Pour résoudre le problème de réduction des émissions de polluants et d'augmentation de l'efficacité de combustion des chaudières à lit fluidisé circulant (CFB) dans les centrales électriques, cette étude utilise d'abord la machine à vecteurs de support de moindres carrés (LS-SVM) pour construire un modèle de mesure douce de l'efficacité de la chaudière, des émissions de NOx et SO2, puis compare les performances du modèle LS-SVM et du réseau de neurones BP; puis, sur la base du modèle LS-SVM construit, trois stratégies d'optimisation sont proposées, et un algorithme d'optimisation amélioré des mouches est utilisé dans une certaine plage pour optimiser les paramètres ajustables des conditions de fonctionnement de la chaudière CFB. Les résultats montrent que le modèle LS-SVM, par rapport au modèle de réseau de neurones BP, a un temps d'entraînement plus court, une précision de prédiction plus élevée et une forte capacité de généralisation, l'efficacité de la chaudière CFB a augmenté de 0,61 % au plus, les émissions de NOx et SO2 ont diminué de 7,88 % et 18,13 % respectivement.

CFB; efficacité de la chaudière; NOx; SO2; machine à vecteurs de support de moindres carrés; algorithme d'optimisation amélioré des mouches; optimisation de combustion