| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 主要符号注释表 | 第11-14页 |
| 第一章 绪论 | 第14-34页 |
| 1.1 课题研究的背景和意义 | 第14-16页 |
| 1.2 国内外的研究发展现状 | 第16-21页 |
| 1.2.1 粒子群算法研究 | 第16-17页 |
| 1.2.2 电厂若干问题的研究 | 第17-21页 |
| 1.3 粒子群算法及电厂若干问题目前存在的问题 | 第21-22页 |
| 1.3.1 粒子群算法的早熟问题和收敛性问题 | 第21页 |
| 1.3.2 电厂对象的建模问题 | 第21-22页 |
| 1.3.3 负荷分配优化的煤耗特性建模 | 第22页 |
| 1.3.4 NO_x减排优化模型 | 第22页 |
| 1.4 论文研究内容和文章组织框架 | 第22-23页 |
| 参考文献 | 第23-34页 |
| 第二章 基于正交学习和概率模拟退火算法的改进粒子群算法 | 第34-45页 |
| 2.1 引言 | 第34页 |
| 2.2 粒子群算法 | 第34-35页 |
| 2.2.1 标准粒子群算法 | 第34-35页 |
| 2.2.2 粒子群算法所存在的问题 | 第35页 |
| 2.3 基于正交实验设计学习策略的改进粒子群算法 | 第35-40页 |
| 2.3.1 正交学习策略 | 第35-37页 |
| 2.3.2 基于正交试验设计学习策略的改进粒子群算法 | 第37页 |
| 2.3.3 试验测试 | 第37-40页 |
| 2.4 基于概率模拟退火算法的改进粒子群算法 | 第40-43页 |
| 2.4.1 模拟退火粒子群算法 | 第40页 |
| 2.4.2 基于概率模拟退火的改进粒子群算法 | 第40页 |
| 2.4.3 两种学习策略的结合 | 第40-41页 |
| 2.4.4 试验测试 | 第41-43页 |
| 2.5 本章小结 | 第43页 |
| 参考文献 | 第43-45页 |
| 第三章 粒子群算法的参数研究 | 第45-63页 |
| 3.1 引言 | 第45页 |
| 3.2 粒子群算法的参数研究 | 第45-47页 |
| 3.2.1 惯性权重的研究 | 第45-47页 |
| 3.2.2 学习因子的研究 | 第47页 |
| 3.3 惯性权重调整策略 | 第47-51页 |
| 3.3.1 改进的惯性权重调整策略 | 第47-48页 |
| 3.3.2 试验测试 | 第48-51页 |
| 3.4 改进算法的综合 | 第51-61页 |
| 3.4.1 算法整合 | 第51-52页 |
| 3.4.2 收敛性证明 | 第52-56页 |
| 3.4.3 试验测试 | 第56-61页 |
| 3.5 本章小结 | 第61-62页 |
| 参考文献 | 第62-63页 |
| 第四章 基于改进支持向量机的建模研究 | 第63-83页 |
| 4.1 引言 | 第63页 |
| 4.2 支持向量机 | 第63-65页 |
| 4.2.1 基本概念 | 第63-64页 |
| 4.2.3 建模步骤 | 第64-65页 |
| 4.3 支持向量机建模的特征提取与样本处理 | 第65-66页 |
| 4.3.1 特征选取 | 第65页 |
| 4.3.2 样本处理 | 第65-66页 |
| 4.4 支持向量机参数的研究 | 第66-70页 |
| 4.4.1 交叉验证法 | 第66页 |
| 4.4.2 核函数的选取 | 第66-67页 |
| 4.4.3 支持向量机的参数优化 | 第67-70页 |
| 4.5 集成支持向量机 | 第70-72页 |
| 4.5.1 模糊C均值聚类 | 第70页 |
| 4.5.2 偏最小二乘集成法 | 第70-71页 |
| 4.5.3 集成支持向量机的参数优化策略 | 第71-72页 |
| 4.6 改进支持向量机的应用 | 第72-79页 |
| 4.6.1 研究对象简介 | 第72-73页 |
| 4.6.2 热态调整试验 | 第73-76页 |
| 4.6.3 基于支持向量机的NO_x排放特性建模 | 第76页 |
| 4.6.4 输入变量选取 | 第76-77页 |
| 4.6.5 样本处理 | 第77-78页 |
| 4.6.6 预测结果与分析 | 第78-79页 |
| 4.7 本章小结 | 第79页 |
| 参考文献 | 第79-83页 |
| 第五章 基于改进粒子群算法的负荷分配优化研究 | 第83-119页 |
| 5.1 引言 | 第83页 |
| 5.2 负荷分配优化基本概念 | 第83-85页 |
| 5.2.1 网络结构 | 第83-84页 |
| 5.2.2 煤耗特性 | 第84页 |
| 5.2.3 机组的约束条件 | 第84-85页 |
| 5.2.4 负荷分配优化数学模型 | 第85页 |
| 5.3 基于改进粒子群算法的负荷分配优化 | 第85-93页 |
| 5.3.1 基于OEDPSO3的负荷分配优化流程 | 第85-88页 |
| 5.3.2 算例与分析 | 第88-93页 |
| 5.4 基于状态变化的煤耗特性模型 | 第93-102页 |
| 5.4.1 负荷分配优化的煤耗特性研究现状 | 第94-95页 |
| 5.4.2 煤耗特性的影响因素与处理方案 | 第95-101页 |
| 5.4.3 基于支持向量机的机组煤耗特性建模 | 第101-102页 |
| 5.5 煤耗量的计算 | 第102-105页 |
| 5.5.1 坏点的剔除 | 第102页 |
| 5.5.2 稳态数据提取 | 第102-103页 |
| 5.5.3 锅炉热效率的建模 | 第103-104页 |
| 5.5.4 汽轮发电机组绝对电效率的计算 | 第104页 |
| 5.5.5 厂用电的计算 | 第104-105页 |
| 5.5.6 供电煤耗率的计算 | 第105页 |
| 5.6 应用实例 | 第105-112页 |
| 5.6.1 应用对象 | 第105-106页 |
| 5.6.2 坏点剔除 | 第106-107页 |
| 5.6.3 稳态数据提取结果与分析 | 第107页 |
| 5.6.4 样本压缩结果与分析 | 第107页 |
| 5.6.5 煤质的计算结果与分析 | 第107-108页 |
| 5.6.6 煤耗量计算结果与分析 | 第108-110页 |
| 5.6.7 煤耗特性预测结果与分析 | 第110-112页 |
| 5.7 基于煤耗特性预测模型的负荷分配优化 | 第112-116页 |
| 5.7.1 基于煤耗特性模型的负荷分配优化流程 | 第112-115页 |
| 5.7.2 算例与分析 | 第115-116页 |
| 5.8 本章小结 | 第116页 |
| 参考文献 | 第116-119页 |
| 第六章 基于改进粒子群算法的氮氧化物减排研究 | 第119-135页 |
| 6.1 引言 | 第119页 |
| 6.2 氮氧化物的生成机理 | 第119-120页 |
| 6.3 NO_x排放特性试验结果分析 | 第120-123页 |
| 6.3.1 二次风配风的影响 | 第120-121页 |
| 6.3.2 燃尽风配风的影响 | 第121-123页 |
| 6.3.3 炉膛与风箱差压的影响 | 第123页 |
| 6.4 改进的NO_x减排优化模型 | 第123-126页 |
| 6.4.1 传统的NO_x减排优化模型 | 第123页 |
| 6.4.2 改进的NO_x减排优化模型 | 第123-125页 |
| 6.4.3 改进模型的优化结果与分析 | 第125-126页 |
| 6.5 改进算法在NO_x减排优化中的应用 | 第126-131页 |
| 6.5.1 OEDPSO3在NO_x减排优化中的应用步骤 | 第126-127页 |
| 6.5.2 算例与分析 | 第127-131页 |
| 6.6 考虑炉内高温腐蚀的低NO_x燃烧优化 | 第131-132页 |
| 6.6.1 高温腐蚀的条件 | 第131-132页 |
| 6.6.2 考虑高温腐蚀的NO_x减排优化 | 第132页 |
| 6.6.3 算例与分析 | 第132页 |
| 6.7 本章小结 | 第132-133页 |
| 参考文献 | 第133-135页 |
| 第七章 结论与展望 | 第135-138页 |
| 7.1 研究结论 | 第135-137页 |
| 7.2 工作展望 | 第137-138页 |
| 附录 | 第138-139页 |
| 攻读博士学位期间发表学术论文、参与项目及学术活动 | 第139-140页 |
| 致谢 | 第140页 |
