免疫多目標優(yōu)化算法及其在鍋爐燃燒優(yōu)化中的應用研究.pdf

1、電站鍋爐的高效運行與低污染排放是我國“節(jié)能減排”的重要內(nèi)容，對鍋爐進行燃燒性能預測和優(yōu)化以達到節(jié)能減排的目標具有重要的現(xiàn)實意義和工程應用價值。本文研究的鍋爐燃燒優(yōu)化方法屬于基于人工智能的燃燒優(yōu)化的范疇，該方法根據(jù)現(xiàn)場采集的數(shù)據(jù)進行黑箱建模，并在鍋爐運行過程中，采用人工智能優(yōu)化算法確定最佳控制方案，通過控制的手段，實現(xiàn)鍋爐的高效率、低排放等多目標優(yōu)化運行。主要研究內(nèi)容包括:
　　 1.多目標優(yōu)化算法的關(guān)鍵問題研究。提出了一種新的基

2、于免疫識別的非支配集求解方法(IRBA)，并對分群多目標優(yōu)化算法特有的記憶集處理方法進行了研究。IRBA每輪循環(huán)直接先找出若干個非支配解作為“自我”，然后采用多路比較的方法，通過“自我”去識別“非我”，刪除識別出的支配解，從而獲得候選解的非支配集。針對記憶集處理問題，提出了采用分群方法處理記憶集的思路，并在此基礎上進一步提出了有偏好的記憶集分群處理方法與帶參數(shù)選擇的記憶集分群處理方法。
　　 2.針對鍋爐效率與NOx排放穩(wěn)態(tài)建模

3、參數(shù)選擇與穩(wěn)態(tài)工況優(yōu)化問題，提出了一種新的基于免疫細胞亞群的多目標優(yōu)化算法(ICSMOA)。ICSMOA根據(jù)偏好將免疫細胞分為多個亞群，各亞群針對不同的偏好設置不同的比例，最優(yōu)解集亦分為多個亞群。處于偏好區(qū)域內(nèi)的解保留較大比例，而處于偏好區(qū)域外的解則稀疏保留，這樣一方面方便決策者作出決策，另一方面在決策者偏好發(fā)生變化時，可以使算法做出快速反應。通過對經(jīng)典多目標優(yōu)化問題的仿真計算驗證了算法的有效性。將ICSMOA應用于鍋爐效率與NOx排放

4、穩(wěn)態(tài)建模參數(shù)選擇與穩(wěn)態(tài)工況優(yōu)化中，仿真結(jié)果也表明了ICSMOA在鍋爐效率與NOx排放優(yōu)化中的適用性。
　　 3.針對鍋爐效率與NOx排放動態(tài)建模參數(shù)的尋優(yōu)問題，提出了一種新的免疫多目標自適應算法(AIMA)。AIMA可以根據(jù)運行結(jié)果自適應地調(diào)整模型參數(shù)值，以達到參數(shù)尋優(yōu)的目的。AIMA借鑒免疫細胞原理與克隆選擇原理，初始時細胞群體無劃分，在執(zhí)行過程中，根據(jù)記憶集中亞群的變化，自適應產(chǎn)生各種階次的細胞亞群。使用該算法進行參數(shù)搜索不

5、需要太多先驗知識，根據(jù)尋優(yōu)結(jié)果確定相關(guān)目標參數(shù)，從而可以減少主觀性。對兩個非線性系統(tǒng)的仿真實例驗證了算法確定參數(shù)的準確性。將該方法應用于鍋爐效率與NOx排放動態(tài)建模的參數(shù)尋優(yōu)中，仿真結(jié)果亦表明，尋優(yōu)獲得的參數(shù)是合理的，所建立的鍋爐效率與NOx排放動態(tài)模型是可以滿足控制需求的。
　　 4.針對多目標預測控制中的滾動優(yōu)化問題，提出了免疫混沌多目標蜂群算法(ICABCMOA)。蜂群算法每輪搜索都包含全局搜索、局部搜索與隨機搜索，因而其

6、搜索效率較高，適合于高維數(shù)據(jù)應用。免疫混沌多目標蜂群算法采用混沌來保持解的分布性，并用免疫疫苗與基因重組來加快收斂。對經(jīng)典多目標優(yōu)化問題的仿真計算驗證了算法求解高維決策變量優(yōu)化問題的優(yōu)異性能。通過對算法解的產(chǎn)生方式、記憶集的處理方案進行適當改進，ICABCMOA被進一步應用于求解鍋爐燃燒優(yōu)化預測控制的滾動優(yōu)化問題，以NOx排放、鍋爐效率及控制量的變化量作為優(yōu)化目標，每步的控制量都是在綜合考慮了三個目標的Pareto優(yōu)解集中按照某種準則選