10.13334/j.0258-8013.pcsee.210689
基于信息物理融合和XGBoost-MPGA算法的燃煤电厂脱硫系统运行优化
针对脱硫系统运行优化过程中脱硫效率回归模型精度不够,及运行优化方案在实际运行中难以有效执行的问题.该文提出一种基于信息物理融合和XGBoost-MPGA的脱硫系统运行优化方法.通过构建XGBoost脱硫效率回归模型作为脱硫变动成本函数的变量,利用MPGA寻找脱硫变动成本最低时对应的脱硫效率,然后逆向求解出脱硫效率回归模型中液气比、吸收塔浆液pH值、吸收塔液位优化值.通过实例分析表明,XGBoost-MPGA相比BP神经网络、随机森林和GBRT回归模型具有更好的预测性能,且与XGBoost-SGA比较,在脱硫变动成本极值寻优过程具有更好的稳定性和收敛性.并通过信息物理融合方法消除了脱硫物理设备在运行优化操作后对脱硫变动成本信息的影响,提高了运行优化操作方案的可靠性和经济性.
脱硫系统、运行优化、信息物理融合、XGBoost、多种群遗传算法
42
TM621(发电、发电厂)
2022-08-11(万方平台首次上网日期,不代表论文的发表时间)
共11页
5202-5211,中插17