燃煤鍋爐燃燒最佳化的多目標DNA遺傳算法研究

《燃煤鍋爐燃燒最佳化的多目標DNA遺傳算法研究》是依託杭州電子科技大學，由陳霄擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：燃煤鍋爐燃燒最佳化的多目標DNA遺傳算法研究
• 項目類別：青年科學基金項目
• 項目負責人：陳霄
• 依託單位：杭州電子科技大學

項目摘要

燃煤鍋爐燃燒最佳化技術是提高鍋爐燃燒效率、降低NOx排放量的有效手段，是一種多目標非線性複雜最佳化問題。目前研究學者常採用遺傳算法求解此類燃燒最佳化問題。但遺傳算法易陷入局部最優解，導致所建模型精度降低，影響燃燒最佳化效果。與遺傳算法相比，DNA遺傳算法可以顯著提高算法搜尋成功率和搜尋精度。但是現有的DNA遺傳算法針對多目標處理機制的研究成果較少，處理多目標問題時存在局限性。為了提高燃煤鍋爐系統模型的準確性，達到鍋爐燃燒效率和NOx排放量的最佳化目標，本項目針對DNA遺傳算法的編碼方法、遺傳運算元、多目標處理機制進行研究，提出多目標DNA遺傳算法，藉助算法的全局搜尋性能和有效的多目標處理機制，與建模工具結合建立燃煤鍋爐系統非線性混合模型，並基於所建模型，利用多目標DNA遺傳算法對鍋爐的運行參數進行最佳化。通過本項目的研究，可以有效提高電力企業的經濟效益和運行水平，減少污染物排放，具有理論意義和套用價值。

結題摘要

燃煤鍋爐是燃煤發電企業最重要的設備之一，它的燃燒最佳化對於我國電力行業具有重要意義。通過燃燒最佳化技術提高燃煤鍋爐燃燒效率，可以降低煤耗率，從而降低生產成本，提升發電企業競爭力。同時，通過燃燒最佳化技術可以降低NOx排放量，保護環境。因此，燃煤鍋爐燃燒最佳化控制的研究，可以有效提高電力企業的經濟效益和運行水平，減少污染物排放。解決燃煤鍋爐燃燒最佳化問題關鍵在於所建燃燒過程模型的準確性，而由於燃燒過程的複雜性，難以根據燃燒過程的物理化學機理，建立準確的過程數學模型。本項目採用人工神經網路來建立燃煤鍋爐燃燒過程模型。由於建立的神經網路模型中含有大量的未知參數，如網路模型結構和網路參數等，因此，燃煤鍋爐的燃燒最佳化過程建模問題可以認為是一個多目標非線性複雜最佳化問題，具有大量局部最優解，因此可以採用多目標最佳化方法來解決。DNA遺傳算法是一種將生物DNA分子的生物特性及相應的分子操作引入遺傳算法中，建立新的個體編碼方式，並在此基礎上開發新的操作運算元，與傳統遺傳算法相比，具有更好的全局搜尋能力。 本項目在三年的研究過程中，致力於多目標DNA遺傳算法的研究，主要包括以下內容：一、個體編碼方式。該部分研究內容主要包括普通最佳化問題的個體編碼方式及基於網路模型的個體編碼方式這兩部分的研究內容。二、操作運算元。該部分研究內容主要包括交叉運算元、變異運算元、普通選擇運算元和適用於多目標問題的選擇運算元。三、仿真測試。該部分研究內容主要包括選擇具有代表性的測試函式，對提出的各種運算元的性能進行測試，並做出相應的改進。四、基於神經網路的建模。該部分研究內容為將多目標DNA遺傳算法與人工神經網路結合，建立各種複雜過程的人工神經網路模型，並對所建立的網路模型進行測試比較。五、基於神經網路模型的預測控制最佳化 該部分研究內容為利用基於多目標DNA遺傳算法的人工神經網路對複雜過程建模，並在所建模型的基礎上，利用預測控制方法，對過程進行控制，達到期望的控制目標。