基于CAWOA-PELM的汽轮机主蒸汽流量预测

针对汽轮机主蒸汽流量测量精度低的问题,提出了一种混沌搜索策略鲸鱼优化算法(CAWOA)和并行极限学习机(PELM)的主蒸汽流量预测方法。利用混沌理论的随机性、敏感性、分维性等特点和自适应惯性权值策略提高WOA算法的局部寻优能力和全局优化性能。并将CAWOA算法对并行极限学习机(PELM)参数进行优化,提高了主蒸汽流量预测模型的精度。在此基础上,将优化后的极限学习机对某台600MW汽轮机组主蒸汽流量进行预测,并与同类算法模型进行对比。结果表明:上述方法具有更好的泛化能力,能更加精确地预测主蒸汽流量。

基于量子迭代混沌的涡流搜索算法预测锅炉飞灰含碳量

为了准确建立锅炉飞灰含碳量预测模型,首先提出了基于量子比特的Bloch球面坐标编码和迭代混沌映射的改进涡流搜索(I-VS)算法,然后对I-VS算法、涡流搜索(VS)算法、粒子群优化(PSO)算法、正余弦(SCA)算法和樽海鞘群(SSA)算法的性能进行比较。基于某热电厂300 MW循环流化床锅炉现场运行数据,采用I-VS算法优化并行感知机的极端学习机(PELM),得到飞灰含碳量的综合预测模型(即I-VS-PELM模型)。最后将I-VS-PELM模型的预测结果与PELM、PSO-PELM、SCA-PELM、SSA-PELM和VS-PELM模型的预测结果进行比较。结果表明:与其他模型相比,I-VS-PELM模型具有更高的预测精度和更好的泛化性能,能更准确地预测锅炉飞灰含碳量。

开关型Pickering乳液体系

Pickering乳液以胶体尺寸的固体粒子代替传统表面活性剂作为稳定剂,具有超稳定,生物相容性好以及对环境友好等优点。开关型Pickering乳液可随pH值、CO2/N2浓度、温度、磁场强度及光强度等条件的变化而改变固体乳化剂的表面润湿性,实现在"乳化"与"破乳"之间的快速转换,在非均相催化、乳液聚合等诸多领域有广泛的应用前景。本文全面总结了近年来开关型Pickering乳液的研究进展及其在界面催化系统、液膜处理有机废水、药物的包封与释放等方面的应用。