基于ISSA-ELM-NARMAX的垃圾焚烧炉燃烧过程动态建模及多目标优化

为了实现垃圾焚烧发电机组稳定、高效、环保的有效协同,对垃圾焚烧炉燃烧过程进行了多目标优化。提出一种极限学习机(ELM)和带有外部输入的非线性自回归滑动平均模型(NARMAX)相结合的动态建模方法,并通过改进麻雀算法(ISSA)对模型参数进行优化,分别建立了垃圾焚烧炉蒸汽质量流量、锅炉效率和第一烟道温度的动态模型;并将ISSA-ELM-NARMAX模型与传统BP神经网络模型、ELM-NARMAX模型和SSA-ELM-NARMAX模型进行对比,最后基于改进非支配遗传算法(NSGA-II)对燃烧过程进行多目标优化,寻找焚烧炉最佳运行参数。结果表明:基于ISSA-ELM-NARMAX的垃圾焚烧炉燃烧过程动态模型更加精确有效,所提出的控制策略可以为焚烧炉司炉人员提供操作指导。