乔世超、王轶男、吕佳阳：基于SC-XGBoost的电站燃煤低位发热量软测量方法（煤炭科学技术.2024.52）
随着国家大力推进能源供给侧结构性改革，新能源装机容量不断提升，电力市场竞争愈加激烈。另一方面，全球煤炭市场的复杂多变，导致以煤炭为能量来源的发电企业成本上涨。燃煤发热量是衡量煤质的重要评价标准之一，也是采购煤炭最重要的依据，对燃煤发热量进行准确预测能够有效地控制电厂运行采购成本。为了实现燃煤发热量的高效预测，采用Pearson系数对相关变量进行特征选取，采用基于密度的噪点空间聚类（DBSCAN）算法对某电厂自备煤厂近2年1733条化验数据进行去噪，对去噪后数据进行谱聚类分析。将分类后的子样本集采用极致梯度提升（XGBoost）算法分别建立预测模型，并与最小二乘法回归、支持向量机模型进行性能比较。结果表明，基于？XGBoost？的电站燃煤发热量预测模型相较于其他算法准确性有明显提升，泛化能力更强。对经过SC？算法分类后的燃煤分别建立预测模型能够进一步提高模型的精细化水平，为燃煤电站发热量预测提供一种可靠高效的方法。
