收稿日期:20120523;修回日期:20120709 基金项目:国家自然科学基金资助项目(61262048,51066005);江西省教育厅基金资助
项目(GJJ10293)
作者简介:余廷芳(1974),男,江西乐平人,高级工程师,博士,主要研究方向为锅炉燃烧优化、人工智能应用(wtu_tingfy@163.com);王林
(1985),男,安徽阜阳人,硕士研究生,主要研究方向为热力系统节能;彭春华(1973),男,江西乐平人,副教授,博士,主要研究方向为电力市场、
电力监控信息系统、热工自动化等.
改进 NSGA
Ⅱ
算法在锅炉燃烧多目标优化中的应用
余廷芳
1
,王 林
1
,彭春华
2
(1.南昌大学 机电工程学院,南昌 330031;2.华东交通大学 电气与电子学院,南昌 330013)
摘 要:提出改进非劣分类遗传算法(NSGA
Ⅱ
)在燃煤锅炉多目标燃烧优化中的应用,优化的目标是锅炉热损
失及
NOx排放最小化。首先,采用 BP神经网络模型分别建立了 300MW 燃煤锅炉的 NOx排放特性模型和锅炉
热损失模型,同时利用锅炉热态实验数据对模型进行了训练和验证,结果表明,BP神经网络模型可以很好地预
测锅炉的排放特性和锅炉的热损失特性。在建立的锅炉排放特性和热损失 BP神经网络模型基础上,采用非劣
分类遗传算法对锅炉进行多目标优化,针对 NSGA
Ⅱ
在燃煤锅炉燃烧多目标优化问题应用中 Pareto解集分布不
理想、易早熟收敛的问题,在拥挤算子及交叉算子上进行了相应改进。优化结果表明,改进
NSGA
Ⅱ
方法与 BP
神经网络模型结合可以对锅炉燃烧实现有效的多目标寻优、得到理想的 Pareto解,是对锅炉燃烧进行多目标优
化的有效工具,同改进前的 NSGA
Ⅱ
优化结果比较,其 Pareto优化结果集分布更好、解的质量更优。
关键词:多目标优化;锅炉燃烧;NSGA
Ⅱ
;BP神经网络;Pareto解集
中图分类号:TP391 文献标志码:A 文章编号:10013695(2013)01017904
doi:10.3969/j.issn.10013695.2013.01.046
Improvednondominatedsortinggeneticalgorithmappliedinmultiobjective
optimizationofcoalfiredboilercombustion
YUTingfang
1
,WANGLin
1
,PENGChunhua
2
(1.SchoolofMechanical&ElectronicEngineering,NanchangUniversity,Nanchang330031,China;2.SchoolofElectrical,EastChinaJiao
tongUniversity,Nanchang330013,China)
Abstract:Thispaperdiscussedtheapplicationofimprovednondominatedsortinggeneticalgorithm
Ⅱ
(NSGA
Ⅱ
)tomulti
objectiveoptimizationofacoalfiredcombustion,thetwoobjectivesconsideredareminimizationofoverallheatlossandNOx
emissionsfromcoalfiredboiler.Inthefirststep,thispaperproposedthebackpropagation(BP)neuralnetworktoestablisha
mathematicalmodelpredictingthefunctionalrelationshipbetweenoutputs(NOxemissions&overallheatlossoftheboiler)
andinputs(operationalparametersoftheboiler)ofacoalfiredboiler.Itusedanumberoffieldtestdatafromafullscaleop
erating300MW boilertotrainandverifytheBPmodel.TheNOxemissions&heatlosspredictedbytheBPneuralnetwork
modelshowsgoodagreementwiththemeasured.Then,combinedBPmodelandthenondominatedsortinggeneticalgorithm
Ⅱ
(NSGA
Ⅱ
)togaintheoptimaloperatingparameterswhichledtolowerNOxemissionsandoverallheatlossboiler.According
totheproblemssuchasprematureconvergenceandunevendistributionofParetosolutionsexistintheapplicationofNSGA
Ⅱ
,
thispaperperformedcorrespondingimprovementsinthecrowdedoperatorandcrossoveroperator.Theoptimalresultsshowthat
hybridalgorithmbycombiningBPneuralnetworkandimprovedNSGA
Ⅱ
canbeagoodtooltosolvetheproblemofmultiob
jectiveoptimizationofacoalfiredcombustion,whichcanreduceNOxemissionsandoverallheatlosseffectivelyforthecoal
firedboiler.ComparedwithnonimprovedNSGA
Ⅱ
,theParetosetobtainedbytheimprovedNSGA
Ⅱ
showsabetterdistri
butionandbetterquality.
Keywords:multiobjectiveoptimization;coalfiredboilercombustion;NSGA
Ⅱ
;BPneuralnetwork;Paretosolutionsset
!
引言
燃煤电站作为我国主要电力供应的现状将维持较长时期,
而燃煤电站锅炉作为主要污染排放物的源点,其生产过程中的
NOx排放对环境会造成重大影响。随着我国对环境保护的要
求越来越严格,我国电厂烟气排放标准进一步提升
[1,2]
,燃煤
电站锅炉的节能减排尤为重要。如今在燃煤锅炉设计和改造
中,
NOx的排放将作为一个重要的监控指标,然而许多老的燃
煤锅炉 NOx排放明显高于国家排放标准,严重威胁大气环境。
进行尾部烟气脱硝设备改造虽然可以获得较好的脱硝效果,但
费用非常高。实践表明,通过燃烧优化调整可以获得较高的锅
炉燃烧效率与较低的 NOx排放,是一种经济有效的方法
[3,4]
。
然而燃煤电站锅炉经济运行与 NOx减排之间往往存在一定的
矛盾,因此需对燃煤电站锅炉经济运行与污染排放多目标优化
问题进行研究。
近期一些学者已经开展了燃煤电站锅炉多目标优化方面
第 30卷第 1期
2013年 1月
计 算 机 应 用 研 究
ApplicationResearchofComputers
Vol30No1
Jan.2013