论文部分内容阅读
电厂锅炉烟气氮氧化物NOx排放对电厂的经济效益和环境治理有着重要意义，因此，能够准确可靠地预测烟气NOx排放量对电厂锅炉低氮运行至关重要，而传统的预测模型无法适应复杂的非线性系统，预测精度不高且泛化能力不强。本文基于单一预测模型和多模型集成预测模型，改进了最小二乘支持向量机(LSSVM)预测方法，设计了三种预测算法，经某电厂#2机组数据验证，提高了NOx排放预测精度。论文的主要研究工作如下：
(1)研究了国内外利用单一模型和集成模型对锅炉烟气NOx排放量进行预测建模的现状，分析了锅炉NOx的排放特性。
(2)设计了一种基于鲸鱼优化算法-最小二乘支持向量机的单一模型预测建模方法(WOA-LSSVM)。首先归一化处理初始样本数据，然后通过鲸鱼优化算法(WOA)算法对LSSVM中的核函数宽度σ2和惩罚因子c两个参数进行寻优求解，建立WOA-LSSVM模型，最终得到模型输出。
(3)提出了一种基于改进鲸鱼优化算法-最小二乘支持向量机集成的多模型集成预测建模方法(MWOA-LSSVM)。首先划分样本空间，然后利用分段Logistic混沌映射初始化种群、改进控制变量a、引入非线性自适应参数和二次插值(QI)更新位置等方法对WOA做出改进，以提高算法的全局探索能力，通过改进后的鲸鱼优化算法(MWOA)对各子空间上LSSVM子模型的σ2和c进行全局寻优得到各子模型输出，最后采用最小二乘法集成各子模型输出作为集成模型的输出。
(4)设计了一种基于模糊聚类集成的多模型集成预测建模方法(MFCE-LSSVM)。首先根据输出NOx排放量的高低划分数据空间，通过基于相关性分析的变量权重和基于信息熵的分层聚类确定参与聚类的变量，然后利用提出的多模型聚类集成(MFCE)算法聚类得到各子空间的隶属度矩阵，最后采用融合隶属度的最小二乘法对各子空间的LSSVM模型进行集成，最终得到集成模型的输出。
最后利用所提出的三种预测方法对选定的实验锅炉进行仿真实验以验证其有效性，同时为了验证所提出方法的优越性，选定其他预测模型作为对比研究。仿真和对比结果显示，三种方法都可以有效地实现锅炉NOx排放量预测建模，其中MWOA-LSSVM集成预测方法具有最稳定且最高精度的预测性能。
(1)研究了国内外利用单一模型和集成模型对锅炉烟气NOx排放量进行预测建模的现状，分析了锅炉NOx的排放特性。
(2)设计了一种基于鲸鱼优化算法-最小二乘支持向量机的单一模型预测建模方法(WOA-LSSVM)。首先归一化处理初始样本数据，然后通过鲸鱼优化算法(WOA)算法对LSSVM中的核函数宽度σ2和惩罚因子c两个参数进行寻优求解，建立WOA-LSSVM模型，最终得到模型输出。
(3)提出了一种基于改进鲸鱼优化算法-最小二乘支持向量机集成的多模型集成预测建模方法(MWOA-LSSVM)。首先划分样本空间，然后利用分段Logistic混沌映射初始化种群、改进控制变量a、引入非线性自适应参数和二次插值(QI)更新位置等方法对WOA做出改进，以提高算法的全局探索能力，通过改进后的鲸鱼优化算法(MWOA)对各子空间上LSSVM子模型的σ2和c进行全局寻优得到各子模型输出，最后采用最小二乘法集成各子模型输出作为集成模型的输出。
(4)设计了一种基于模糊聚类集成的多模型集成预测建模方法(MFCE-LSSVM)。首先根据输出NOx排放量的高低划分数据空间，通过基于相关性分析的变量权重和基于信息熵的分层聚类确定参与聚类的变量，然后利用提出的多模型聚类集成(MFCE)算法聚类得到各子空间的隶属度矩阵，最后采用融合隶属度的最小二乘法对各子空间的LSSVM模型进行集成，最终得到集成模型的输出。
最后利用所提出的三种预测方法对选定的实验锅炉进行仿真实验以验证其有效性，同时为了验证所提出方法的优越性，选定其他预测模型作为对比研究。仿真和对比结果显示，三种方法都可以有效地实现锅炉NOx排放量预测建模，其中MWOA-LSSVM集成预测方法具有最稳定且最高精度的预测性能。