最小二乘支持向量机联合改进果蝇优化算法的CFB锅炉燃烧优化

English

您当前的位置：

首页 >

文章列表页 >

热力发电 2016年第6期

热能科学研究 | 更新时间：2025-09-28

- 最小二乘支持向量机联合改进果蝇优化算法的CFB锅炉燃烧优化
- Combustion optimization for CFB boiler based on least square support vector machine and modified fruit fly optimization algorithm
- 作者机构：
  
  1. 华北电力大学新能源电力系统国家重点实验室,北京,102206
  2. 中国人民解放军93469部队,河北,石家庄,050071
- 作者简介：
  
  [ "张文广(1975－),男,博士,副教授,主要研究方向为燃煤机组燃烧优化。" ]
- 基金信息：
- DOI：
  中图分类号： TK223
- 网络出版：2016-07-15，
  
  纸质出版：2016
- 稿件说明：
移动端阅览
张文广, 张越, 孙亚洲, 等. 最小二乘支持向量机联合改进果蝇优化算法的CFB锅炉燃烧优化[J]. 热力发电, 2016,(6).

ZHANG Wenguang, ZHANG Yue, SUN Yazhou, et al. Combustion optimization for CFB boiler based on least square support vector machine and modified fruit fly optimization algorithm[J]. Thermal Power Generation, 2016, (6).
张文广, 张越, 孙亚洲, 等. 最小二乘支持向量机联合改进果蝇优化算法的CFB锅炉燃烧优化[J]. 热力发电, 2016,(6). DOI：

ZHANG Wenguang, ZHANG Yue, SUN Yazhou, et al. Combustion optimization for CFB boiler based on least square support vector machine and modified fruit fly optimization algorithm[J]. Thermal Power Generation, 2016, (6). DOI：

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、NOx和SO2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％

NOx和SO2排放质量浓度最多降低了7.88％和18.13％。

浏览量

383

下载量

CSCD

文章被引用时，请邮件提醒。

提交

关联资源

燃煤机组烟气污染物协同脱除技术及应用

600 MW燃煤机组大气污染物超低排放技术应用

基于全工况数据挖掘的多目标燃烧优化

改进BP神经网络在低氮燃烧优化中的应用

基于ISSA-RF-SSA的飞灰含碳量预测与燃烧优化调整