锅炉多目标优化方法及装置制造方法及图纸

本公开提出了一种锅炉多目标优化方法及装置，涉及深度学习技术领域，包括：获取基于支持向量回归机构建好的锅炉NOx排放特性模型和锅炉效率模型；确定目标函数；将运行参数输入至锅炉NOx排放特性模型和锅炉效率模型中进行参数配置，运行参数中包含有所述待优化变量；基于预先配置好参数的多目标遗传算法及目标函数，以对锅炉NOx排放特性模型和锅炉效率模型中的待优化变量进行优化，得到包含多个可行解的帕累托解集；从帕累托解集中获取目标可行解。由此，可以运用改进型NSGA

【技术实现步骤摘要】
锅炉多目标优化方法及装置


[0001]本公开涉及深度学习
，尤其涉及一种锅炉多目标优化方法及装置。

技术介绍

[0002]电站锅炉燃烧数值建模优化的基础和关键是建立拥有良好预测性能的锅炉数值模型。早期以计算流体力学数学模型为主，但是计算繁杂且耗时长，计算精度不高，不能足以支持在线计算的需求。随着神经网络算法、支持向量机模型和遗传算法的出现，在线数值建模计算的理论工具得以充实，期利用电厂数据库数据进行非线性建模计算和优化计算，预测精度高、计算速度快、泛化能力和模型通用性强。
[0003]如何通过锅炉数值建模计算，使得优化得到的运行数据实现高锅炉效率和低NOx排放，是目前亟需解决的问题。

技术实现思路

[0004]本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
[0005]本公开第一方面实施例提出了一种锅炉多目标优化方法，包括：
[0006]获取基于支持向量回归机构建好的锅炉NOx排放特性模型和锅炉效率模型；
[0007]确定与所述锅炉NOx排放特性模型和锅炉效率模型对应的目标函数，其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锅炉多目标优化方法，其特征在于，包括：获取基于支持向量回归机构建好的锅炉NOx排放特性模型和锅炉效率模型；确定与所述锅炉NOx排放特性模型和锅炉效率模型对应的目标函数，其中，所述目标函数中包含有待优化变量，及所述待优化变量对应的取值范围；将当前锅炉工况对应的运行参数输入至所述锅炉NOx排放特性模型和锅炉效率模型中进行参数配置，所述运行参数中包含有所述待优化变量；基于预先配置好参数的多目标遗传算法，以及所述目标函数，以对所述锅炉NOx排放特性模型和锅炉效率模型中的待优化变量进行优化，得到包含多个可行解的帕累托解集；从所述包含多个可行解的帕累托解集中获取目标可行解。2.根据权利要求1所述的方法，其特征在于，其中，所述待优化变量至少包含：锅炉总风量、至少4个SOFA风挡板开度、至少6个二次风挡板开度；所述锅炉总风量对应的取值范围为8B
‑
11B、所述SOFA风挡板开度对应的取值范围为0
‑
100％、所述二次风挡板开度的取值范围为0
‑
70％。3.根据权利要求1所述的方法，其特征在于，所述从所述包含多个可行解的帕累托解集中获取目标可行解，包括：确定所述帕累托解集中每个可行解对应的锅炉效率值和NOx排放量值；将所述锅炉效率值大于第一阈值，且所述NOx排放量值小于第二阈值的可行解作为目标可行解。4.根据权利要求1所述的方法，其特征在于，所述多目标遗传算法为NSGA
‑
II多目标遗传算法，其中，所述NSGA
‑
II多目标遗传算法的初始种群规模为200、自适应交叉概率的初始值为0.9、自适应变异概率的初始值为0.009、最优前端个体系数0.3，最大进化代数为2000。5.根据权利要求1所述的方法，其特征在于，所述获取基于支持向量回归机构建好的锅炉NOx排放特性模型和锅炉效率模型，包括：从数据库中获取多组不同的锅炉负荷对应的锅炉运行数据作为样本集；将所述样本集分为训练样本集和测试样本集，并分别进行归一化处理；基于果蝇算法利用交叉验证法对核函数参数进行寻优，以得到最优参数组合；基于最优参数组合和径向基核函数，建立基于支持向量回归机构建的锅炉NOx排放特性模型和锅炉效率模型；利用所述训练样本集和所述测试样本集分别对所述锅炉NOx排放特性模型和锅炉效率模型进行测试和验证，以得到训练好的所述锅炉NOx排放特性模型和锅炉效率模型。6.一种锅炉多...

【专利技术属性】
技术研发人员：王宏武，杨荣祖，张奔，穆祺伟，于龙文，王耀文，刘欢，王汀，谢天，翟鹏程，
申请(专利权)人：西安西热节能技术有限公司，
类型：发明
国别省市：