基于改进差分极端学习机的燃煤锅炉NOx预测

摘要：

低NOx燃烧优化是一种简单、高效、廉价的燃煤电站NOx减排方法.建立NOx预测模型是该方法的重要组成部分.极端学习机(extreme learning machine,ELM)是一种简单有效的建模方法,但随机生成的输入权值和隐层阈值会影响ELM的泛化性能和逼近能力.针对该问题,利用一种改进的差分进化算法(improved differential evolution,IDE)优化ELM输入权值和隐层阚值,得到了改进的NOx预测模型(improved differential evolution-extreme learning machine,IDE-ELM),该模型可以有效克服参数寻优过程中的早熟问题.利用IDE-ELM模型预测了某300 MW的NOx排放量,并与标准ELM和DE-ELM预测结果进行对比.为消除启发式算法随机性的影响,每个实验独立重复101次.实验结果表明,IDE-ELM模型有效提升了ELM算法的泛化能力和稳定性.

关键词：差分进化算法;极端学习机;NOx排放;预测模型

所属期刊栏目：21

分类号：TK39(热工量测和热工自动控制)

资助基金：国家重点研发计划2018YFB0604204

在线出版日期：2022-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：98-104