杜志祥,等:基于差分狼群算法优化SVM的主蒸汽流量测量电站辅机总第１６５期(２０２３No．２)３种算法预测结果的均方误差、平均相对误差、最大相对误差对比如表２所示.表２３种算法预测结果的误差方法均方误差MSE平均相对误差MRE最大相对误差PSO０．００００２１４０．００２１０．００８GAO０．００００１７１０．００１８０．００８DEWPA０．００００１６９０．０００９３０．００３３４结论(１)普通狼群算法的头狼信号具有绝对的领导力,算法易陷入局部最优,而差分进化有很强的全局搜索能力,解决局部搜索能力不足问题.使用差分进化狼群算法优化选取支持向量机模型的惩罚参数c和核函数g,很好的保证了主蒸汽流量预测模型的泛化能力和预测精度.(２)采用三种方法进行主蒸汽流量预测,仿真结果表明:PSO和GAO的平均相对误差为０．００２１和０．００１８,使用DEWPA后,得到的均方误差仅为０．００００１６９,平均相对误差和最大相对误差均大大降低,因此,DEWPA相对于PSO和GAO,具有更高的预测精度.(３)差分进化优化狼群算法具有设置的参数少,预测精度高的特点.基于差分进化狼群算法优化支持向量机的主蒸汽流量测量,为主蒸汽流量预测提供了一种新的手段.参考文献:[１]王建星,付忠广,靳涛,等．基于广义回归神经网络的机组主蒸汽流量测定[J]．动力工程学报,２０１２,３２(０２):１３０Ｇ１３４＋１５８．[２]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,２００８(０２):１２２Ｇ１２６＋２１２Ｇ２１３．[３]王雷,张瑞青,肖增弘,等．基于SVM的主蒸汽流量回归估计[J]．华东电力,２００８,３６(１２):８９Ｇ９２．[４]张维平,赵文蕾,李国强,等．基于粗糙集与最小二乘支持向量回归的汽轮机主蒸汽流量预测[J]．计量学报,２０１５,３６(０１):４３Ｇ４７．[５]周云龙,王迪．基于PSOＧLSＧSVM的主蒸汽流量测量[J]．化工自动化及仪表,２０１５,４２(０４):３７４Ｇ３７７．[６]齐敏芳,付忠广,陈菲,等．火电机组主蒸汽流量在线监测计算方法[J]．华北电力大学学报(自然科学版),２０１５,４２(０１):５１Ｇ５７．[７]张新明,涂强,康强,等．灰狼优化与差分进化的混合算法及函数优化[J]．计算机科学,２０１７,４４(０９):９３Ｇ９８＋１２４．[８]黄文秀．粒子群优化算法的发展研究[J]．软件,２０１４,３５(０４):７３Ｇ７７．[９]边霞,米良．遗传算法理论及其应用研究进展[J]．计算机应用研究,２０１０,２７(０７):２４２５Ｇ２４...
