基于改进差分极端学习机的燃煤锅炉NO_(x)预测

作     者：李庆伟 申志文 LI Qingwei;SHEN Zhiwen

作者机构：上海电力大学能源与机械工程学院上海201306 

出 版 物：《热科学与技术》 (Journal of Thermal Science and Technology)

年 卷 期：2022年第21卷第1期

页      面：98-104页

学科分类：080702[工学-热能工程] 08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：国家重点研发计划资助项目(2018YFB0604204) 

主　　题：差分进化算法 极端学习机 NO_(x)排放 预测模型 

摘      要：低NO_(x)燃烧优化是一种简单、高效、廉价的燃煤电站NO_(x)减排方法。建立NO_(x)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输入权值和隐层阈值,得到了改进的NO_(x)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NO_(x)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。