论文部分内容阅读
为及时准确地预测空冷机组的整机性能,引入了基于智能算法的大数据分析方法。针对某600 MW空冷火电机组全年的历史运行数据进行预处理与稳态工况筛选,分别建立了基于反向传播(BP)神经网络和随机森林算法的机组负荷预测模型。预测结果对比分析和模型敏感性分析表明,随机森林预测模型具有精度高、泛化能力强、训练时间短等优点。为优化随机森林模型,通过皮尔森相关系数筛选模型输入特征并根据机组功率进行分负荷工况建模,优化后的模型性能得到了进一步提升。