基于差分量子粒子群算法的锅炉NO<sub><i>x</i></sub>排放模型优化
来源：动力工程学报杂志2019年第3期北京时间：
作者：董泽, 马宁, 孟磊,
摘要：提出一种基于改进的差分量子粒子群（DEQPSO）算法，将其与超限学习机（ELM）相结合，以某1000MW超超临界机组锅炉燃烧系统为研究对象，建立了NOx排放模型，采用现场样本数据测试所建模型的预测能力，并将该模型的预测结果与基本超限学习机以及引力搜索算法（GSA）、粒子群算法（PSO）和量子粒子群算法（QPSO）优化的超限学习机模型的预测结果进行了对比。结果表明：DEQPSO算法具有更好的参数优化性能，DEQPSO-ELM模型具有较强的泛化能力和良好的预测精度，为电站锅炉NOx排放质量浓度预测提供了一种有效方法。
关键词：电站锅炉,NOx,差分量子粒子群算法,超限学习机,
