基于反向传播-向量评价遗传算法模型的燃煤电站锅炉燃烧多目标优化

基于MATLAB智能工具箱对某300MW电站锅炉进行燃烧优化。利用反向传播(BP)神经网络分别建立了锅炉热效率和NO_x排放预测模型,用以预测锅炉热效率和NO_x排放特性。锅炉热效率预测的校验样本相对误差平均绝对值为0.210 0%,NO_x排放量预测的校验样本相对误差平均绝对值为2.410 0%,表明模型具有良好的准确性和泛化性。借助向量评价遗传算法(VEGA)优化模型得到锅炉热效率和NO_x排放量的优质解集合。300 MW负荷下锅炉热效率优质解集合为92.93%~93.64%,NO_x排放量优质解集合为367~413mg/m~3;270 MW负荷下锅炉热效率优质解集合为92.26%~93.56%,NO_x排放量优质解集合为360~416mg/m~3。研究结果对实际的电站锅炉燃烧具有一定的指导意义。