基于非支配排序遗传算法的锅炉燃烧多目标优化

摘要：

采用支持向量机回归(support vector regression,SVR)模型分别建立300 MW燃煤锅炉的NOx排放特性模型和锅炉热损失模型.利用热态实炉试验数据对模型进行了训练和验证.结合NOx排放模型和锅炉热损失模型采用非支配排序遗传算法(nondominated sorting genetic algorithm,NSGA-II)对锅炉进行多目标优化,定量分析了优化参数对优化结果的影响.结果表明,支持向量机回归模型可以很好地预测锅炉的排放特性和锅炉的热损失特性,NSGA-II方法与SVR模型结合可以对锅炉燃烧实现有效的多目标寻优、得到理想的帕雷托分布,是对锅炉进行多目标优化的有效工具.

关键词：多目标优化、支持向量机回归、帕雷托最优

所属期刊栏目：29

分类号：TK124(热力工程、热机)

资助基金：国家重点基础研究发展计划（973计划）;高等学校全国优秀博士学位论文作者专项;新世纪优秀人才支持计划

在线出版日期：2010-07-07（万方平台首次上网日期，不代表论文的发表时间）

页码：7-12