火电机组环保岛经济性建模与优化

发布时间：2020-08-15 18:41

【摘要】：近年来,随着人们生活水平的提高,人们对于环境保护的要求也越来越高,而火电机组排放的如粉尘、NO_x以及SO_2等污染物严重影响着自然环境。为了满足超净排放的标准,火电机组往往投入大量的资金以满足环保要求,而忽视了火电机组在环保方面的节能潜力,造成很大的浪费。到目前为止,关于火电机组环保岛系统的研究往往还停留在对各子系统的单独研究上,忽视了各子系统之间相互耦合的关系,没能从整体上对环保岛经济性进行分析。本文首先对传统的XgBoost算法进行改进,并且通过与回归树算法、梯度提升算法、传统XgBoost算法进行对比,验证了改进XgBoost算法在模型建立方面的优越性。然后对环保岛系统各个子系统进行机理分析,确定各个子系统的影响因素,通过整体性分析确定粉尘排放浓度、NO_x排放浓度和SO_2排放浓度模型的输入变量。采用改进的XgBoost算法建立粉尘排放浓度、NO_x排放浓度和SO_2排放浓度的数学模型,同时采用影响因素重要性分析、增量分析等方法验证模型的准确性。接着,本文基于差分进化算法、约束处理技术、自适应惩罚算法提出了一种基于自适应惩罚的复合差分进化算法,并且从整体上对环保岛系统的经济性进行研究,提出了环保岛经济性成本模型。然后基于前文得出的粉尘浓度排放模型、NO_x排放浓度模型以及SO_2排放浓度模型,得出满足排放标准前提下优化问题的约束条件,并通过基于自适应惩罚的复合差分进化算法进行约束条件下可调参数的寻优。本文最后就如何提升改进XgBoost算法的性能进行了研究,并行计算可以有效提高XgBoost算法的计算效率,充分利用计算机的内外存资源,可以减小计算开销并且提高磁盘的吞吐量。
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TM621
【图文】：

训练样本,硕士学位论文,东南大学,实际值

F1训练样本

均匀分布,测试样本,训练样本

18图 2-3 F2 训练样本（3）测试样本测试样本选取的是区间[3,4]上的均匀分布不同于训练样本的共 30 个样本，用来测试改进 XgBoost 算法的有效性，是否具有较强的泛化能力。（4）参数选取改进的 XgBoost 算法和 XgBoost 算法一样对参数的选取很敏感，本节对主要的几个参数，采用逐个试验的方法找出最佳的参数组合。一般的调优过程如下：①刚开始的时候选择较高的学习速率ε ，一般情况下，ε 的值为 0.1。但是，对于不同的问题，理想的ε 有时候会在 0.05 到 0.3 之间波动。选择对应于此学习速率的理想回归树数量，改进 XgBoost 在每一次迭代中使用交叉验证的方法选取最佳的回归树数量即

预测值,实际值,训练样本,测试样本

F1训练样本实际值与预测值

【参考文献】