电站锅炉运行受多个因素影响。一方面,燃烧效率作为反应锅炉燃料燃烧程度的重要指标,直接影响电站锅炉的生产效率和经济效益。另一方面,燃烧产生的氮氧化合物(NOx)是大气污染物的主要来源。因此,对电站锅炉生产过程进行优化控制,实现高效低排锅炉生产是锅炉研究的热点问题。针对电站锅炉控制中存在的问题,以660MW电站锅炉为研究对象,构建了锅炉燃烧关键参量(锅炉燃烧效率、NOx排放量以及锅炉负荷)的数据驱动模型,设计了模型预测控制算法,并进行了实验研究,具体研究内容如下:首先,基于最小二乘支持向量机(LS-SVM)基本原理,提出一种带有特征选取的多工况数据驱动建模方法(DDMMF)建立锅炉燃烧关键参量的预测模型,主要包含:1)采用分类回归树(CART)算法对实际生产数据进行分析,选取重要性大于5%的变量作为模型输入;2)采用K最近邻(KNN)分类器对样本进行分类,区分生产数据所属于的不同工况;3)设计了基于差分进化算法(DE)的LSSVM建立数据驱动模型,采用DE动态优化LSSVM的参数,构建不同工况下锅炉关键参量预测模型;4)对预测模型进行动态修正进一步提高预测精度。其次,结合所建立的锅炉关键参量模型,考虑负荷约束、污染物排放约束和边界约束构建锅炉燃烧效率滚动优化模型,并采用DE算法进行求解,得到控制变量最优值设定值。最后,建立电站锅炉燃烧效率预测控制系统,实现用户管理、生产数据的管理、模型管理、控制策略制定和模型预测控制结果图形化展示,并协助运行人员对锅炉重要相关参数进行有效的调节。基于实际生产数据的实验结果表明,1)所提出预测模型能够准确预测锅炉关键参量,满足锅炉燃烧过程控制和优化的需求;2)所提出的模型预测控制算法,可以有效控制锅炉燃烧效率,实验仿真平均误差低于3%。