文献类型：期刊文章

作　　者：董泽[1,2] 马宁[1,2] 孟磊[3]

DONG Ze;MA Ning;MENG Lei(Hebei Engineering Research Center of Simulation & Optimized Control for Power Generation,North China Electric Power University,Baoding 071003,Hebei Province,China;School of Control and Computer Engineering,North China Electric Power University,Beijing102206,China;Datang Environment Industry Group Co.,Ltd,Beijing 100192,China)

机构地区：[1]华北电力大学河北省发电过程仿真与优化控制工程技术研究中心,河北保定071003 [2]华北电力大学控制与计算机工程学院,北京102206 [3]大唐环境产业集团股份有限公司,北京100192

出　　处：《动力工程学报》

基　　金：国家自然科学基金资助项目(2015BJ0030);山西省煤基重点科技攻关资助项目(MD2014-06-06-02)

年　　份：2019

卷　　号：39

期　　号：3

起止页码：191-197

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：提出一种基于改进的差分量子粒子群(DEQPSO)算法,将其与超限学习机(ELM)相结合,以某1 000 MW超超临界机组锅炉燃烧系统为研究对象,建立了NO_x排放模型,采用现场样本数据测试所建模型的预测能力,并将该模型的预测结果与基本超限学习机以及引力搜索算法(GSA)、粒子群算法(PSO)和量子粒子群算法(QPSO)优化的超限学习机模型的预测结果进行了对比。结果表明:DEQPSO算法具有更好的参数优化性能,DEQPSO-ELM模型具有较强的泛化能力和良好的预测精度,为电站锅炉NO_x排放质量浓度预测提供了一种有效方法。

关 键 词：电站锅炉 NOx  差分量子粒子群算法  超限学习机  

分 类 号：TK22]