基于鲸鱼优化算法的汽轮机热耗率模型预测

为了准确地建立汽轮机热耗率预测模型,提出了一种基于反向学习自适应的鲸鱼优化算法（AWOA）和快速学习网（FLN）综合建模的方法。首先将改进后的鲸鱼算法与经典改进的粒子群、差分进化算法和基本鲸鱼算法进行比较,结果证明其具有更高的收敛精度和更快的收敛速度;然后采用某热电厂600 MW超临界汽轮机组现场收集的运行数据建立汽轮机热耗率预测模型,并将改进后的鲸鱼算法优化的快速学习网模型的预测结果与基本快速学习网及经典改进的粒子群、差分进化算法和基本鲸鱼算法优化的快速学习网模型预测结果相比较。结果表明,AWOA-FLN预测模型具有更高的预测精度和更强的泛化能力,更能准确地预测汽轮机的热耗率。     

基于自适应量子灰狼算法的锅炉NO_x预测模型

为更加精确地建立火电厂循环流化床锅炉NO_x排放质量浓度的预测模型,提出了一种利用量子位Bloch坐标球面生成编码的自适应量子灰狼算法(AQGWO)来优化快速学习网(FLN)的模型。将AQGWO与差分、粒子群等算法的优化能力进行比较,进而验证该算法优化的精度和收敛速度。在不同工况下实时采集某火电厂300 MW循环流化床锅炉的实验数据,在相同条件下将AQGWO-FLN模型与利用其他算法优化的FLN模型、基本FLN模型的预测结果进行对比。结果表明:利用AQGWO-FLN的模型具有最好的预测精度和泛化能力,可有效准确地预测火电厂锅炉的NO_x排放质量浓度。     

基于正弦余弦算法的汽轮机热耗率预测

为了准确建立汽轮机热耗率预测模型,提出了一种基于量子位Bloch坐标编码自适应的改进后正弦余弦算法(ASCA)和快速学习网(FLN)综合建模的方法.首先将ASCA算法与经典的人工蜂群优化算法(ABC)、教与学优化算法(TLBO)和正弦余弦算法(SCA)进行比较,最后利用某600MW超临界汽轮机组现场运行数据建立汽轮机热耗率预测模型,并将ASCA算法优化的FLN模型(即ASCA-FLN模型)的预测结果与FLN、ABC-FLN、TLBO-FLN和SCA-FLN模型的预测结果进行比较.结果表明:ASCA-FLN模型具有更高的预测精度和更强的泛化能力,更能准确地预测汽轮机的热耗率.