针对汽轮机变工况运行存在负荷偏差的问题,提出一种基于差分进化算法(differential evolution,DE)和多标签随机森林(multi-label random forest,MLRF)结合的汽轮机负荷偏差原因分类模型。通过斯皮尔曼(Spearman)相关性系数,分析影响汽...针对汽轮机变工况运行存在负荷偏差的问题,提出一种基于差分进化算法(differential evolution,DE)和多标签随机森林(multi-label random forest,MLRF)结合的汽轮机负荷偏差原因分类模型。通过斯皮尔曼(Spearman)相关性系数,分析影响汽轮机负荷出力的相关联变量;采用DE算法优化MLRF模型参数,建立基于DE-MLRF的汽轮机负荷偏差原因分类模型。结合某660 MW汽轮机实际运行数据进行实验验证,结果表明,与其他7种算法相比,DE算法优化的MLRF模型误报率(1.9024%)、漏报率(1.8541%)最低,可为汽轮机负荷偏差原因定位提供决策支持。展开更多
文摘针对汽轮机变工况运行存在负荷偏差的问题,提出一种基于差分进化算法(differential evolution,DE)和多标签随机森林(multi-label random forest,MLRF)结合的汽轮机负荷偏差原因分类模型。通过斯皮尔曼(Spearman)相关性系数,分析影响汽轮机负荷出力的相关联变量;采用DE算法优化MLRF模型参数,建立基于DE-MLRF的汽轮机负荷偏差原因分类模型。结合某660 MW汽轮机实际运行数据进行实验验证,结果表明,与其他7种算法相比,DE算法优化的MLRF模型误报率(1.9024%)、漏报率(1.8541%)最低,可为汽轮机负荷偏差原因定位提供决策支持。
