牛培峰， 肖兴军， 李国强， 马云飞， 陈贵林， 张先臣

（1.燕山大学 工业计算机控制工程河北省重点实验室，秦皇岛066004；2.国家冷轧板带装备及工艺工程技术研究中心，秦皇岛066004）

随着能源危机的日益凸显和人们对环境重要性认识的提高，节能、环保成为燃煤电力行业面临的永恒课题.目前，火力发电约占全国发电量的80%.我国对火电厂提出了一系列的改革措施和环保要求，要求大型电站锅炉在提高燃烧经济效益的同时，控制污染物向大气中的排放.因此，电站锅炉燃烧优化问题显得尤为重要.对于给定的电站锅炉，影响锅炉效率和NOx排放量的因素很多［1］，如煤质特性、锅炉负荷、炉温、配风方式、燃烧器型式、风粉配比和煤粉细度等，并且炉内燃烧过程非常复杂［2］，很难用机理模型去描述.对此，许多学者进行了多方面的研究工作［3］.

笔者提出基于万有引力搜索算法（Gravitational Search Algorithm，GSA）［4］和最小二乘支持向量回 归 机［5］（Least Squares Support Vector Regression，LSSVR）来进行综合建模.GSA是最近出现的一种新的寻优算法，应用原理为物体间的相互作用力即万有引力定律.LSSVR的建模方法通过利用结构风险最小化原理，使模型在学习和预测过程中具有很好的泛化能力.此外应用GSA算法能够很好地解决支持向量机中参数的选择问题.鉴于以上特点，笔者提出利用LSSVR建立电站锅炉燃烧优化模型，应用GSA来搜寻模型中的未知参数，并与遗传算法（Genetic Algorithm，GA）、蜂群算法（Artificial Bee Colony，ABC）和粒子群算法 （Particle Swarm Optimization，PSO）这3种智能算法进行了对比试验研究，为电站锅炉燃烧调整和降低……