[发明专利]基于改进量子粒子群优化电厂锅炉NOX预测模型装置

权利要求书

1.一种基于改进量子粒子群优化电厂锅炉NO_x预测模型装置，其特征在于，所述装置包括：现场数据采集装置、计算机装置和通讯装置，所述现场数据采集装置包括测量元件、DCS数据采集站和通讯接口，所述计算机装置包括主机(内置模型算法和存储硬盘)、通信接口、显示器和键盘，所述通讯装置包括通信模块和信号线，其中信号线与现场控制站相连。

2.根据权利要求1所述的一种基于改进量子粒子群优化电厂锅炉NO_x预测模型装置，其特征在于，所述现场数据采集装置为下一步建立锅炉NO_x排放浓度预测模型做准备，由于机组运行条件变化时，如给煤量、机组AGC负荷指令频繁波动、燃烧条件(如配风方式、过量空气系数等)的变化，都会使烟气NO_x出现较大扰动，通过对燃煤机组锅炉和NO_x产生机理分析，确定NO_x排放浓度预测模型的输入变量为锅炉负荷、总风量、磨煤机A给煤量、磨煤机B给煤量、磨煤机C给煤量、磨煤机D给煤量、磨煤机E给煤量、磨煤机F给煤量、两侧二次风量、两个燃尽风挡板开度、六个磨煤机一次风风量、六个二次挡板开度。

3.根据权利要求1所述的一种基于改进量子粒子群优化电厂锅炉NO_x预测模型装置，其所述的计算机装置实现模型算法运算，为了提高极限学习机(ELM)建模精度，提出结合余弦递减函数，提出一种余弦递减量子粒子群优化算法(COSQPSO)，并利用利用余弦递减量子粒子群优化算法优化ELM模型输入层的权值和隐含层偏置值，建立了有效的NOx排放特性模型，其中，基于改进量子粒子群算法具体描述如下：

(a)初始化算法参数，确定搜索空间寻优范围，确定目标优化问题的维数，设定种群数目、最大迭代次数与初始粒子位置x；

(b)将种群中粒子初始位置代入到目标优化问题的函数中，计算出初始粒子个体最优值p_best与种群全局最优值g_best；

(c)与量子粒子群算法相同，根据以下公式计算出种群平均最好位置ave_best和每个粒子介于p_best和g_best之间的随机位置P；

其中，为在[0,1]上均匀分布的随机数；P_id(t)为第i个粒子迭代t次时的个体最优值；p_gd(t)为第t次迭代时的全局最优值；P(t)为介于个体最优值P_id(t)与全局最优值p_gd(t)之间的一个随机值；β为收缩-扩张系数；

(d)与量子粒子群算法不同，改进的量子粒子群算法的收缩-扩张系数β由改进的方案计算，即

β＝1-cos((1-t/T)π/2)

(e)将新的β计算方法代入以下公式中，根据粒子更新公式对种群中的所有粒子进行更新

其中，u为在[0,1]上均匀分布的随机数；

(f)计算每个粒子新的适应度，并根据最优原则对原有p_best与g_best进行替换或者保留；

(g)判断迭代是否达到最大次数或者优化后的目标值是否达到目标精度，若是则算法终止迭代，否则返回步骤(c)继续进行迭代。

4.根据权利要求1所述的一种基于改进量子粒子群优化电厂锅炉NO_x预测模型装置，其特征在于，设置极限学习机权值的寻优范围确定极限学习机模型隐含层节点个数，优化过程的目标函数为

式中，y_i表示为实际值，代表预测值。