[发明专利]一种快速非支配排序遗传算法的锅炉燃烧优化控制方法

说明书

本发明公开了一种快速非支配排序遗传算法的锅炉燃烧优化控制方法，包括以下步骤：S1、对锅炉历史运行数据进行预处理和特征选择，得到训练集；S2、根据步骤S1中的训练集建立锅炉燃烧系统综合预测模型；S3、利用改进的快速非支配排序遗传算法和步骤S2中的锅炉燃烧系统综合预测模型对锅炉运行可调参数进行寻优，得到最优控制解集；S4、根据步骤S3中的最优控制解集调节锅炉运行可调参数，得到优化方案。本发明能根据实际运用中的多种优化要求，控制选择对应的优化方案，进而提高经济效益，减少污染物的排放量。

技术领域

本发明涉及锅炉燃烧节能领域，具体涉及一种快速非支配排序遗传算法的锅炉燃烧优化控制方法。

背景技术

现代火电生产中，燃煤锅炉高效运行及污染排放的多目标优化问题具有复杂非线性、相互制约的特点。针对此多目标优化问题，一种方法为利用权重系数法对锅炉NOx排放量、热效率两个优化目标分别赋予不同的权重，将其转化为单目标问题来解决；另一种方法为直接采用多目标优化算法对两个目标进行寻优，求得一系列非支配解(Pareto解集)。目前，多目标优化算法因其具有参数设置简单、适用性广泛等优点，被广泛地应用于锅炉燃烧优化、给水管网优化等工程领域。

在实际运行过程中，燃煤锅炉存在多种优化要求，例如NO_x排放量最低、热效率最高等，而现目前操作人员无法根据当前锅炉的实际运行需求，通过有效的控制方法选择优化效果满意的对应的方案。

发明内容

针对现有技术中的上述不足，本发明提供的一种快速非支配排序遗传算法的锅炉燃烧优化控制方法，能根据实际运用中的多种优化要求，控制选择对应的优化方案。

为了达到上述发明目的，本发明采用的技术方案为：

一种快速非支配排序遗传算法的锅炉燃烧优化控制方法，包括以下步骤：

S1、对锅炉历史运行数据进行预处理和特征选择，得到训练集；

S2、根据步骤S1中的训练集建立锅炉燃烧系统综合预测模型；

S3、利用改进的快速非支配排序遗传算法和步骤S2中的锅炉燃烧系统综合预测模型对锅炉运行可调参数进行寻优，得到最优控制解集；

S4、根据步骤S3中的最优控制解集调节锅炉运行可调参数，得到优化方案。

进一步地，步骤S2包括以下分步骤：

S21、利用改进多元宇宙优化算法对深度置信网络模型的隐含层节点数进行优化；

S22、将分步骤S21中优化得到的隐含层节点数代入深度置信网络模型，得到优化深度置信网络模型；

S23、利用步骤S1中的训练集训练分步骤S22中的优化深度置信网络模型，建立锅炉燃烧系统综合预测模型。

进一步地，步骤S3包括以下分步骤：

S31、确定需要优化的锅炉运行可调参数；

S32、对锅炉运行可调参数进行非支配排序；

S33、改进快速非支配排序遗传算法的选择算子和交叉算子；

S34、利用分步骤S33中改进后的快速非支配排序遗传算法的选择算子和交叉算子对非支配排序后的锅炉运行可调参数进行选择、交叉，再进行变异得到下一代锅炉运行可调参数集；

S35、对分步骤S34中的下一代锅炉运行可调参数集进行精英策略操作，得到初始控制解集；

S36、判断分步骤S35中的初始控制解集是否在设定的寻优区间；若是则进入分步骤S37，否则跳转到分步骤S32；

S37、利用步骤S2中的锅炉燃烧系统综合预测模型，输出为最优控制解集。