Um das Problem der Reduzierung von Schadstoffemissionen und der Erhöhung der Verbrennungseffizienz von Zirkulierenden Wirbelschichtkesseln (CFB) in Kraftwerken zu lösen, verwendet diese Studie zunächst die Methode der kleinsten Quadrate für den Aufbau eines weichen Messmodells für die Kesselwirksamkeit, NOx- und SO2-Emissionen und vergleicht dann die Leistung des LS-SVM-Modells und des BP-Neuronennetzwerkmodells; dann, basierend auf dem erstellten LS-SVM-Modell, werden drei Optimierungsstrategien vorgeschlagen und ein verbessertes Fruchtfliegenoptimierungsalgorithmus wird in einem bestimmten Bereich zur Optimierung der einstellbaren Parameter für den Betriebszustand des CFB-Kessels verwendet. Die Ergebnisse zeigen, dass das LS-SVM-Modell im Vergleich zum BP-Neuronennetzwerkmodell eine kürzere Trainingszeit, eine höhere Vorhersagegenauigkeit und eine starke Verallgemeinerungsfähigkeit aufweist, die Effizienz des CFB-Kessels um bis zu 0,61% gestiegen ist, die NOx- und SO2-Emissionen um bis zu 7,88% bzw. 18,13% gesunken sind.

CFB; Kesselwirksamkeit; NOx; SO2; Methode der kleinsten Quadrate; verbesserte Fruchtfliegenoptimierungsalgorithmus; Verbrennungsoptimierung