文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 改进NSGA_算法在锅炉燃烧多目标优化中的应用_余廷芳
侵权投诉

改进NSGA_算法在锅炉燃烧多目标优化中的应用_余廷芳

第30卷第1期2013年1月计算机应用研究

ApplicationResearchofComputersVol.30No.1Jan.2013

*

改进NSGA-Ⅱ算法在锅炉燃烧多目标优化中的应用

1

余廷芳,王

12林,彭春华

(1.南昌大学机电工程学院,南昌330031;2.华东交通大学电气与电子学院,南昌330013)

摘

要:提出改进非劣分类遗传算法(NSGA-Ⅱ)在燃煤锅炉多目标燃烧优化中的应用,优化的目标是锅炉热损

失及NOx排放最小化。首先,采用BP神经网络模型分别建立了300MW燃煤锅炉的NOx排放特性模型和锅炉BP神经网络模型可以很好地预热损失模型,同时利用锅炉热态实验数据对模型进行了训练和验证,结果表明,采用非劣测锅炉的排放特性和锅炉的热损失特性。在建立的锅炉排放特性和热损失BP神经网络模型基础上,分类遗传算法对锅炉进行多目标优化,针对NSGA-Ⅱ在燃煤锅炉燃烧多目标优化问题应用中Pareto解集分布不易早熟收敛的问题,在拥挤算子及交叉算子上进行了相应改进。优化结果表明,改进NSGA-Ⅱ方法与BP理想、

神经网络模型结合可以对锅炉燃烧实现有效的多目标寻优、得到理想的Pareto解,是对锅炉燃烧进行多目标优化的有效工具,同改进前的NSGA-Ⅱ优化结果比较,其Pareto优化结果集分布更好、解的质量更优。关键词:多目标优化;锅炉燃烧;NSGA-Ⅱ;BP神经网络;Pareto解集中图分类号:TP391

文献标志码:A

文章编号:1001-3695(2013)01-0179-04

doi:10.3969/j.issn.1001-3695.2013.01.046

Improvednon-dominatedsortinggeneticalgorithmappliedinmulti-objective

optimizationofcoal-firedboilercombustion

YUTing-fang1,WANGLin1,PENGChun-hua2

(1.SchoolofMechanical&ElectronicEngineering,NanchangUniversity,Nanchang330031,China;2.SchoolofElectrical,EastChinaJiao-tongUniversity,Nanchang330013,China)

Abstract:Thispaperdiscussedtheapplicationofimprovednon-dominatedsortinggeneticalgorithm-Ⅱ(NSGA-Ⅱ)tomulti-objectiveoptimizationofacoal-firedcombustion,thetwoobjectivesconsideredareminimizationofoverallheatlossandNOx

emissionsfromcoal-firedboiler.Inthefirststep,thispaperproposedthebackpropagation(BP)neuralnetworktoestablisha

mathematicalmodelpredictingthefunctionalrelationshipbetweenoutputs(NOxemissions&overallheatlossoftheboiler)andinputs(operationalparametersoftheboiler)ofacoal-firedboiler.Itusedanumberoffieldtestdatafromafull-scaleop-erating300MWboilertotrainandverifytheBPmodel.TheNOxemissions&heatlosspredictedbytheBPneuralnetwork

combinedBPmodelandthenon-dominatedsortinggeneticalgorithmⅡmodelshowsgoodagreementwiththemeasured.Then,

(NSGA-Ⅱ)togaintheoptimaloperatingparameterswhichledtolowerNOxemissionsandoverallheatlossboiler.According

totheproblemssuchasprematureconvergenceandunevendistributionofParetosolutionsexistintheapplicationofNSGA-Ⅱ,

thispaperperformedcorrespondingimprovementsinthecrowdedoperatorandcrossoveroperator.Theoptimalresultsshowthat

ob-hybridalgorithmbycombiningBPneuralnetworkandimprovedNSGA-Ⅱcanbeagoodtooltosolvetheproblemofmulti-jectiveoptimizationofacoal-firedcombustion,whichcanreduceNOxemissionsandoverallheatlosseffectivelyforthecoal-firedboiler.Comparedwithnon-improvedNSGA-Ⅱ,theParetosetobtainedbytheimprovedNSGA-Ⅱshowsabetterdistri-butionandbetterquality.Keywords:multi-objectiveoptimization;coal-firedboilercombustion;NSGA-Ⅱ;BPneuralnetwork;Paretosolutionsset

0引言

燃煤电站作为我国主要电力供应的现状将维持较长时期,

煤锅炉NOx排放明显高于国家排放标准,严重威胁大气环境。进行尾部烟气脱硝设备改造虽然可以获得较好的脱硝效果,但费用非常高。实践表明,通过燃烧优化调整可以获得较高的锅

[3,4]

。炉燃烧效率与较低的NOx排放,是一种经济有效的方法

而燃煤电站锅炉作为主要污染排放物的源点,其生产过程中的NOx排放对环境会造成重大影响。随着我国对环境保护的要求越来越严格,我国电厂烟气排放标准进一步提升

[1,2]

然而燃煤电站锅炉经济运行与NOx减排之间往往存在一定的矛盾,因此需对燃煤电站锅炉经济运行与污染排放多目标优化问题进行研究。

近期一些学者已经开展了燃煤电站锅炉多目标优化方面

,燃煤

电站锅炉的节能减排尤为重要。如今在燃煤锅炉设计和改造NOx的排放将作为一个重要的监控指标,中,然而许多老的燃

收稿日期:2012-05-23;修回日期:2012-07-09项目(GJJ10293)

51066005);江西省教育厅基金资助基金项目:国家自然科学基金资助项目(61262048,

作者简介:余廷芳(1974-),男,江西乐平人,高级工程师,博士,主要研究方向为锅炉燃烧优化、人工智能应用(wtu_tingfy@163.com);王林(1985-),男,安徽阜阳人,硕士研究生,主要研究方向为热力系统节能;彭春华(1973-),男,江西乐平人,副教授,博士,主要研究方向为电力市场、电力监控信息系统、热工自动化等.

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email