基于距离学习粒子群算法的NOx减排优化

李庆伟，　陈慧枫，　姚桂焕

(1. 东南大学 能源与环境学院， 南京 210096； 2. 东南大学 化学化工学院， 南京 210096；3. 南京工业大学 机械与动力工程学院， 南京 211800)



基于距离学习粒子群算法的NOx减排优化

李庆伟1，陈慧枫2，姚桂焕3

(1. 东南大学 能源与环境学院， 南京 210096； 2. 东南大学 化学化工学院， 南京 210096；3. 南京工业大学 机械与动力工程学院， 南京 211800)

摘要：研究了燃烧优化降低NOx排放量的方法，介绍了3类NOx的生成机理，利用集成支持向量机建立NOx排放预测模型，并利用粒子群算法优化NOx排放.为了有效克服粒子群的早熟问题，提出了带系数的距离学习粒子群算法.将所提方法应用于某电厂的NOx减排优化中，并与其他方法进行对比.结果表明：集成支持向量机可以有效提高预测结果的准确性，改进的优化算法可以使NOx排放量更低，搜索结果也更加稳定.

关键词：NOx； 支持向量机； 粒子群； 燃烧优化

随着燃煤电站的发展，以NOx排放为代表的大气污染问题越来越突出，每年造成高达133亿美元的损失[1].从2016年起，500 MW以上机组的NOx排放量必须低于200 mg/m3.因此，NOx减排问题是一个亟待解决的问题.

目前，降低NOx排放的方法有燃烧优化、催化还原法、加装低NOx燃烧器和循环燃烧法等.其中，催化还原法的投资和维护成本较高[2]，加装低NOx燃烧器和循环燃烧法降低NOx比较有限[3]，而燃烧优化方法具有投资小、效果好和便于维护等优点，已获得了广泛的研究和应用.

燃烧优化方法主要分2步：首先建立NOx预测模型，在此基础上建立NOx优化模型.其中建立NOx预……