牛培峰，　赵　振，　马云鹏，　陈　科，　王丘亚，　赵庆冲

(燕山大学 工业计算机控制工程河北省重点实验室， 河北秦皇岛 066004)



基于风驱动算法的锅炉NOx排放模型优化

牛培峰，赵振，马云鹏，陈科，王丘亚，赵庆冲

(燕山大学 工业计算机控制工程河北省重点实验室， 河北秦皇岛 066004)

为了准确地预测电站锅炉的NOx排放量，以某300 MW亚临界循环流化床锅炉为研究对象，利用自适应风驱动优化(AWDO)算法和极端学习机(ELM)进行综合建模，并根据不同工况下现场收集的样本数据检验该模型的预测能力；将该模型的预测值与基本极端学习机、差分进化算法、粒子群算法和基本风驱动算法优化的极端学习机模型预测值进行比较.结果表明：AWDO算法可以更好地找到优化参数，该算法优化的极端学习机模型具有良好的预测精度和泛化能力，可以准确、有效地预测电站锅炉的NOx排放量.

NOx排放； 循环流化床锅炉； 极端学习机； 风驱动优化算法

燃料燃烧产生的氮氧化物(主要是NO和NO2，总称NOx)是大气污染的主要有害物质之一.煤炭的燃烧是NOx的主要来源之一[1].在中国，50%以上的NOx来源于电站锅炉[2].NOx排放的控制过程分为2个阶段，首先要建立NOx排放的稳态模型，然后再优化锅炉运行参数[3].因此，建立有效的NOx排放特性预测模型对电站锅炉的燃烧优化至关重要.

然而，影响锅炉NOx排放量的因素有很多，且锅炉的燃烧过程具有强耦合、非线性等特征，很难用机理模型去描述.近年来，神经网络广泛应用于解决工程领域……