1. 一种生物质炉燃烧优化的方法，其特征在于该方法的具体步骤是：步骤(1).采集生物质炉运行参数及相关的表征生物质炉燃烧状态的特征指标，建立数据库；

所述的生物质炉运行参数数据包括生物质燃料的工业分析指标、一次风速、二次风速、氧量、燃尽风速、生物质燃料给料速度；生物质炉运行参数通过生物质炉运行数据库获取，或直接通过仪器测量采集,不同的生物质燃料分开采集数据，分别建模；

所述的表征生物质炉燃烧状态的特征指标的数据包括烟气的NOx浓度和生物质炉燃烧效率；

步骤(2).建模数据选择，针对给定的生物质炉，选择100组以上数据作为建模数据，数据要包括不同生物质燃料给料速度的情况；

步骤(3).采用最小二乘支持向量机方法针对建模数据建模，建立生物质炉燃烧状态的特征指标与各炉运行参数间的模型；具体建模方法如下：用于建模样本的输入参数及表征生物质炉燃烧状态特征的输出参数可以表示为 ，其中 表示第 组作为输入数据的生物质炉运行参数向量， 表示第 组作为输出参数的表征生物质炉燃烧状态特征的参数， 为样本数量，以实际运行数据为基础建立运行操作参数与生物质炉不同燃烧状态指标间的模型；

采用最小二乘支持向量机算法建模，最小二乘支持向量机核函数选为径向基函数：为径向基函数的宽度，该表示形式为标准形式； 为映射函数，设所求的目标函数为： ， 为模型输出的燃烧状态的特征指标预测值， 为权重系数* *

向量，为截距；引入松弛因子ξi和ξi以及允许拟合误差ε，ξi≥0、ξi≥0，模型通过在约束：，条件下，最小化：

获得，其中常数C为惩罚系数，C >0；该最小化问题为一个凸二次规划问题，引入拉格朗日函数：

其中 、 、 、 为拉格朗日乘数， ≥0、 ≥0、 ≥0、 ≥0；

*

在鞍点处，函数L是关于w、b、ξi、ξi 的极小点，也是 、 、 、 的极大点，最小化问题转化为求其对偶问题的最大化问题；

*

拉格朗日函数L在鞍点处是关于w,b,ξi,ξi 极小点，得：

可得拉格朗日函数的对偶函数：

此时，

按照库恩-塔克条件定理，在鞍点有下式成立：

* *

由上式可见，αi·αi=0,αi和αi 都不会同时为非零，可得：

从上式可求出b，获得模型；

步骤(4).利用蚁群优化算法结合所建模型，针对模型对应的生物质燃料及不同的生物质炉燃烧状态特征指标或指标组合，进行生物质炉燃烧参数配置的优化，具体步骤如下：a.定蚁群算法初始群向量 的各维分量，分别为生物质炉可调操作参数，包括：一次风速、二次风速、氧量、燃尽风速；

b.设定蚁群算法的搜索目标和迭代次数，搜索目标根据具体的生物质炉运行情况为单一目标或复合目标，单一目标包括生物质炉燃烧效率最高或NOx排放最低，复合目标为以上两个燃烧状态的特征指标的组合，组合方式是将各指标的变化折算为经济指标变化，求总合；生物质炉燃烧效率和NOx排放情况分别由上文所建的相应模型预测获得；

c.根据实际生物质炉的设计和运行要求设定各参数的寻优范围，并初始化初始群体向量 ，然后根据上一步设定的搜索目标，用蚁群算法进行迭代计算，搜索蚁群在参数向量空间内的最优位置；

d.当蚁群算法完成迭代次数或找到设定要求的最优时，停止计算获得相应最优的位置向量，即获得最优的生物质炉运行参数组合，根据所获得的最优运行参数组合对生物质炉实际燃烧进行调整，达到燃烧优化的目的。