基于改进差分极端学习机的燃煤锅炉NOx预测

• 作者: 李庆伟 申志文
• 来源期刊: 热科学与技术
• 学科: 工学
• 关键词: 差分进化算法 极端学习机 NOx排放 预测模型
• 年，卷（期）: 2022,（1）
• 页码范围: 98-104
• 页数: 7页
• 分类号: TK39
• 语种: 中文
• DOI: 10.13738/j.issn.1671-8097.020016

摘要

低NOx燃烧优化是一种简单、高效、廉价的燃煤电站NOx减排方法.建立NOx预测模型是该方法的重要组成部分.极端学习机(extreme learning machine,ELM)是一种简单有效的建模方法,但随机生成的输入权值和隐层阈值会影响ELM的泛化性能和逼近能力.针对该问题,利用一种改进的差分进化算法(improved differential evolution,IDE)优化ELM输入权值和隐层阚值,得到了改进的NOx预测模型(improved differential evolution-extreme learning machine,IDE-ELM),该模型可以有效克服参数寻优过程中的早熟问题.利用IDE-ELM模型预测了某300 MW的NOx排放量,并与标准ELM和DE-ELM预测结果进行对比.为消除启发式算法随机性的影响,每个实验独立重复101次.实验结果表明,IDE-ELM模型有效提升了ELM算法的泛化能力和稳定性.