摘要:余热锅炉主蒸汽参数对于联合循环机组的健康运行至关重要。针对余热锅炉内部非线性运行变量多和主蒸汽状态参数时延长的问题,提出了一种融合改进的核主成分分析法(KPCA)、改进的鹈鹕优化算法((Pelican Optimization Algorithm, POA)和双向门控循环神经网络(BiGRU)的余热锅炉主蒸汽参数预测模型。首先,采集燃机电厂的SIS运行数据,通过灰色相关性分析法(Grey correlation analysis)确定输入变量;其次,通过KPCA提取输入参数的特征信息,并根据主成分贡献率选取输入维度;最后,利用Sine混沌映射算法和WOA螺旋更新机制改进的正余弦策略改进POA,构建KPCA-IPOA-BiGRU进行三个压力级的余热锅炉主蒸汽参数预测测验。结果表明:对于三个压力级的出口蒸汽参数,提出的模型R2均大于98%,相较于对照模型具有更好的预测效果。