摘要：针对锅炉热损失模型的特点,提出基于Pareto最优概念的多目标进化算法实现运行工况寻优,然后根据模糊集理论在Pareto解集中求得满意解,获得最佳的锅炉燃烧调整方式.通过某600MW锅炉热损失的优化研究,并与基于神经网络的寻优结果比较,数值计算表明支持向量机模型寻优结果在Pareto前沿具有更好的多样性,结果更优,可指导运行人员进行参数优化调整,提高燃烧经济性.

关键词：锅炉热损失 支持向量机 多目标进化算法 优化 

单位：华南理工大学电力学院; 广州510640