基于物理单调最小二乘支持向量机的锅炉燃烧NO<sub><i>x</i></sub>生成浓度预测方法
来源：动力工程学报杂志2026年第5期北京时间：
作者：胡溆昂, 郭文康, 李益国,
摘要：火电机组是我国电力供应的基础,在电力生产中仍占主导地位。准确且符合物理约束的 NOx 浓度预测,对燃煤锅炉的燃烧优化、最佳运行工况保障及节能减排至关重要。机器学习可依托历史运行数据,为复杂的锅炉燃烧系统构建拟合精度高、计算速度快的 NOx生成浓度预测模型,但黑箱模型对训练数据依赖性强、可解释性不足,甚至可能与物理先验知识相悖。为此,提出一种基于物理单调性的自适应最小二乘支持向量机(MALSSVM)方法用于预测燃煤锅炉NOx生成浓度,将氧量、给煤量、燃尽风门开度与NOx生成浓度的物理先验单调性关系融入自适应最小二乘支持向量机(ALSSVM)中,以确保模型遵循物理约束,增强其在锅炉不同工况下的预测精度,并具备在对象特性变化时自动调整模型的能力。选取某660 MW燃煤锅炉开展案例研究。分析结果表明,该预测模型在测试集上的平均绝对预测误差(MAE)为20.84 mg/m3,性能提升约50%,可在未知工况下保持相关参数间的单调性关系,契合实际物理约束;在可解释性和泛化能力方面显著优于传统 ALSSVM 方法,能为火电机组 NOx 浓度精准预测提供更可靠的技术支撑。
关键词：燃煤锅炉,NOx生成预测,机器学习,物理单调最小二乘支持向量机,在线更新,
