本项目实施期间，项目组按照国家基金管理规定及时提交项目进展报告，汇报项目研究进展情况。 在燃煤电站锅炉燃烧特性模型开发、多目标优化算法、数学建模与模拟、理论研究等方面取得预期成果，基本完成了项目计划任务书中的内容:本项目在燃煤锅炉燃烧效率及NOx排放特性预测模型的建立中，尝试比较了基于分别采用BP神经网络方法、径向基（RBF）神经网络方法、Elman神经网络方法和支持向量机（SVM）的预测模型，其中BP神经网络模型及支持向量机（SVM）的预测模型效果较为稳定，锅炉热效率的训练的最大相对误差小于0.176%，NOx排放量的训练的最大相对误差小于3.312%。在前面的锅炉燃烧特性预测模型基础上，结合不同的多目标优化算法上，建立了基于权重分配的GA多目标优化模型，基于改进的NSGA-II算法的锅炉燃烧多目标优化模型，基于BP-VEGA模型的燃煤电站锅炉燃烧多目标优化模型，基于分解的多目标进化算法（MOEA/D）燃煤电站锅炉多目标优化模型。针对NSGA-II在燃煤锅炉燃烧多目标优化问题应用中Pareto解集分布不理想、易早熟收敛的问题，在拥挤算子及交叉算子上进行了相应改进，优化结果表明，改进NSGA-II方法与BP神经网络模型结合可以对锅炉燃烧实现有效的多目标寻优、得到理想的Pareto解集，是对锅炉燃烧进行多目标优化的有效工具，同改进前的NSGA-II优化结果比较，其Pareto优化结果集分布更好、解的质量更优。通过计算机在线指导锅炉配风、配煤等燃烧运行调整，达到提高锅炉运行效率的同时减小NOx排放的目的。 2100433B