電站鍋爐NOx排放的預(yù)估方法研究.pdf

1、電站鍋爐的氮氧化物（NOx）排放造成了嚴(yán)重的環(huán)境污染，為了達(dá)到環(huán)保要求，同時(shí)滿足發(fā)電企業(yè)節(jié)能減排的需求，建立精確有效的NOx排放模型是高效抑制NOx排放的基礎(chǔ)。本文在建立并優(yōu)化NOx排放的單一最小二乘支持向量機(jī)（LS-SVM）模型基礎(chǔ)上，采用多模型集成方法對(duì)NOx排放進(jìn)行預(yù)估，以取得更好的模型效果。論文主要工作有以下幾個(gè)方面。
　　（1）首先分析了降低NOx的方法，闡釋了對(duì)NOx排放進(jìn)行精確預(yù)估的必要性，對(duì)國(guó)內(nèi)外電站鍋爐NOx排放

2、預(yù)估方法的研究現(xiàn)狀以及集成模型方法的研究現(xiàn)狀做了詳細(xì)闡述。
　?。?）詳細(xì)闡述了NOx排放的單一LS-SVM模型建立過(guò)程。首先，介紹了試驗(yàn)所用鍋爐的特點(diǎn)；其次，介紹了試驗(yàn)數(shù)據(jù)的獲取以及特征變量選取方法；然后，介紹了LS-SVM的基本原理；最后，建立了電站鍋爐NOx排放的單一LS-SVM模型，并采用遺傳算法（GA）對(duì)LS-SVM模型的超參數(shù)進(jìn)行尋優(yōu)。通過(guò)與基于傳統(tǒng)網(wǎng)格搜索法建立的LS-SVM模型、支持向量機(jī)（SVM）模型和BP神經(jīng)網(wǎng)

3、絡(luò)模型作對(duì)比，驗(yàn)證了GA-LSSVM模型具有更為精確的模型精度和更好的泛化能力。
　?。?）由于單一模型存在訓(xùn)練效率低、泛化能力較差等局限性，討論了多模型集成的建模方法。提出了一種有監(jiān)督的基于遺傳算法尋優(yōu)的改進(jìn)截集模糊C均值（GA-Soft Fuzzy C-Means，GA-SFCM）聚類算法，提高了子模型的穩(wěn)定性，并且每個(gè)子模型都具有明確的物理意義，避免了盲目性；同時(shí)提出了一種適用于回歸模型的聚類特征選擇方法，提高了聚類的效率。