典型文献
基于改进麻雀搜索算法和核极限学习机的电站锅炉燃烧优化
文献摘要：
为了实现"双碳"目标,对电站锅炉燃烧系统进行改造升级势在必行.首先利用精英反向学习策略、动态惯性权重和自适应t分布变异对麻雀搜索算法(SSA)的种群初始化和位置更新进行改进,获得一种新的改进麻雀搜索算法(ISSA).然后通过ISSA优化核极限学习机(KELM)的正则化系数和核函数参数,建立ISAA-KELM锅炉燃烧特性预测模型.采用该预测模型对某超超临界660 MW机组实际运行数据进行预测,预测结果得到锅炉NOx排放质量浓度和锅炉热效率的平均绝对误差率分别为1.4417％和0.0239％,预测效果较好.最后,根据该模型预测结果,利用ISSA对2种典型工况锅炉运行可调参数进行寻优,优化后低负荷工况锅炉NOx排放质量浓度降低约91.73 mg/m3,热效率提高0.54％,高负荷工况锅炉NOx排放质量浓度降低约45.96 mg/m3,热效率提高0.50％.
文献关键词：
电站锅炉;燃烧优化;预测模型;麻雀搜索算法;核极限学习机
中图分类号：
作者姓名：
冯磊华;张杰;詹毅
作者机构：
长沙理工大学能源与动力工程学院,湖南 长沙 410114
文献出处：
引用格式：
[1]冯磊华;张杰;詹毅-.基于改进麻雀搜索算法和核极限学习机的电站锅炉燃烧优化)[J].热力发电,2022(09):96-102
A类：
B类：
改进麻雀搜索算法,核极限学习机,电站锅炉,燃烧优化,锅炉燃烧系统,改造升级,精英反向学习策略,动态惯性权重,分布变异,种群初始化,位置更新,ISSA,KELM,正则化,核函数,函数参数,ISAA,燃烧特性,特性预测,超超临界,MW,实际运行,运行数据,NOx,锅炉热效率,平均绝对误差,误差率,典型工况,锅炉运行,可调参数,低负荷工况,效率提高,高负荷
AB值：
0.304078
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
