热科学与技术

作者：李庆伟,申志文

单位：上海电力大学,上海电力大学

关键词：差分进化算法,极端学习机,NOx排放,预测模型,

基金：国家重点基础研究发展计划（973计划）；上海市青年科技英才扬帆计划资助

低NOx燃烧优化是一种简单、高效、廉价的燃煤电站NOx减排方法。建立NOx预测模型是该方法的重要组成部分。极端学习机（Extreme learning machine，ELM）是一种简单有效的建模方法，但随机生成的输入权值和隐层阈值会影响ELM的泛化性能和逼近能力。针对该问题，利用一种改进的差分进化算法（Improved differential evolution，IDE）优化输入权值和隐层阈值，得到了改进的NOx预测模型（Improved differential evolution- extreme learning machine, IDE- ELM），该模型可以有效克服参数寻优过程中的早熟问题。利用IDE-ELM模型预测了某330 MW的NOx排放量，并与标准ELM和DE-ELM预测结果进行对比。为消除启发式算法随机性的影响，每个实验独立重复101次。实验结果表明，IDE-ELM模型有效提升了ELM算法的泛化能力和稳定性。

来源：2022年第1期

《热科学与技术》期刊编辑部

查看热科学与技术杂志2022年第1期