为降低电厂燃煤锅炉的NO_(x)排放浓度,提出一种基于改进多元宇宙优化算法(improved multi-verse optimizer algorithm,IMVO)和加权最小二乘支持向量机(weighted least squares support vector machine,WLSSVM)的锅炉NO_(x)排放优化方法...为降低电厂燃煤锅炉的NO_(x)排放浓度,提出一种基于改进多元宇宙优化算法(improved multi-verse optimizer algorithm,IMVO)和加权最小二乘支持向量机(weighted least squares support vector machine,WLSSVM)的锅炉NO_(x)排放优化方法。首先,针对多元宇宙优化算法TDR值下降速度较慢而导致旅行距离增加的问题,提出一种改进的多元宇宙算法;然后,采用IMVO算法对WLSSVM模型参数进行寻优,建立基于IMVO-WLSSVM的NO_(x)排放量预测模型;最后,基于所建预测模型,采用IMVO算法对锅炉运行可调参数进行寻优来降低NO_(x)排放浓度。采用某330 MW机组燃煤锅炉的运行数据对模型进行验证,结果表明:所建预测模型的平均绝对百分比误差为1.09%,相对于其他几种预测模型具有更高的预测精度,改进的多元宇宙优化算法可以使优化后的NO_(x)排放浓度更低,具有更好的寻优效果。展开更多
文摘为降低电厂燃煤锅炉的NO_(x)排放浓度,提出一种基于改进多元宇宙优化算法(improved multi-verse optimizer algorithm,IMVO)和加权最小二乘支持向量机(weighted least squares support vector machine,WLSSVM)的锅炉NO_(x)排放优化方法。首先,针对多元宇宙优化算法TDR值下降速度较慢而导致旅行距离增加的问题,提出一种改进的多元宇宙算法;然后,采用IMVO算法对WLSSVM模型参数进行寻优,建立基于IMVO-WLSSVM的NO_(x)排放量预测模型;最后,基于所建预测模型,采用IMVO算法对锅炉运行可调参数进行寻优来降低NO_(x)排放浓度。采用某330 MW机组燃煤锅炉的运行数据对模型进行验证,结果表明:所建预测模型的平均绝对百分比误差为1.09%,相对于其他几种预测模型具有更高的预测精度,改进的多元宇宙优化算法可以使优化后的NO_(x)排放浓度更低,具有更好的寻优效果。