CN115755624B 一种基于进化算法的燃煤锅炉多目标优化方法 （浙江大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115755624B(45)授权公告日2025.07.01

(21)申请号202211583707.0

(22)申请日2022.12.09

(65)同一申请的已公布的文献号申请公布号CN115755624A

(43)申请公布日2023.03.07

(56)对比文件

ChenliShi,ZhengguoXu.Anovelthree-stagemulti-populationevolutionary

algorithmforconstrainedmulti-objectiveoptimizationproblems.《SPRINGER》.2023,全文.

(73)专利权人浙江大学审查员徐达

地址310058浙江省杭州市西湖区余杭塘

路866号

(72)发明人徐正国施晨莉赵若晴叶炜

周柯江

(74)专利代理机构杭州求是专利事务所有限公

司33200

专利代理师傅朝栋张法高

(51)Int.CI.

GO5B13/04(2006.01)权利要求书3页说明书9页附图3页

(54)发明名称

一种基于进化算法的燃煤锅炉多目标优化方法

(57)摘要

CN115755624B本发明公开了一种基于进化算法的燃煤锅炉多目标优化方法。本发明综合考虑多个操作变量进行多个目标变量优化，通过针对每个目标参数建立梯度下降决策树模型来模拟锅炉燃烧过程，并在建立锅炉燃烧模型的基础上结合NSGA-Ⅱ算法对关键参数集合中的关键参数进行迭代寻优，实现与提高锅炉燃烧效率和减少污染物排放相关的多目标参数的优化，以达到提高燃烧效率并减少污染物排放的目标。本发明对于燃煤锅炉有较高的优化率，能够实现根据锅炉运行数据

CN115755624B

采集锅炉历史运行数据，划分训

采集锅炉历史运行数据，划分训练集和测试集，进行数据预处理。

以训练集为基础建立锅炉燃烧过程模型，用测试集进行模型验证。

输入测试样本，以需要优化的性能指标作为目标函数，基于NSGA-Ⅱ算法迭代寻优，得到帕累托最优解集。

在帕累托最优解集中选择优化度最高的一个解，将其对应的可调节运行变量的值作为燃烧控制量。

S1

S2

S3

S4

CN115755624B权利要求书1/3页

2

1.一种基于进化算法的燃煤锅炉多目标优化方法，其特征在于，包括如下步骤：

S1、采集燃煤锅炉运行过程中运行参数集合和目标参数集合的历史数据，其中运行参数集合中包含不可调节运行参数和可调节运行参数两类；将历史数据划分为训练集和测试集，对训练集和测试集中样本包含的运行参数集合进行降维，保留能够影响目标参数的关键参数集合；

S2、针对目标参数集合中的每一个目标参数，分别利用训练集训练一个锅炉燃烧过程模型，并用测试集验证；所述锅炉燃烧过程模型是以所述关键参数集合为输入，以单个目标参数为输出的梯度下降决策树模型；

S3、根据燃煤锅炉的目标参数集合设置目标函数和约束条件，从而确定优化模型；从燃煤锅炉运行过程中实时获取当前时刻的关键参数集合进行种群初始化，通过NSGA-Ⅱ算法对关键参数集合中的关键参数进行迭代寻优，每一步迭代过程中均通过S2中训练得到的锅炉燃烧过程模型计算种群个体对应的目标函数值；寻优完毕后，得到帕累托最优解集；所建立的优化模型如下：

其中：优化目标是使得所有的锅炉燃烧效率指标和污染物排放量指标都达到尽可能小，y1(v,x),y2(v,x),…,y(v,x)分别代表目标参数y,y?,…,y对应的梯度下降决策树模型，各模型的输入中v代表关键参数集合中的不可调节运行参数，x代表关键参数集合中的可调节运行参数；9i(x)表示第i个可调节运行参数的调节幅度，约束条件gi(x)≤δ表示针对第i个可调节运行参数，其调节幅度被限制在当前实际值的上下δ以内；

S4、在S3中得到的帕累托最优解集中再次进行选择，得到优化程度最高的一个最优解，并根据这个最优解调控燃煤锅炉的运行参数。

2.根据权利要求1所述的基于进化算法的燃煤锅炉多目标优化方法，其特征在于，在步骤S1