基于AM-RFR-PSO混合算法的燃煤机组变负荷速率优化

来源：动力工程学报杂志2026年第7期北京时间：

作者：赵子淳, 李晓博, 陈衡, 任硕, 姚磊, 李昱, 张俊姣,

摘要：在深度调峰背景下,火电机组出现升降负荷速率慢、无法及时响应调峰要求的问题,为提高机组变负荷速率,提出了一种融合注意力机制的随机森林-粒子群混合算法(AM-RFR-PSO)的燃煤机组运行优化方法。首先使用相关性分析选出与机组输出功率相关的运行参数作为模型特征变量,引入注意力机制对随机森林算法进行改进,使用改进后的算法对火电机组输出功率进行预测建模,并与其他算法进行对比,最后使用粒子群算法对主要特征变量进行优化,提高火电机组的升降负荷速率。结果表明:与其他算法相比,AM-RFR预测模型的均方根误差、平均绝对误差最低,回归系数最高,证明该模型的预测精度较高,经过PSO优化后的运行参数可以使机组的升降负荷速率提升接近5%,可以有效提升机组的响应速度。

关键词：燃煤机组,深度调峰,混合算法,变负荷速率,机组运行优化,