研究论文基于支持向量机与高斯分布估计的低荦犗-化工学报.PDFVIP

第 卷 第 期 化 工 学 报 ６０ １ Ｖｏｌ．６０ Ｎｏ．１ 　 　 　 　 　 　 　 　　　 　　　　 　 年 月 ２００９ １ ＣＩＥＳＣ Ｊｏｕｒｎａｌ Ｊａｎｕａｒ ２００９ 　 　 　 　 　 　　 　 ｙ 檭 殐檭檭檭檭檭殐 檭 研究论文檭 　　基于支持向量机与高斯分布估计的低犖犗 排放 殐 殐 檭 檭檭檭檭檭 狓 梁绍华，郑立刚，周 昊，岑可法 　 （浙江大学能源清洁利用国家重点实验室，热能工程研究所，浙江 杭州 ３１００２７） 摘要：燃烧优化的核心在于建立有效而快速的建模工具及寻优算法，以便于在线应用。为了研究新方法的适用 性以及克服常用算法的缺点，本文利用支持向量回归建立了大型四角切圆燃烧电站锅炉 ＮＯ狓 排放特性模型。利 用大量的热态实炉试验 ＮＯ狓 排放数据对模型进行了训练和验证。结果表明，支持向量回归模型能获得较神经网 络模型更加准确的预测结果，相对于神经网络，支持向量回归能更好处理大样本量数据的非线性问题。随后， 采用一种基于高斯概率密度 （ ）的分布估计优化算法对 排放模型进行了寻优。研究发现，与遗传算法 ＧＰＤＤ ＮＯ狓 相比， 具有更好的寻优能力与更快的收敛速度。结合支持向量回归与高斯概率密度分布 （ ）算法能 ＧＰＤＤ ＧＰＤＤ 有效降低燃煤锅炉 ＮＯ狓 排放量，不到 １ｍｉｎ的优化时间便于在线应用。研究结论可为该算法在实际电厂中推广 应用提供参考依据。 关键词：燃烧优化；ＮＯ狓；支持向量回归；高斯概率密度分布；分布估计算法 中图分类号： 文献标识码： 文章编号： （ ） ＴＫ２２３ Ａ ０４３８－１１５７ ２００９ ０１－０２２３－０７ 　　　　　　 犔狅狑犖犗 犲犿犻狊狊犻狅狀狊犫犪狊犲犱狅狀狊狌 狅狉狋狏犲犮狋狅狉犿犪犮犺犻狀犲 狓 狆狆 犪狀犱犌犪狌狊狊犻犪狀犲狊狋犻犿犪狋犻狅狀狅犳犱犻狊狋狉犻犫狌狋犻狅狀 ， ， ， 犔犐犃犖犌犛犺犪狅犺狌犪 犣犎犈犖犌犔犻犪狀 犣犎犗犝犎犪狅 犆犈犖犓犲犳犪 犵 犵 （ ， ， 犛狋犪狋犲犓犲 犔犪犫狅狉犪狋狅狉 狅 犆犾犲犪狀犈狀犲狉 犝狋犻犾犻狕犪狋犻狅狀 犐狀狊狋犻狋狌狋犲