基于K-Means聚类与Ridge回归算法的煤炭发热量预测研究

作     者：乔世超 陈衡 李博 潘佩媛 徐钢 QIAO Shichao;CHEN Heng;LI Bo;PAN Peiyuan;XU Gang

作者机构：热电生产过程污染物监测与控制北京市重点实验室(华北电力大学)北京市昌平区102206 

出 版 物：《发电技术》 (Power Generation Technology)

年 卷 期：2025年第46卷第1期

页      面：135-144页

核心收录：

学科分类：080702[工学-热能工程] 08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：国家自然科学基金青年项目(52106008) 国家自然科学基金创新研究群体项目(51821004) 

主　　题：燃煤电厂 煤炭发热量 工业分析 预测 K-Means聚类 Ridge回归 

摘      要：【目的】煤炭发热量是衡量煤质的重要评价标准之一,也是动力用煤计价的主要依据。为了能够在降低预测成本的前提下实现对煤炭发热量的高精度快速预测,提出了一种新的预测方法。【方法】采用K-Means聚类算法对相似煤种进行聚类,样本数据来源于山东某电厂自备煤场近6年的4269条入场化验信息。在聚类的基础上,分别建立工业分析数据低位发热量的Ridge回归模型,以此作为煤炭发热量的预测模型。【结果】所建立的K-Means聚类与Ridge回归混合模型在预测效果上表现出色。与传统的多元线性回归模型相比,该混合模型可将平均绝对值误差最高减少30.525%,均方根误差最高降低60.054%,相关系数最高提高2.320%。【结论】K-Means聚类与Ridge回归混合模型不仅降低了煤炭发热量的预测成本,还提高了预测的精度和速度,为煤炭发热量的预测提供了一种新思路。