摘要

燃煤电厂排放的氮氧化物是环境污染的主要来源之一,燃烧优化可以有效降低锅炉NOx排放量,NOx排放量预测模型作为燃烧优化的基础,受到了人们广泛的关注。针对火电厂W火焰锅炉,提出了一种基于稳态特征提取的模型样本集构造方法,在此基础上,提出一种组合加权最小二乘支持向量机(CWLS-SVM)建立NOx排放量预测模型。首先通过机理分析确定模型输入变量,基于滑动窗口对海量历史运行数据进行稳态特征搜索,以组合相似度判断法进一步筛选特征,构造模型样本集;然后,针对实际生产中LS-SVM对异常值和噪声干扰敏感、不同输入变量对结果的差异性影响等问题,采用基于局部异常因子的经验风险项加权和基于最大信息系数的特征变量加权的方法对LS-SVM进行了改进;最后进行了多种仿真对比实验。结果表明,CWLS-SVM相比于LS-SVM与其他神经网络模型,具有更强的鲁棒性和泛化能力,对实现锅炉燃烧优化具有重要意义。