基于SVM和RBF神经网络的CFB NOx生成预测模型

摘要：

针对传统燃煤锅炉NOx生成预测方法存在的预测精度低、计算复杂、泛化能力差等问题,基于某电站燃煤锅炉热态运行数据样本,分别采用RBF神经网络和支持向量机(SVM)对某燃煤锅炉NOx生成特性进行建模,在RBF神经网络模型中采用交替梯度算法对其权值及函数中心与标准偏差值进行优化;而对SVM预测模型,通过网格寻优方法对核函数及参数c和g进行选优.仿真结果表明,改进后的RBF模型和参数选优后的SVM模型的最大误差和平均误差都有了明显的降低,且计算时间快、泛化能力强.通过对两种模型的仿真和预测结果进行量化对比分析,得出SVM具有比RBF更强的预测能力及泛化能力的结论.利用建立的SVM预测模型,在设计煤种和额定负荷下,对锅炉各磨的组合方式及二次风配风方式对锅炉NOx生成特性的影响进行了仿真分析,推荐的运行方案如下:ABCDE磨组合方式及正宝塔配风运行方式下生成的NOx浓度最低.

关键词：燃煤锅炉、氮氧化物生成、径向基神经网络、支持向量机、磨煤机组合、配风方式

所属期刊栏目：37

分类号：TK223.23(蒸汽动力工程)

资助基金：国家自然科学基金项目;江西省重点研发计划项目

在线出版日期：2020-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：209-213,316