文献类型：期刊文章

作　　者：张文广[1] 张越[1] 孙亚洲[1] 高明明[1] 李宝贵[2]

机构地区：[1]华北电力大学新能源电力系统国家重点实验室 [2]中国人民解放军93469部队

出　　处：《热力发电》

基　　金：国家重点基础研究发展计划项目(973计划)(2012CB215203);中央高校基本科研业务费专项资金资助项目(2015MS33)

年　　份：2016

卷　　号：45

期　　号：7

起止页码：44-49

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对电厂循环流化床(CFB)锅炉降低污染物排放和提高锅炉燃烧效率的问题,本文首先应用最小二乘支持向量机(LS-SVM)建立了锅炉效率、NO_x和SO_2排放特性的软测量模型,并对比了LS-SVM和BP神经网络模型的性能;然后基于LS-SVM建立的模型,提出了3种优化策略,采用改进果蝇优化算法(MFOA)在一定范围内对CFB锅炉运行工况的可调参数进行优化。结果表明:LS-SVM模型与BP神经网络模型相比,训练时间较短,预测精度较高,泛化能力较强;CFB锅炉效率最多提高了0.61%,NO_x和SO_2排放质量浓度最多降低了7.88%和18.13%。

关 键 词：CFB 锅炉效率 NOx  SO2 最小二乘支持向量机 改进果蝇优化算法  燃烧优化

分 类 号：TK223]