基于MAPSO优化LSSVM的锅炉燃烧建模研究

作     者：蓝茂蔚 李杨 赵国钦 周元祥 江政纬 甘云华 LAN Maowei;LI Yang;ZHAO Guoqin;ZHOU Yuanxiang;JIANG Zhengwei;GAN Yunhua

作者机构：华南理工大学电力学院广东广州510640 西安热工研究院有限公司陕西西安710054 广东粤电靖海发电有限公司广东揭阳515223 

出 版 物：《中南大学学报（自然科学版）》 (Journal of Central South University:Science and Technology)

年 卷 期：2022年第53卷第4期

页      面：1506-1515页

核心收录：

学科分类：0711[理学-系统科学] 080703[工学-动力机械及工程] 08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：广东省基础与应用基础研究基金资助项目(2020B1515020040) 国家自然科学基金资助项目(51776077) 天津大学内燃机燃烧学国家重点实验室开放基金资助项目(K2021-01) 

主　　题：电站锅炉 锅炉效率 NO_(x)排放 改进型粒子群算法 最小二乘支持向量机 

摘      要：针对锅炉燃烧系统智能算法建模,为克服标准粒子群(PSO)优化算法对最小二乘支持向量机(LSSVM)模型参数进行优化时容易陷于局部最优解的缺点,提出一种改进型的蚂蚁−粒子群算法(MAPSO)对LSSVM模型参数进行优化。根据模式搜索的“探测思想,通过与蚁群算法移动规则的结合改进粒子群算法,增加粒子群算法的小步长局部搜索过程,让每一步迭代所得的最优粒子在其邻域内进行小步长的局部精细搜索,以便找到更好的全局最优解。MAPSO算法的先验性预判断组合共有8种,通过对比先验性粒子各个方向的适应度,保证粒子群在最优粒子邻域内向正确的方向进行小步长局部搜索。研究结果表明:本文提出的改进型MAPSO算法有效保留了标准PSO优化算法的全局寻优性能,并增强了算法的局部寻优性能。MAPSO算法在建立锅炉燃烧系统模型过程中能有效避免陷入局部极小,寻找到全局最优解。所建立的MAPSO-LSSVM模型与标准PSO-LSSVM模型相比,具有更快的收敛速度,更高的预测精度,更强的拟合能力和泛化能力。