 2 2 4组 主蒸 汽 流 量 实 测 数 据 ， 并 经 校 正 之 后 作 为 样 本 1 9 4个训 练 样本 ， 3 0个 测试 样 本 ， 样本 均 匀覆 盖 5 4 华 北 电 力 大 学 学 报 了锅 炉 5 0 ％ ～1 0 0 ％负荷 范 围 内的典 型运行 工况 。 4 主蒸 汽 流量 在线 监测 模 型及 结果 分析 文 中采 用 3种方 法 对 同样 的训 练样 本 建 立 模 型 ， 用 同样 的测 试样 本进 行测试 。3种方 法分 别 是 常规 的支 持 向量 机 模 型 S V R ， 遗 传 算 法 优 化 的 支持 向量 机模 型 G A O ． S V R 以及 本本 文提 出 的基 于平均影响值多因素权重系数分配 的遗传算法优 化支 持 向 量 机 模 型 MI V W G A O S V R 。后 2 种方 法采 用 遗 传 算 法 优 化 参 数 ， 加 权 前 后 遗 传 算 法 的 参数设 定 均 为 最 大 遗 传 代 数 2 0 0 ， 种 群 大 小 2 0 ， 终 止 代 数 1 0 0 ， 个 体 长 度 2 O ， 交叉 概 率 为 0 ． 9 ， 变 异概 率 为 0 ． 0 1 。 表 1为 各 因 素 的 MI V值及 其 权 重 分 配 系 数 。 图 1为采用 遗传 算 法优 化 的支持 向量 机进 行 平 均 影 响 值计算 得 到 的 M I V值 柱状 图 ， 其 中 ， 变 量依 次 是 机 组负 荷 、 主汽 压力 、 主汽 温度 、 级后 压 力 、 一 抽 压 力 、 一 抽 温 度 、 高 排 压 力 、 高 排 温 度 8个 参 数 。 从 表 1和 图 1可 以看 出 ， 权 重 系 数 较 大 的 项 主 要 表 1 各 变量 的 MI V值 及 相 应 权 重 系数 Ta b． 1 MI V v a l ue s a nd we i g h t c o e f fic i e n t s o f v a r i a bl es 0 O6 0 0 5 0 04 0 03 O 0 2 0 ol o ．0 01 _ _ I - ．●． ． ． ． 。 一． 1 2 3 4 5 6 7 8 9 1 o 变量 图 1 M1 V值 柱 状 图 Fi g ．1 Hi s t o g r a m o f M I V v a l ue s 是 级后 压力 、 一抽 压力 和 负 荷项 ， 温度 项 的 权重 系 数 较小 。 因此 ， 温 度项 对 主 蒸汽 流 量 的影 响 较 小 ， 负 荷项 和压 力项影 响 较大 。 MI V因素加权 遗传 算 法 优 化 得 到 的最 佳 参 数 组 合为 c 1 7 7 ． 0 2 2 ， g 0 ． 2 9 9 5 。用该 参数 组合 和 1 9 4个 训练样 本 建立 主蒸 汽流量 在线 监测 模 型 ， 并 对 3 0个测 试 样 本 进 行 测 试 。S V R模 型 最 佳 参 数 组 合 C 3 ． 0 3 1 4 3 ， g 3 ． 0 3 1 4 3 ； G A OS V R模 型 最佳参数组 合 C1 3 3 ． 1 9 5 ， g0 ． 1 5 6 4 4 9 。Ⅲ 因素对 训练 样本 加权 前后 遗 传 算法 优 化 支持 向量 机 参数 的适 应度 曲线见 图 2和 图 3 。 图 2 M1 V加 权 之 前 的 最 佳 适 应 度 曲线 Fi g ． 2 Th e be s t fit n e s s c u r v e be f o r e MI V we i g h t e d 图 3 MI V加 权 后 的 最 佳 适 应 度 曲线 Fi g ． 3 Th e be s t fit n e s s c ur v e a f t e r M I V we i g h t e d 对 比图 2和 图 3可 以 看 出 ， 在 因素 MI V加 权 之 前遗传 优 化 的 初 始 适 应 度 在 0 ． 0 4 7附 近 ， 在 种 群 代数 达到 1 8代 时其 最 佳 适应 度 达 到 0 ， 其 平 均 适 应度 在 0～ 0 ． O 1之 间。而 影 响 因素 MI V加 权 后 初 始适 应度 仅 11 0～， 在 种 群 约 为 3代 时 ， 最 佳 适 应度 及平 均 适 应 度 迅 速 趋 于 0 。3种 模 型 的测 试 结果 见 图 4 。 由图 4可 以看 出 ， MI V W G A O一 趔蜊 倒 第 1期 齐敏芳 ， 等 火电机组 主蒸汽流 量在 线监测计算方法 5 5 S V R模 型 的 预 测 值 与 真 实 值 更 为 接 近 。 图 5为 MI V W G A OS V R模 型 预 测 值 与 真 实 值 之 间 的 相 对误 差 图 。经计 算 ， MI V W G A OS V R模 型 的 最 大 绝 对 误 差 为 5 ． 9 8 6 1 t ／ h ， 平 均 绝 对 误 差 为 2 ． 5 4 4 6 t ／ h ， 最 大绝 对相 对误 差 为 0 ． 4 9 2 9 ％ ， 平 均 绝 对相 对误 差 为 0 ． 1 8％ 。 图 4测 试 结 果 图 Fi g ． 4 Te s t r e s u l t s c h a r t 文 中选择 了平 均 绝 对 误 差 m e a n a b s o l u t e e r - r o r ， MA E 、 平 均 相 对 误 差 绝 对 值 m e a n a b s o l u t e r e l a t i v e e r r o r MA R E 和 均 方 根 误 差 r o o t me a n s q u a r e d e r r o r ， R MS E 作 为模 型 优 劣 的 评 价 指 标 ， 见 式 1 4 、 1 5 、 1 6 。 M A E 1∑ I Y 一 y l 1 4 ⋯ 0。 MARE 塞 c R ．s E 瓣 ‘ 16 饕 焉 囊 髯 图 5 测 试 样 本 真 实 值 与 MI V W G AO S VR模 型 预 测值 相 对 误 差 F i g ． 5 Re l a t i v e e r r o r b e t we e n r e a l da t a o f t e s t s a m - p i es a nd p r e d i c t e d v a l ue s o f MI VW -GAO S VR mo de l 式中 Y 为第 i 个样本的实际值 ； Y 为第 i 个样本的 预测 值 ； n为预 测样 本个 数 。 为了说明基于平均影 响值的多因素权重系数 分配 方法 的有 效性 及 MI V W G A OS VR模 型 的 精确 度 ， 将 S V R模 型 、 G A OS V R模 型及 MI V W G A OS V R模 型 进 行 了对 比分 析 ， 各 指 标 计 算 结 果见 表 2 。 从表 2可 以 发 现 ， 用 同样 的训 练 样 本 进 行 训 练 ， 对于 同样 的 测 试 样 本 进 行 测 试 ， MI V W G A O S V R模 型训 练 样 本 和测 试 样本 的 MA E、 MA R E、 R MS E均 为最 小 ； MI V W G A OS V R模 型测 试 样 本的 3个 指标值 与其训 练样本 的 3个指标 值相 当 ， 可 以看 出该模 型具 有较 强 的泛化 能力 。 表 2评 价 指 标 对 比 Ta b． 2 Co mpa r i s o n o f e v a l u a t i o n i n d e x 5 结 论 1 文 中基 于平 均影 响 值方 法 ， 提 出了一 种 多 因素权 重 系数 分 配 方 法 ， 并 将 其 用 于 主蒸 汽 流 量 的影 响 因素 权 重 系 数 分 配 ； 主 蒸 汽 流 量 影 响 因 素 进 行 权重 系 数 加 权 后 ， 遗 传 算 法 参 数 寻 优 的进 程 加快且寻优结果明显优于影 响因素加权之前。结 果对 比表明了基于平均影响值的权重系数分配方 法 的有效性 。 5 6 华 北 电 力 大 学 学 报 2 0 1 5矩 2 通过 平 均影 响值 进 行 影 响 因素 权 重 系 数 分配和利用遗传算法优化支持 向量机参 数， 得到 了 MI V W G A O S V R 主 蒸 汽 流 量 在 线 监 测 模 型 ， 并将 MI V W G A OS V R模 型 与 S V R模 型 和 G A O S V R模 型做 了对 比分 析 。分 析表 明 ， MI V W G A OS V R模 型训 练 样 本 和测 试 样本 的 MA E 、 MA R E、 R M S E均 小 于 S V R模 型 和 G A O S V R模 型， 且其测试样本与测试样本 的 3个指标值相 当， 因而 MI V W G A OS V R模 型 精 度 较 高 ， 且 具 有 较 强 的泛化 能 力 ， 为 主 蒸 汽 流 量 在 线 监 测 提 供 了 一 种新 的方 法 。 参 考文献 [1]孙轶卿 ，朱小花．火电厂主蒸 汽流量测量 方法研 究 [ J ] ．上海计量测试 ，2 0 0 8 3 4 4 4 6 ． SUN Yi qi ng， ZHU Xi a o h u a． St ud y o n t h e me a s u r e me n t o f ma i n s t r e a m fl u x i n p o w e r p l a n t s[ J ] ．S h a n g h a i Me a s u r e me n t a n d T e s t i n g ，2 0 0 8 3 4 44 6 ． [ 2]汪军 ，周 建新 ，司风琪 ，等．汽轮机 主蒸 汽流量 在 线计 算 方 法 及 应 用[ J ] ．热 力 发 电 ，2 0 1 0 ，3 9 1 0 4 24 5 ． W AN G J u n， Z HOU J i a n x i n ， S I F e n g q i ， e t a 1 ． On l i n e c a l c u l a t i o n me t ho d f o r t he ma i n s t e a m flo w r a t e o f s t e a m t u r b i n e a n d i t s a p p l i c a t i o n [ J ] ．T h e r ma l P o w e r G e n e r a t i o n，2 01 0，3 9 1 0 4 24 5 ． [ 3]李勇 ，王建君 ，曹丽华．汽轮机 主蒸汽 流量在线 监 测方 法研究 [ J ] ．热力发 电，2 0 1 1 ，4 0 4 3 3 3 6， 4 0． L I Y o n g ，WANG J i a n j u n ， C AO L i h u a ． S t u d y o n t h e o n l i n e mo n i t o r i ng o f ma i n s t e a m fl o w r a t e f o r s t e a m t u r b i n e s [ J] ． T h e r m a l P o w e r G e n e r a t i o n ，2 0 1 1 ，4 0 43 33 6，4 0 ． [4]冯伟 忠 ． 大 机 组 主 蒸 汽 流 量 测 量 刍 议[ J ] ． 华 东 电 力 ，2 0 0 0，2 8 1 2 1 41 7． FENG W e i z h o n g． Humb l e o pi n i o n o n me a s ur a me n t o f t h e m a i n s t e a m fl o w i n l a r g e p o w e r u n i t s [ J ] ．E a s t C h i n a El e c t r i c P o we r ，2 0 0 0，2 8 1 2 1 41 7 ． [ 5]徐大懋 ，邓德兵 ，王世 勇 ，等．汽轮机 的特征通 流 面积及 弗 留 格 尔 公 式 改 进[ J ] ．动 力 工 程 学 报 ， 2 0l 0，3 0 74 7 34 7 7 ． XU Da ma o， DENG De b i ng， WANG S hi y o n g， e t a 1 ． Ap p l i c a t i o n o f c ha r a c t e r i s t i c flo w a r e a o f s t e a m t u r bi ne s a n d i m p r o v e m e n t o n F l t i g e l F o r mu l a [ J ] ．J o u r n a l o f C h i n e s e S o c i e t y o f P o w e r E n g i n e e r i n g ，2 0 1 0，3 0 7 4 73 47 7． [ 6]王雷 ，张瑞 青 ， 肖增 弘 ，等．基 于 S V M 的主蒸 汽 流量 回归 估 计[ J ] ．华 东 电 力 ，2 0 0 8 ，2 3 1 2 8 9 92． W ANG L e i ， ZHANG Ru i q i n g， XI AO Ze ng ho n g， e t a 1 ． Re g r e s s i o n me a s u r e me n t o f ma i n s t e a m flo w b a s e d o n s u p p o r t v e c t o r ma c h i n e [ J ] ． E a s t c h i n a e l e c t r i c p o we r ，2 0 0 8 ，3 6 1 2 8 99 2 ． [7]周建新 ，王 雷 ，吴海 姬 ，等．基于支 持向量 回归 的 大容量机 组主 蒸汽 流量建 模 [ J ] ．热 能动 力工 程 ， 2 0