基于支持向量机与高斯分布估计的低NOx排放

• 作者: 周昊 岑可法 梁绍华 郑立刚
• 来源期刊: 化工学报
• 关键词: 燃烧优化 NOx 支持向量回归 高斯概率密度分布 分布估计算法
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 能源和环境工程
• 页码范围: 223-229
• 页数: 7页
• 分类号: TK223
• 语种: 中文
• DOI: 10.3321/j.issn:0438-1157.2009.01.035

摘要

燃烧优化的核心在于建立有效而快速的建模工具及寻优算法,以便于在线应用.为了研究新方法的适用性以及克服常用算法的缺点,本文利用支持向量回归建立了大型四角切圆燃烧电站锅炉NOx排放特性模型.利用大量的热态实炉试验NOx排放数据对模型进行了训练和验证.结果表明,支持向量回归模型能获得较神经网络模型更加准确的预测结果,相对于神经网络,支持向量回归能更好处理大样本量数据的非线性问题.随后,采用一种基于高斯概率密度 (GPDD)的分布估计优化算法对NOx排放模型进行了寻优.研究发现,与遗传算法相比,GPDD具有更好的寻优能力与更快的收敛速度.结合支持向量回归与高斯概率密度分布(GPDD)算法能有效降低燃煤锅炉NOx排放量,不到1 min的优化时间便于在线应用.研究结论可为该算法在实际电厂中推广应用提供参考依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	岑可法	浙江大学能源清洁利用国家重点实验室热能工程研究所	1286	23862	65.0	87.0
2	周昊	浙江大学能源清洁利用国家重点实验室热能工程研究所	139	1532	21.0	34.0
3	郑立刚	浙江大学能源清洁利用国家重点实验室热能工程研究所	8	116	6.0	8.0
4	梁绍华	浙江大学能源清洁利用国家重点实验室热能工程研究所	4	64	3.0	4.0