付文华，谢 珺，任密蜂，续欣莹，阎高伟

(太原理工大学 a.电气与动力工程学院，b.信息与计算机学院，太原 030024)

火力发电作为一种重要的发电方式，是保障充足稳定电力供应的基础，但其以燃煤机组为主，燃煤产生的NOx在一定条件下可破坏臭氧层、形成酸雨等，直接或间接地危害生态环境。近年来，我国不断加强电力外送通道建设，使得国电外送规模持续创新高，这无疑加剧了对我国生态环境的影响。在国家节能减排政策的严格要求下，火力发电厂纷纷通过锅炉燃烧优化技术降低 NOx排放，在一定程度上提高火电机组的环保性。

锅炉燃烧系统的优化依赖于锅炉燃烧预测模型的建立，一般采用回归建模法。由于NOx排放量和其运行操控参数间存在很强的非线性关系，传统建模方法难以准确地建立NOx排放预测模型。近年来，随着统计学、机器学习、神经网络等不断发展，国内外学者围绕燃煤电站锅炉NOx排放量预测模型的构建进行了大量的研究。其中BP神经网络、SVM、ELM等被广泛用于电站锅炉NOx排放建模预测中[1-4]。HU et al[5]将660 MW燃煤机组作为研究对象，采用BP神经网络建立了NOx排放预测模型。2006年，GUO et al[6]以一台300 MW旋流对燃锅炉为研究对象，建立了基于SVM的锅炉燃烧过程中的NOx排放预测模型。李素芬等[7]基于粒子群优化算法和LS-SVM建立电站锅炉NOx排放预测模型。然而BP容易出现过拟合现象，SVM算法因需要二次规划使得样本数量受限而仅适用于小样本建模。为了解决以上问题，TAN et al[8]基于从某电厂700 MW燃煤电站锅炉采集的约5 d实际运行样本数据，建立了基于ELM的NOx模型，提高了模型的泛化性。……