基于GA-BP的电站锅炉NOx排放特性建模研究.PDFVIP

能源研究与信息 第 26 卷 第 4 期 Energy Research and Information Vol. 26 No. 4 2010 文章编号: 1008-8857(2010)04-0198-06 基于 GA-BP 的电站锅炉NOx 排放特性建模研究 陈 卓, 安恩科 (同济大学 热能与环境工程研究所, 上海 201804) 摘 要: NOx 排放模型是电站锅炉实时控制系统的基础。针对普通 BP 神经网络建模方法收 敛速度慢和易陷于局部极值点的问题，提出基于遗传算法(GA)优化 BP 神经网络的建模方法。 通过电站锅炉热态试验获取样本数据，对 BP 网络隐节点数进行优化后，建立了 GA-BP 模型。 相比 BP 神经网络模型，该模型训练时间短，拟合误差大大降低。仿真试验表明：GA-BP 模 型性能得到改善，泛化能力明显提高，能准确预测 NOx 排放。GA-BP 模型可为运行人员提供 指导，也可作为电站锅炉实时控制系统的基础模型。 关键词: BP 神经网络; 遗传算法; NOx 建模; 泛化能力 中图分类号: TK31 文献标识码: A NOx 是燃煤电站锅炉排放的主要污染物之一。对于已投运锅炉，降低 NOx 排放的方法可 [1, 2] [3, 4] 分为两类：燃烧优化调整 、烟气后处理 。文献[5]称通过燃烧优化调整可降低 NOx 排放 15%~25%。通过建立 NOx 排放特性模型来降低 NOx 排放成为目前研究的热点。 国内外针对 NOx 排放特性建模已有一定研究。文献[6]应用 CFD 软件模拟 NOx 内部生成 机理预测 NOx 排放量，预测误差小于 10%，但预测时间长、模型复杂，主要应用于锅炉设计 [5] 阶段。Kang Li 等人 根据锅炉运行数据建立了线性和非线性自回归 NOx 特性模型，并将 NOx 生成机理作为先验知识加入辨识模型，构造了“灰箱”(Gray-Box)模型，对比分析三种模型， “灰箱”模型预测性能较好，但模型适应性差，预测性能还有待提高。近年来，以人工神经网 络(ANN)技术为代表的“黑箱”模型在非线性系统建模方面得到广泛应用。文献[7]利用串联 [8, 9] 神经网络建立燃煤电站锅炉 NOx 排放模型；周昊等人 应用 ANN 和支持向量机建立了电站 锅炉 NOx 排放模型，但模型泛化能力还有待进一步改进。 BP 神经网络是一种有效的预测方法，但存在收敛速度慢、算法易陷于局部极值点的问题。 本文将遗传算法强大的全局搜索能力和 BP 网络(Back Propagation)良好的局部搜索能力有机 结合，先用遗传算法全局寻优得到最优的初始权、阈值，再用 BP 网络梯度下降法在初始解空 间寻优，得到全局最优权、阈值，该建模手段从根本上克服了 BP 神经网络的缺点。将 GA-BP 应用于燃煤电站锅炉 NOx 排放建模，仿真试验证明：相比一般 BP 网络，GA-BP 网络建模时 间短、拟合误差大大降低，具有良好的泛化能力。 收稿日期：2010-05-20 作者简