金鹏

（ 辽宁工程职业学院，辽宁 铁岭 112008 ）

0 引言

燃煤锅炉既是优质能源的主要创造者，同时也是一次能源消耗和污染物排放大户[1]。在保障锅炉安全运行前提下，降低能耗、减少氮氧化物（NOx）等污染物排放的锅炉燃烧优化技术得到了众多研究学者的重视[2]。降低NOx排放与提高锅炉效率存在相互制约与矛盾，降低NOx排放就要保证炉内高温和煤粉高浓度不可同时存在，但是两者不同时存在又会造成锅炉的燃烧热效率降低[3]。锅炉燃烧优化技术是一种能够调节这两种矛盾的有效方法。因此建立合理、有效的锅炉燃烧模型显得尤为重要。

目前关于建立锅炉燃烧模型的研究一般采用机理建模法，建模是在诸多假设和简化条件下得到的，与真正的实际过程有一定程度出入，得到的结果也并不十分准确[4]。随着工业信息化的快速发展，监控信息系统被广泛应用于监测、控制领域，大量运行数据得以保存。

本文利用在线极限学习机算法对历史数据和实时运行数据进行训练，得到NOx排放浓度预测模型和燃烧热效率预测模型；结合NOx排放浓度和燃烧热效率建立一体化适应度函数。最后，利用混沌粒子群算法对锅炉燃烧系统参数进行参数寻优求解。

1 建模原理

在线极限学习机算法（Online Sequential Extreme Learning Machine，OS-ELM）是机器学习算法中的一种，算法通过对预测模型的输入样本、输出样本进行多次迭代输出预测模型。在线极限学习机的训练过程分为两个部分，第一部分是离线阶段，通过少量训练样本计算得出网络的输出权重，第二部分是在线学习阶段，利用单个样本或者样本块更新初始阶段的输出权值矩阵[3]，进而求得系统预测模型。……