共查询到10条相似文献,搜索用时 62 毫秒
1.
2.
3.
为了实现“双碳”目标,对电站锅炉燃烧系统进行改造升级势在必行。首先利用精英反向学习策略、动态惯性权重和自适应t分布变异对麻雀搜索算法(SSA)的种群初始化和位置更新进行改进,获得一种新的改进麻雀搜索算法(ISSA)。然后通过ISSA优化核极限学习机(KELM)的正则化系数和核函数参数,建立ISAA-KELM锅炉燃烧特性预测模型。采用该预测模型对某超超临界660 MW机组实际运行数据进行预测,预测结果得到锅炉NOx排放质量浓度和锅炉热效率的平均绝对误差率分别为1.441 7%和0.023 9%,预测效果较好。最后,根据该模型预测结果,利用ISSA对2种典型工况锅炉运行可调参数进行寻优,优化后低负荷工况锅炉NOx排放质量浓度降低约91.73 mg/m3,热效率提高0.54%,高负荷工况锅炉NOx排放质量浓度降低约45.96 mg/m3,热效率提高0.50%。 相似文献
4.
针对燃煤电厂NOx排放的预测问题,提出了基于粒子群优化算法和双向门控循环(PSO-Bi- GRU)神经网络的NOx排放预测模型。通过主成分分析对影响NOx排放的运行参数进行降维,消除变量间的耦合;基于双向门控循环神经网络学习NOx排放的非线性特性和前后时序信息,提高特征提取能力;采用粒子群算法对Bi-GRU神经网络模型进行超参数寻优,使网络结构最大程度匹配影响NOx排放的变量特征,克服依靠经验选取或手动调节参数而导致预测精度低的问题。最后基于某电厂660 MW机组燃煤锅炉运行参数,建立NOx排放预测模型,并与单向门控循环神经网络、传统Bi-GRU神经网络预测模型进行对比。仿真结果表明,PSO-Bi-GRU神经网络模型预测效果最好,其平均绝对误差、平均绝对百分误差、均方根误差均最小,验证了本文所提PSO-Bi-GRU神经网络NOx排放预测模型的有效性。 相似文献
5.
6.
为了控制燃煤电厂NOx排放,应用支持向量回归建立了大型四角切圆燃烧电站锅炉NOx 排放特性模型。利用大样本量的热态实炉NOx 排放试验数据对模型进行了训练和验证,结合NOx排放模型采用一种变尺度混沌蚁群算法对锅炉运行参数进行优化, 定量分析优化算法参数对优化结果的影响。计算结果表明,相对于BP神经网络,支持向量回归模型能更好地预测锅炉NOx排放;变尺度混沌蚁群算法能明显降低NOx排放,且具有较高的稳定性与鲁棒性,1.8 min的优化时间也便于在线应用;支持向量回归与变尺度蚁群混合算法能有效降低燃煤锅炉NOx排放,是锅炉NOx排放控制的有效工具。 相似文献
7.
8.
对冲锅炉中的仪器测量具有滞后性,导致控制系统作用始终落后于被控对象。为了提前了解对冲锅炉出口NOx排放量随工况变化的趋势,需要对对冲锅炉出口的NOx排放量进行快速并准确地预测。以实际运行的机组数据为基础,采用随机森林(random forest,RF)算法建立1 000 MW对冲锅炉机组的出口NOx排放量预测模型,并使用Spearman系数对对冲锅炉特征进行筛选,进一步降低模型计算时间。结果表明,随机森林模型预测结果的均方根误差为10.182 mg/m3,决定系数为0.913,可见基于特征选取的随机森林模型结构能实现对冲锅炉出口NOx趋势的提前预测。 相似文献
9.
10.
基于遗传算法和支持向量机的低NOx燃烧优化 总被引:10,自引:3,他引:10
大型四角切圆电站锅炉NOx排放是造成环境污染的重要因素,也是电厂关心的重要问题。影响燃煤锅炉NOx排放量的因素众多而且复杂。对锅炉NOx排放特性进行建模预测,并结合优化算法实现燃烧优化是降低锅炉NOx排放的有效方法。文中应用支持向量机算法建立了大型四角切圆燃烧锅炉NOx排放特性模型,接合遗传算法,利用NOx排放的热态实炉试验数据对模型进行了校验,对锅炉运行参数进行了优化。结果表明,通过遗传算法的寻优, NOx排放量有比较明显的降低。支持向量机与遗传算法相结合与其它方法相比具有泛化能力好,计算速度快等优点,是锅炉NOx排放控制的有效工具。 相似文献