基于PSO-LSSVM的循环流化床锅炉多目标燃烧优化

摘要：

为了平衡循环流化床(circulating fluidized bed,CFB)锅炉经济性和环保性的关系,实现高效低污染的燃烧,基于粒子群优化(particle swarm optimization,PSO)算法,提出兼顾提高锅炉热效率与降低NOx排放量的多目标燃烧优化方案.首先分析优化目标的影响因素,筛选出相关辅助变量,采用主成分分析法对变量特征集进行降维;然后利用PSO算法优化最小二乘支持向量机(least squares support vector machine,LSSVM)参数,基于训练样本建立CFB锅炉的综合模型,并通过测试样本验证所建立模型的拟合精确度;在明确优化目标函数后,采用PSO算法对模型的可调参数进行寻优,分析锅炉在高、中、低负荷3种工况下的最佳运行参数,以达到多目标燃烧优化的目的.所提优化方案可在保证安全运行的前提下,挖掘CFB锅炉自身的经济和环保潜力.

关键词：循环流化床锅炉、多目标燃烧优化、主成分分析、最小二乘支持向量机、粒子群优化算法

所属期刊栏目：35

分类号：TM621.2;TP273.1(发电、发电厂)

在线出版日期：2022-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：98-106