-
题名四角切圆燃煤锅炉低NO_x燃烧优化研究
被引量：9
- 1
-
-
作者
周建新
仇晓智
司风琪
徐治皋
-
机构
东南大学能源与环境学院
-
出处
《热能动力工程》
CAS
CSCD
北大核心
2009年第2期200-204,共5页
-
文摘
借助锅炉燃烧特性试验数据,建立了基于支持向量回归的四角切圆燃煤锅炉NOx排放模型。经过训练和校验,并与神经网络模型进行对比,结果表明:SVR模型更加适合于实炉热态测试工况较少的小样本学习,而且其精度能够满足工程的实际要求,能够较为准确的对不同工况下的电站锅炉NOx排放特性进行预测。在获得该模型的基础上,结合全局寻优的遗传算法,以锅炉的运行调节参数为优化目标函数的自变量,对NOx排放进行寻优,并获得了具体工况下的最佳操作参数。
-
关键词
电站锅炉
燃烧
氮氧化物
支持向量机
回归
遗传算法
-
Keywords
combustion,nitrogen oxide,supportive vector machine,regression,genetic algorithm
-
分类号
TK223
[动力工程及工程热物理—动力机械及工程]
-
-
题名混合生物质的综合燃烧特性预判研究
- 2
-
-
作者
孙鹏
程世庆
张海瑞
张慧敏
-
机构
山东大学能源与动力工程学院
-
出处
《热力发电》
CAS
北大核心
2012年第10期5-8,共4页
-
文摘
利用经交叉验证(CV)方法和遗传算法(GA)优化的支持向量机(SVM)分类模型(CV-GA-SVM)对混合生物质的燃烧特性进行类别预判,并提出综合燃烧特性指数的简便计算式。分类模型以工业分析成分为输入量,以试样标签为输出量,以单生物质数据训练模型。基于单生物质工业分析建立了综合燃烧特性指数的简便计算式。研究表明:CV-GA-SVM模型能够对混合生物质的综合燃烧特性作出准确、快速的预判,正确率为100%,耗用时间为4.4s;简便计算式的计算平均绝对误差为1.68。
-
关键词
混合生物质
燃烧特性
遗传算法
交叉验证
支持向量机
CV-GA-SVM模型
-
Keywords
mixed biomass
genetic algorithm
cross validation
support vector machine
combustion characteristic
multiple regressions
-
分类号
TK6
[动力工程及工程热物理—生物能]
-
