一种基于进化算法的燃煤锅炉多目标优化方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115755624A(43)申请公布日2023.03.07(21)申请号202211583707.0(22)申请日2022.12.09(71)申请人浙江大学地址310058浙江省杭州市西湖区余杭塘路866号(72)发明人徐正国施晨莉赵若晴叶炜周柯江(74)专利代理机构杭州求是专利事务所有限公司33200专利代理师傅朝栋张法高(51)Int.Cl.G05B13/04(2006.01)权利要求书3页说明书9页附图3页(54)发明名称一种基于进化算法的燃煤锅炉多目标优化方法(57)摘要本发明公开了一种基于进化算法的燃煤锅炉多目标优化方法。本发明综合考虑多个操作变量进行多个目标变量优化，通过针对每个目标参数建立梯度下降决策树模型来模拟锅炉燃烧过程，并在建立锅炉燃烧模型的基础上结合NSGA‑Ⅱ算法对关键参数集合中的关键参数进行迭代寻优，实现与提高锅炉燃烧效率和减少污染物排放相关的多目标参数的优化，以达到提高燃烧效率并减少污染物排放的目标。本发明对于燃煤锅炉有较高的优化率，能够实现根据锅炉运行数据在线调整操作变量以达到提高燃烧效率并减少污染物排放的目标。CN115755624ACN115755624A权利要求书1/3页1.一种基于进化算法的燃煤锅炉多目标优化方法，其特征在于，包括如下步骤：S1、采集燃煤锅炉运行过程中运行参数集合和目标参数集合的历史数据，其中运行参数集合中包含不可调节运行参数和可调节运行参数两类；将历史数据划分为训练集和测试集，对训练集和测试集中样本包含的运行参数集合进行降维，保留能够影响目标参数的关键参数集合；S2、针对目标参数集合中的每一个目标参数，分别利用训练集训练一个锅炉燃烧过程模型，并用测试集验证；所述锅炉燃烧过程模型是以所述关键参数集合为输入，以单个目标参数为输出的梯度下降决策树模型；S3、根据燃煤锅炉的目标参数集合设置目标函数和约束条件，从燃煤锅炉运行过程中实时获取当前时刻的关键参数集合进行种群初始化，通过NSGA‑Ⅱ算法对关键参数集合中的关键参数进行迭代寻优，每一步迭代过程中均通过S2中训练得到的锅炉燃烧过程模型计算种群个体对应的目标函数值；寻优完毕后，得到帕累托最优解集；S4、在S3中得到的帕累托最优解集中再次进行选择，得到优化程度最高的一个最优解，并根据这个最优解调控燃煤锅炉的运行参数。2.根据权利要求1所述的基于进化算法的燃煤锅炉多目标优化方法，其特征在于，在步骤S1中，具体包括以下步骤：S101、根据预先设定的运行参数集合和目标参数集合，采集燃煤锅炉运行过程中每一个运行参数和目标参数的历史数据；所述目标参数集合包含锅炉燃烧效率指标和污染物排放量指标，所述运行参数集合包含燃煤锅炉中所有与任一目标参数相关的不可调节运行参数和可调节运行参数；S102、对所述历史数据进行预处理，剔除异常值，再将其划分为训练集和测试集，训练集和测试集中的每个样本均包含一个运行时刻的运行参数集合和目标参数集合；S104、对训练集和测试集中样本的运行参数集合进行特征降维，每个样本仅保留能够影响所有目标参数的关键参数集合，其余运行参数从样本中剔除。3.根据权利要求2所述的基于进化算法的燃煤锅炉多目标优化方法，其特征在于，在步骤S104中，经过特征降维后，每个样本的输入为包括不可调节运行参数和可调节运行参数的机组运行关键参数集合，表示为N为训练集中样本的总数，p为关键参数集合中不可调节运行参数的总个数，q为关键参数集合中可调节运行参数的总个数；训练集的输出为所有需要优化的锅炉燃烧效率指标和污染物排放量指标，表示为目标参数集合m为需要进行优化的目标参数的总个数，i＝1,2,…,N，j＝1,2,…,m；其中锅炉燃烧效率指标采用与锅炉燃烧效率负相关的指标形式，指标值越小对应的锅炉燃烧效率越高，污染物排放量指标采用与污染物排放量正相关的指标形式，指标值越小对应的污染物排放量越少。4.根据权利要求3所述的基于进化算法的燃煤锅炉多目标优化方法，其特征在于，在步骤S2中，具体包括以下步骤：S201、对训练集中的样本数据进行归一化处理；S202、针对m个目标参数，分别建立多输入单输出的梯度下降决策树模型用于模拟锅炉燃烧过程，每个梯度下降决策树模型的输入均为所述关键参数集合中的p+q个关键参数，输2CN115755624A权利要求书2/3页出为一个目标参数基于训练集数据对各模型进行训练从而完成参数优化；S203、对测试集数据进行和训练集数据相同的归一化处理后，分别对各完成参数优化的梯度下降决策树模型准确性进行验证，当满足准确性要求后完成模型训练用于进行后续的多目标优化，否则重新对模型进行训练。5.根据权利要求4所述的基于进化算法的燃煤锅炉多目标优化方法，其特征在于，在步骤S202中，梯度