燃煤锅炉燃烧优化的多目标DNA遗传算法研究

燃煤锅炉燃烧优化技术是提高锅炉燃烧效率、降低NOx排放量的有效手段，是一种多目标非线性复杂优化问题。目前研究学者常采用遗传算法求解此类燃烧优化问题。但遗传算法易陷入局部最优解，导致所建模型精度降低，影响燃烧优化效果。与遗传算法相比，DNA遗传算法可以显著提高算法搜索成功率和搜索精度。但是现有的DNA遗传算法针对多目标处理机制的研究成果较少，处理多目标问题时存在局限性。为了提高燃煤锅炉系统模型的准确性，达到锅炉燃烧效率和NOx排放量的优化目标，本项目针对DNA遗传算法的编码方法、遗传算子、多目标处理机制进行研究，提出多目标DNA遗传算法，借助算法的全局搜索性能和有效的多目标处理机制，与建模工具结合建立燃煤锅炉系统非线性混合模型，并基于所建模型，利用多目标DNA遗传算法对锅炉的运行参数进行优化。通过本项目的研究，可以有效提高电力企业的经济效益和运行水平，减少污染物排放，具有理论意义和应用价值。

燃煤锅炉是燃煤发电企业最重要的设备之一，它的燃烧优化对于我国电力行业具有重要意义。通过燃烧优化技术提高燃煤锅炉燃烧效率，可以降低煤耗率，从而降低生产成本，提升发电企业竞争力。同时，通过燃烧优化技术可以降低NOx排放量，保护环境。因此，燃煤锅炉燃烧优化控制的研究，可以有效提高电力企业的经济效益和运行水平，减少污染物排放。解决燃煤锅炉燃烧优化问题关键在于所建燃烧过程模型的准确性，而由于燃烧过程的复杂性，难以根据燃烧过程的物理化学机理，建立准确的过程数学模型。本项目采用人工神经网络来建立燃煤锅炉燃烧过程模型。由于建立的神经网络模型中含有大量的未知参数，如网络模型结构和网络参数等，因此，燃煤锅炉的燃烧优化过程建模问题可以认为是一个多目标非线性复杂优化问题，具有大量局部最优解，因此可以采用多目标优化方法来解决。DNA遗传算法是一种将生物DNA分子的生物特性及相应的分子操作引入遗传算法中，建立新的个体编码方式，并在此基础上开发新的操作算子，与传统遗传算法相比，具有更好的全局搜索能力。.本项目在三年的研究过程中，致力于多目标DNA遗传算法的研究，主要包括以下内容：一、个体编码方式。该部分研究内容主要包括普通优化问题的个体编码方式及基于网络模型的个体编码方式这两部分的研究内容。二、操作算子。该部分研究内容主要包括交叉算子、变异算子、普通选择算子和适用于多目标问题的选择算子。三、仿真测试。该部分研究内容主要包括选择具有代表性的测试函数，对提出的各种算子的性能进行测试，并做出相应的改进。四、基于神经网络的建模。该部分研究内容为将多目标DNA遗传算法与人工神经网络结合，建立各种复杂过程的人工神经网络模型，并对所建立的网络模型进行测试比较。五、基于神经网络模型的预测控制优化.该部分研究内容为利用基于多目标DNA遗传算法的人工神经网络对复杂过程建模，并在所建模型的基础上，利用预测控制方法，对过程进行控制，达到期望的控制目标。