基于量子行为和Lévy飞行改进野狗算法的SCR脱硝系统模型辨识

摘要

传统野狗优化算法搜索范围有局限性,寻优结果往往不是全局最优,针对此问题,提出一种基于量子行为和Lévy飞行的改进野狗优化算法(Quantum Dingo Optimization Algorithm,QDOA)。量子行为赋予种群移动轨迹和速度的不确定性,使算法的搜索范围可覆盖整个可行空间;Lévy飞行策略的随机步长性,克服算法迭代后期易陷入局部最优问题,提升了求解精度。通过基准测试函数进行性能测试,QDOA相较其他几种算法在准确性、精度方面表现突出。应用QDOA对宁夏某电厂660 MW燃煤机组选择性催化还原(Selective Catalytic Reduction,SCR)脱硝控制系统高负荷段、中低负荷段现场数据进行模型辨识,建立了SCR脱硝系统阀门开度与入口氨气流量、入口氨气流量与出口NOx质量浓度之间的传递函数,经检验辨识后的模型能较好地反映该SCR脱硝控制系统的动态特性,证明了该算法的可行性。