[发明专利]基于改进量子粒子群算法的锅炉NOＸ预测模型优化方法

权利要求书

1.一种基于改进量子粒子群算法的火电厂锅炉NO_x预测模型优化方法，其特征在于包括以下步骤：

步骤一，通过对燃煤机组锅炉燃烧系统机理分析，确定NO_x排放浓度预测模型的输入变量；

步骤二，将余弦递减函数与传统量子粒子群算法结合，提出改进的量子粒子群算法；

步骤三，利用改进的量子粒子群优化算法优化极限学习机的初始参数，以训练数据预测结果和实际值的误差平方和最小化作为目标，建立准确的NO_x排放预测模型；

步骤四，通过仿真验证经过改进量子粒子群算法优化模型精度高于其他优化算法优化的模型。

2.根据权利要求1所述的一种基于改进量子粒子群算法的电厂锅炉NO_x预测模型优化方法，步骤一中，其特征在于确定NO_x排放浓度预测模型的输入变量分别为：锅炉负荷、总风量、磨煤机A给煤量、磨煤机B给煤量、磨煤机C给煤量、磨煤机D给煤量、磨煤机E给煤量、磨煤机F给煤量、两侧二次风量、两个燃尽风挡板开度、六个磨煤机一次风风量、六个二次挡板开度作为模型的输入变量。

3.根据权利要求1所述的一种基于改进量子粒子群算法的火电厂锅炉NOx预测模型优化方法，步骤二中，改进量子粒子群的流程如下：

(a)初始化算法参数，确定搜索空间寻优范围，确定目标优化问题的维数，设定种群数目、最大迭代次数与初始粒子位置x；

(b)将种群中粒子初始位置代入到目标优化问题的函数中，计算出初始粒子个体最优值p_best与种群全局最优值g_best；

(c)与量子粒子群算法相同，根据以下公式计算出种群平均最好位置ave_best和每个粒子介于p_best和g_best之间的随机位置P；

其中，为在[0,1]上均匀分布的随机数；P_id(t)为第i个粒子迭代t次时的个体最优值；p_gd(t)为第t次迭代时的全局最优值；P(t)为介于个体最优值P_id(t)与全局最优值p_gd(t)之间的一个随机值；β为收缩-扩张系数；

(d)与量子粒子群算法不同，改进的量子粒子群算法的收缩-扩张系数β由改进的方案计算，即

β＝1-cos((1-t/T)π/2)

(e)将新的β计算方法代入以下公式中，根据粒子更新公式对种群中的所有粒子进行更新

其中，u为在[0,1]上均匀分布的随机数；

(f)计算每个粒子新的适应度，并根据最优原则对原有p_best与g_best进行替换或者保留；

(g)判断迭代是否达到最大次数或者优化后的目标值是否达到目标精度，若是则算法终止迭代，否则返回步骤(c)继续进行迭代。

4.根据权利要求1所述的一种基于改进量子粒子群算法的火电厂锅炉NOx预测模型优化方法，步骤三中，设置极限学习机权值的寻优范围确定极限学习机模型隐含层节点个数，优化过程的目标函数为

式中，y_i表示为实际值，代表预测值。