يعاني عمليات توليف مراوح مراجل الفحم من تأخر في قياس أكسيد النيتروجين (NO_x) ، مما يجعل نظام التحكم في حقن الأمونيا الانتقائي (SCR) غير مستجيب بشكل جيد ، مما يؤدي إلى زيادة كمية الأمونيا المحقونة أو نقصها ، مما يؤدي إلى تقلب مكون NO_x في محول SCR وزيادة معدل هروب الأمونيا. لتحقيق ضبط سريع مسبق لصمامات الحقن بالأمونيا ومراعاة العوامل المرتبطة بانبعاثات NO_x الناتجة عن مراجل الفحم ، قُدم نموذج تنبؤي لكمية NO_x الواردة إلى محول SCR بناءً على نموذج مختلط يعتمد على شبكات العصب الاصطناعي التكيفي (CNN) ومدى الذاكرة القصيرة الطويلة (LSTM). باستخدام معلمات تشغيل مرجل فحم بقدرة 330 ميجاواط ، تم حساب الارتباط بين المتغيرات المميزة باستخدام طريقة معامل بيرسون ، وتم اختيار المتغيرات ذات الارتباط العالي ، وتعريف مصفوفة الإدخال ومصفوفة الإخراج للنموذج ، واستخدام خوارزمية البحث العشوائي للتحسين ، وذلك من أجل تحسين الأداء التنبؤي. باستخدام خوارزمية SHAP لشرح النموذج الفاتح ، وتأكيد الفعالية التحكمية للتوقعات باستخدام محاكي النظام. تُظهر النتائج أن نموذج التنبؤ CNN-LSTM يمكنه بدقة عالية توقع تقلب كمية أكسيد النيتروجين الواردة إلى محول SCR خلال تغييرات الحمل المتغيرة ، ويمكنه توفير رد فعل لنظام التحكم في حقن الأمونيا قبل 25 ثانية ؛ تخفيض استخدام استراتيجية التحكم في حقن الأمونيا المحسنة من تباين كمية أكسيد النيتروجين في مخرج SCR مقارنة بالقيمة المحددة (تخفيض بنسبة 28%) وتعزيز سرعة الاستجابة للأمونيا/NO_x ، مما يقلل الحد الأقصى لهروب الأمونيا بنسبة 22%. يمكن أن تقدم نتائج هذه الدراسة إرشادات فعالة لتكنولوجيا SCR الذكية والتحسين في احتراق وحدات توليف المراوح المراجل.

توقعات NO_x ؛ وحدة آلية فحم ؛ نموذج CNN-LSTM ؛ SHAP ؛ توليف مراجل مراوح متغيرة