钟 帆，茅大钧，汤 诚，孙道万

（1.上海电力大学自动化工程学院，上海200090；2.杭州华电江东热电有限公司运行部，杭州310000）

目前，我国环境污染严重，新能源的利用和开发成为我国实现可持续发展战略的当务之急。截至2019年底，我国天然气发电装机总容量达到90.22 GW，占总装机容量的4.5%，天然气发电量占全国总发电量的3.2%。而全球天然气总发电量占比约为全球发电量的23%，我国与这一数值仍相差甚远。因此，需大力发展燃气轮机技术。

我国燃气轮机技术方面的瓶颈主要体现在燃烧调整方法的不足，因此，降低氮氧化物排放量、降低燃烧压力波动对于燃气轮机燃烧优化具有十分重要的意义［1-3］。

随着人工智能技术的飞速发展，利用人工智能方法对工程问题进行建模、仿真、优化逐渐普遍起来，为解决工程问题提供了一种有效方法。常见于燃气轮机建模领域的人工智能算法有神经网络、支持向量机等。最小二乘法支持向量机（Least Squares Support Vector Machine，LSSVM）是在支持向量机（SVM）基础上的一种优化，这种优化算法在SVM的基础上精简了算法步骤，提高了算法的运行速度，在工程上已经得到广泛运用。与其他算法相比，LSSVM算法对于量少、采集缺乏的数据具有很强的鲁棒性，较适用于燃气轮机建模。人工鱼群算法（Artificial Fish Swarm Algorithm，AFSA）是一种模拟鱼群活动的仿生算法，具有很好的鲁棒性、优良的分布式计算机制、易于和其他方法结合等优点［4-6］。本文通过LSSVM算法搭建了燃气轮机燃烧室压力波动以及NOx排放值的模型，并采用AFSA对模型进行优化，结果表明，基于LSSVM的AFSA优化算法可以较好地实现燃气轮机燃烧优化。……