基于BPSO-SVR的循环流化床锅炉燃烧系统建模

简介

由于循环流化床锅炉燃烧系统预测模型的各输入变量具有较强关联性、耦合性,经典的锅炉NOx排放量建模方法中的模型参数调节难度较大,导致对NOx排放量浓度的预测精度不高。针对这一问题,提出支持向量回归(SVR)与双态粒子群算法(BPSO)相结合的BPSO-SVR建模方法。以一台循环流化床锅炉为研究对象,首先对用于建模的数据进行预处理后得到样本数据,然后利用BPSO-SVR训练出锅炉NOx排放量浓度模型。在Matlab平台上将此建模方法与PSOSVR建模方法、SVR建模方法、BP神经网络建模方法进行仿真对比,仿真结果表明该方法具有更高预测精度和更强的泛化能力。