基于PSO-LSSVM的循环流化床锅炉多目标燃烧优化

作者：张殿朝; 李俊峰; 王义俊

来源：广东电力, 2022, 35(07): 98-106.

• 循环流化床锅炉
• 多目标燃烧优化
• 主成分分析
• 最小二乘支持向量机
• 粒子群优化算法

为了平衡循环流化床(circulating fluidized bed, CFB)锅炉经济性和环保性的关系，实现高效低污染的燃烧，基于粒子群优化(particle swarm optimization, PSO)算法，提出兼顾提高锅炉热效率与降低NOx排放量的多目标燃烧优化方案。首先分析优化目标的影响因素，筛选出相关辅助变量，采用主成分分析法对变量特征集进行降维；然后利用PSO算法优化最小二乘支持向量机(least squares support vector machine, LSSVM)参数，基于训练样本建立CFB锅炉的综合模型，并通过测试样本验证所建立模型的拟合精确度；在明确优化目标函数后，采用PSO算法对模型的可调参数进行寻优，分析锅炉在高、中、低负荷3种工况下的最佳运行参数，以达到多目标燃烧优化的目的。所提优化方案可在保证安全运行的前提下，挖掘CFB锅炉自身的经济和环保潜力。