原创《基于双层聚类和GSA—LSSVM汽轮机热耗率多模型预测》：关于免费聚类论文范文在这里免费下载与阅读,为您的聚类相关论文写作提供资料。
摘 要：针对单模型难以精确描述具有复杂非线性特性的汽轮机热耗率的问题,提出一种新的热耗率多模型建模方法.首先应用GK算法分析出最优聚类个数以及初始聚类中心,避免了聚类数确定的盲目性；然后利用核模糊c均值算法对热耗率样本集做出聚类划分,在每个子空间中利用最小二乘支持向量机（LSSVM）辨识出相应子模型,同时,为了保证子模型精确度,采用引力搜索算法来解决LSSVM参数优化问题；最后,将子模型通过隶属度值加权融合得到精确的热耗率预测模型.以某600Mw超临界汽轮机组为研究对象,基于现场数据建立汽轮机热耗率预报模型,仿真结果验证了提出的多模型建模方法具有较高的预报精确度和泛化能力.
关键词：多模型；热耗率；引力搜索算法；最小二乘支持向量机；聚类
中图分类号：TP 18 文献标志码：A 文章编号：1007-449X（2016）03-0090-06
0 引言
精确的汽轮机热耗率值对于火电厂安全、稳定、高效运行具有重要意义.针对热耗率及其影响因素之间的非线性关系,一种可行的方法是采用回归方法来计算热耗率.文献采用偏最小二乘算法预测热耗率值,文献采用BP神经网络分析汽轮机特性,王雷等人提出基于支持向量机的热耗率预测模型,这些方法在一定程度上取得了较好的预报精确度.然而,随着机组工作在变负荷状态下,且具有周期性重复运行特点,单一模型很难精确描述其特性.近来,基于分解一合成的多模型建模策略在解决复杂工业过程控制问题中取得了成功应用.因此,采用多模型建模策略建立热耗率模型无疑是非常适宜的.
核模糊C均值（kernel fuzzy c-means,KFCM）是一种常用的聚类方法,然而,KFCM一般要求事先给定聚类个数c,c的大小和初始聚类中心直接影响聚类精度.由由于Gustafson-Kessel（G-K）算法是基于协方差矩阵加权的自适应距离度量,它对初始聚类中心敏感性较差.基于此,本文提出基于G-K算法的KFCM双层聚类算法,以解决KFCM的不足.
针对各个子系统,采用最小二乘支持向量机（1east square support vector machine,LSSVM）建立局部模型,然而,正规化参数和核参数是影响LSSVM模型精度的关键参数.引力搜索算法（grav-itational search algorithm,GSA）是一种新的智能优化技术,因其具有结构简单、易于实现、优化速度快的优点而得到广泛应用,因此,本文采用GSA算法解决LSSVM参数优化问题.最后,建立了某600MW超临界汽轮机组热耗率,仿真结果验证了该方法的有效性.
1 双层聚类方法分析和设计
1.1 核模糊C均值聚类
假设样本集xi∈RM,（i等于1,2,等,N）,样本分类数为c,利用高斯核函数将样本从输入空间映射到特征空间F进行聚类.高斯核函数定义为（1）
1.2 双层聚类算法
KFCM对聚类个数和初始聚类中心比较敏感.而G-K算法是基于协方差矩阵加权的自适应距离度量,它对聚类中心初始值敏感性较差.因此,提出基于G-K算法的双层聚类.首先利用G-K算法根据聚类有效性指标初始分析数据样本,计算出最优聚类个数c和初始聚类中心vi；然后,利用KFCM算法将整个样本集划分为不同工况的子系统..聚类性能指标partition idex（SC）和Xie-Beni（XB）可以定义为（6）（7）式中：SC指标反映了分类簇的紧凑程度,SC越小意味着划分越紧凑；XB指标反映了簇内的紧致性和簇间的分离性；分子用于评价簇内的紧致性,分母用于评价簇间的分离性；XB越小,表明聚类效果越好.
2 LSSVM子模型
2.1 模型结构
采用LSSVM建立子模型,模型表达式为（8）式中：K（xi,x）为核函数,6为偏置、
常见核函数有多项式核函数、sigmoidal核函数、RBF核函数等.选用RBF核函数,其表示为（9）式中σ为核宽度.
2.2 GSA优化的LSSVM
正规化参数C和核参数σ2是影响LSSVM模型精确度的关键参数,采用GSA算法解决LSSVM参数选择的问题,其具体优化步骤如下：
3 多模型建模算法
考虑热耗率样本集：D等于{Xk,Y|Xk∈Rm},Xk为第k个输入向量,m为向量的特征数；Y为热耗率.图1为热耗率建模流程图,其建模步骤如下：
1）初始化聚类参数c和vi.vi为KFCM的初始聚类中心,其值为GK聚类得到的聚类中心；
2）通过KFCM优化聚类中心和隶属度μik,进行热耗率样本的聚类划分：按式（4）、式（5）更新隶属度和聚类中心,直至隶属度稳定,并保存隶属度μik；
3）建立局部模型.对聚类子样本Cluster sam-ples采用引力搜索算法优化的LSSVM建立c个子模型fi等于{yi|i等于1,2,等,c}；
4）采用隶属度值ui融合子模型.
（16）
5）利用多模型建模方法对测试样本进行辨识.
4 热耗率多模型建模实验
4.1 热耗率数据
汽轮机热耗率是指汽轮发电机组每发1kWh的电能所消耗的热量.影响汽轮机热耗率有两大因素：1）汽轮机“健康状况”,2）机组的运行参数.汽轮机运行数据中充分包含了在不同工况范围内的动态特性信息,也蕴含有汽轮机“健康状况”信息.以某火电厂600 MW超临界汽轮机组（CLN600-24.2/566/566 MW）为研究对象,其中289组数据样本是由集散控制系统中每隔1小时采样一次而得,数据样本是在312.4 MW到564.9 MW之间,表1为部分数据列表.将其中覆盖机组各种典型运行T况的217组样本用来训练模型,另外72组样本用来预测模型.汽轮机热耗率非线性模型为：
聚类论文参考资料：
结论：基于双层聚类和GSA—LSSVM汽轮机热耗率多模型预测为适合聚类论文写作的大学硕士及相关本科毕业论文，相关聚类算法开题报告范文和学术职称论文参考文献下载。
