2011年第8期（总第164期）
应用能源技术
31
基于自适应遗传算法参数优化的锅炉燃烧特性建模
朱予东，王星久，王天龙，郭振，吴小芳
（华北电力大学电站设备状态监测与控制教育部重点实验室，河北保定071003）
摘要：近年来，随着节能减排越来越受到关注，燃煤电站锅炉燃烧优化课题得到了广泛的研究，而电站锅炉燃烧特性建模是燃烧优化课题研究的基础和关键。文中采用混合核函数构造最小二柔支待向量机(LS-SVM)，为了提高该支持向量机回归模型的精度，通过自适应交叉和变异的改进型遗传算法对模型参数进行全局寻优。计算结采表明，根据本文方法建立的燃烧模型很简洁，精度较高，只需要应用少量的训练样本就能比较精确的预测锅炉的燃烧特性，具有较显著的工程应用价值。
关键词：燃煤电站锅炉；燃烧特性；支持向量机；混合核函数；遗传算法
中图分类号：TK229.4文献标志码：B文章编号：10093230(2011)08-0031-04 BoilerCombustionCharacteristicsModelingBasedonParameter
OptimizationbyAdaptiveGeneticAlgorithm
ZHU Yu-dong, WANG Xing-jiu, WANG Tian-long, GUO Zhen, WU Xiao-fang
(The Electric Power University Of North China ,Key Laboratory of Condition Monitoring and
Control for Power Plant Equipment,Ministry of Education,Baoding071003,China)
Abstract: Recently, more and more attention has been paid to energy conservation. The coal-fired oaresseneasisaaaaseoeoosniooaedao the research is the combustion boiler combustion optimization feature modeling. In this paper, the least squares support vector machine (LS-SVM) model has been constructed with the hybrid kemels. To improve the accuracy of the regression model, the model parameters is globally optimized by the improved genetic algorithm with the adaptive crossover and mutation. The results show that the combustion model established with the method is very simple and accurate. Only need to apply a small amount of training samples, the boiler combustion characteristics can be predicted accurately, and so, the engineering value is significant.
Key words: Coal-fired power plant boiler; Combustion characteristics; LS-SVM; Genetic algorithm; Hybrid kemel
0
引言
随着我国投产的燃煤电站锅炉的不断增加，
产生的大气污染物非常巨大，垂需通过对燃煤锅炉的燃烧过程进行优化研究。传统的燃烧控制方式往往是根据运行人员的经验进行调整运行参数，然而这种方式难以全面考虑各因素相互的影
收稿日期：2011-0508
修订日期：2011-0529
作者简介：王星久（1987-），男，华北电力大学能源与动力
工程学院硕士研究生，热能工程专业。研究方向为电站设备运行优化。
万方数据
响并使锅炉运行在最佳状态")。而燃煤锅炉炉内的燃烧过程是一个十分复杂的过程，其中涉及了燃烧、流动、传热、以及化学反应等多个方面，且这些因素又往往互相影响，相互耦合，此外一些无法预料的外界扰动也会对锅炉燃烧造成影响。建立电站锅炉燃烧特性模型是对燃煤锅炉进行多目标优化的基础和关键。由于锅炉燃烧过程的复杂以及相关理论还不完善，到目前为止还很难采用机理模型对其建模，虽然采用数值模拟的方式可以通过物理化学原理分析锅炉燃烧，但其计算量巨大，