基于混合群智能算法优化的NO_X排放KELM模型设计

论文摘要

燃煤电站脱硝系统在变负荷工况下具有非线性、大滞后的特性,传统的控制方式很难保证喷氨量的精确控制。随着燃煤发电厂超低排放标准的实施,有必要对脱硝系统进行运行优化。通过挖掘海量脱硝系统的历史运行数据,提出一种基于混合群智能算法优化的核极限学习机NO_X排放动态预测模型。首先,对选择性催化还原(SCR)脱硝反应系统进行理论分析和实际运行研究,研究了采用核函数代替极限学习机中隐含层节点的显式映射的方法,从而无需事先给定隐含层节点数。然后,采用混合蚁群和粒子群优化的混合智能算法,对核极限学习机的学习参数进行优化。最后,以某电站锅炉脱硝系统为例,利用提出的方法进行验证,得到较高的建模精度。该研究为下一步脱硝系统控制优化打下良好基础。

论文目录

• 0 引言
• 1 SCR脱硝系统简介
• 2 核极限学习机
• 3 ACO+PSO混合群智能算法
• KELM模型的建立'>4 ACO+PSO_KELM模型的建立
• 5 应用实例
•   5.1 变量选择与数据预处理
•   5.2 模型参数设置
•   5.3 试验结果与分析
• 6 结束语

文章来源

类型: 期刊论文

作者: 高学伟,付忠广,谢鲁冰,王圣毫,王树成

关键词: 排放,选择性催化还原,极限学习机,核函数,蚁群优化算法,粒子群优化算法,数据建模,动态模型

来源: 自动化仪表 2019年08期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 环境科学与资源利用,动力工程,电力工业,自动化技术

单位: 华北电力大学能源动力与机械工程学院,沈阳工程学院仿真中心

分类号: X773;TP18

DOI: 10.16086/j.cnki.issn1000-0380.2019010013

页码: 32-37

总页数: 6

文件大小: 749K

下载量: 114