基于支持向量机和果蝇优化算法的循环流化床锅炉NO_x排放特性研究

为了控制循环流化床(CFB)锅炉的NOx排放量,以某热电厂300MW CFB锅炉测试数据为样本,应用支持向量机(SVM)建立NOx排放特性预测模型.针对SVM回归预测需要人为确定相关参数的不足,应用果蝇优化算法(FOA)优化SVM参数,采用不同工况下的样本数据检验FOA-SVM模型的预测性能,并将该模型的预测结果与粒子群算法(PSO)、遗传算法(GA)和万有引力搜索算法(GSA)优化的SVM模型预测结果进行了比较.结果表明:FOA-SVM模型的泛化能力较强,预测精度较高,训练时间较短,可以相对快速、准确地预测NOx排放质量浓度.     

基于GSA-LSSVM的循环流化床锅炉飞灰含碳量预测

为了控制循环流化床锅炉飞灰含碳量,提高锅炉燃烧效率。以某电厂循环流化床锅炉燃烧数据为样本,应用最小二乘支持向量机(LSSVM)建立了以锅炉运行参数为输入量,以锅炉飞灰含碳量为输出的模型。由于最小二乘支持向量机的参数决定了模型精度及泛化能力,将万有引力搜索算法(GSA)运用到模型参数寻优过程中,得到了飞灰含碳量最优模型GSA-LSSVM;并利用不同工况下的样本数据检验了模型的预测性能,并将该模型分别与粒子群(PSO)和遗传算法(GA)优化的LSSVM模型进行比较,仿真实验证明GSALSSVM模型具有很好的辨识能力及泛化能力。     

基于支持向量机和遗传算法的燃煤电站锅炉多目标燃烧优化

本文采用支持向量机方法建立了350MW燃煤电站锅炉NOx预测模型和锅炉效率预测模型,并采用遗传算法对NOx和锅炉效率进行多目标优化,表明支持向量机和遗传算法可以用于指导参数调节,进行燃烧优化。     

基于支持向量机和遗传算法的燃煤电站锅炉多目标燃烧优化

采用支持向量机方法建立350MW燃煤电站锅炉NOx预测模型和锅炉效率预测模型,并采用遗传算法对NOx和锅炉效率进行多目标优化,表明支持向量机和遗传算法可以用于指导参数调节,进行燃烧优化。     

基于改进人工蜂群算法的锅炉NO_x排放预测优化

针对电厂循环流化床锅炉NOx排放问题进行了研究,并对人工蜂群算法进行了改进,结合最小二乘支持向量机建立了锅炉燃烧NOx排放模型,对锅炉可调参量进行了优化,降低了NOx排放浓度。将改进的人工蜂群算法与基本的人工蜂群算法和粒子群算法进行比较,说明基于改进人工蜂群算法所建立的模型能够很好的预测NOx的排放浓度,具有很强的辨识能力和泛化能力,同时也表明了改进人工蜂群算法计算速度快的优点及优化数据上的优势,通过仿真试验,优化后NOx排放浓度明显降低,体现了其工程实用价值。     

基于支持向量机的燃烧过程飞灰含碳量与NOx排放特性模型

大型四角切圆电站锅炉NOx排放和飞灰含碳量是燃烧优化的两个方面,也是电厂关心的重要问题。影响两者的因素众多而且复杂,对锅炉飞灰含碳量和NOx排放特性进行建模是实现燃烧优化的一个前提。文中首先利用交叉验证算法分析样本数据,对支持向量机中的参数C和σ进行选择,再应用支持向量机理论建立了飞灰含碳量和NOx排放特性模型,最后利用试验数据对模型进行了校验。研究结果表明,采用支持向量机算法建模误差较小,达到了比较准确的预测效果。     

基于共享最小二乘支持向量机模型的电站锅炉燃烧系统的优化

电站锅炉燃烧系统是一个复杂的多输入多输出系统,为了在同一个模型中实现高效率、低污染物排放的优化目标,对标准最小二乘支持向量机回归方法进行了扩展．借助某电厂1000MW超超临界锅炉的现场燃烧调整试验数据,建立了以锅炉热效率和NOx排放质量浓度为输出的共享最小二乘支持向量机（LSSVM）模型,采用一种改进的粒子群算法对共享模型中的锅炉运行工况进行了寻优．结果表明：在共享LSSVM模型中,锅炉热效率和NOx排放质量浓度的平均预测误差分别可达到0．028％和2．16％,搜索得到的高效率和低NOx排放的参数组合可为电站锅炉优化运行提供指导．     

一种改进型LSSVM模型在电站锅炉燃烧与优化中的应用

采用鲁棒交叉验证算法对传统最小二乘支持向量机模型进行改进,并对某350 MW机组的锅炉燃烧系统进行建模,用以预测锅炉出口烟气参数的变化。结果表明:鲁棒交叉验证最小二乘支持向量机建模方法提高了模型的预测精度,增强了模型的鲁棒性,有效避免了单一元素误差对预测结果的影响;通过优化锅炉燃烧系统输入参数的组合,可以有效提高锅炉的整体经济效益并降低NOx的生成量。     

基于SVM的对冲燃煤锅炉NOx排放特性

提出了一种基于支持向量机理论在燃煤锅炉NOx排放预测的方法．对某台300 MW旋流对冲燃煤电站锅炉进行了多工况热态试验,考虑温度对NOx生成的影响,利用火焰诊断系统对炉膛温度场进行了测量．应用支持向量机理论建立了NOx排放特性模型并进行了校验．通过同神经网络模型比较,证实了该模型泛化能力强、预测精度高的优点．该模型可为电厂锅炉通过燃烧调整降低NOx排放提供参考．     

电站锅炉NOx排放与效率的混合建模及优化

由于锅炉设备庞大,运行条件复杂,煤种多变等因素,很难建立锅炉NOx排放与效率的函数模型。利用最小二乘支持向量机(LS-SVM)建立了以锅炉NOx排放与热效率为输出的混合模型,并对此模型进行了校验。结果表明,该模型具有调节参数少、运算速度快、结果稳定、预测精度高等优点,可以根据燃煤特性以及各操作参数准确预报锅炉在不同工况下的NOx排放和效率。针对模型的多目标优化问题,采用多目标粒子群优化算法MOPSO(multiple objective particle swarm optimization)对某工况进行优化仿真,在提高效率的同时降低了NOx排放。