计及先验知识及烟温偏差约束的四角切圆锅炉燃烧优化

对某660 MW切圆燃烧锅炉进行了单因素调整试验。基于试验数据,建立强化趋势学习的先验支持向量机(先验SVR)模型,实现了CO、飞灰含碳量、NO_x浓度、烟温偏差等参数的软测量。结果表明,先验SVR模型比基于交叉验证法的PSO-SVR模型具有更好的泛化能力,建模平均相对误差降低2%左右,能正确地描述燃烧特性。在此基础上,采用多目标遗传优化算法,计算不同烟温偏差限值条件下的锅炉效率最高、NO_x最低的Pareto前沿线,推荐运行方式的烟温偏差较传统燃烧优化结果降低25℃,电站锅炉在安全范围内能够更加经济、环保地运行。