[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

摘要

本发明公开了一种改进量子粒子群算法的电厂锅炉NO_x预测模型优化方法，包括以下步骤，一、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；二、将余弦递减函数与量子粒子群优化算法相结合，提出改进的量子粒子群算法；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。以训练数据预测值和实际值的误差绝对值和最小化作为目标，建立准确的NO_x排放模型；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方法优化的模型。本发明的优点：通过改进的量子粒子群算法可以高效快速的计算出极限学习机最佳初始参数，进而得到准确的火电厂锅炉NO_x排放模型，对于燃煤机组降低污染物排放和具有重要意义。

主权项

1.一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，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NOx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NOx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。