【الهدف】 تحتل محطات الطاقة التي تعمل بالفحم مكانة مهمة في نظام الطاقة في بلادنا، ويكمن التنبؤ الدقيق بانبعاثات ثاني أكسيد الكربون لمحطات الطاقة التي تعمل بالفحم في تحقيق أهداف توفير الطاقة وتقليل الانبعاثات. لذلك، تقترح هذه الورقة نموذج تنبؤ قصير الأمد لانبعاثات ثاني أكسيد الكربون لمحطات الطاقة التي تعمل بالفحم يعتمد على CNN-BiLSTM-Attention. 【الطريقة】 أولاً، يتم اختيار الميزات من خلال تحليل العلاقة بين حمل وحدة الفحم وسرعة انبعاث SO₂ وسرعة انبعاث NOx والمتغيرات البيئية مع سرعة انبعاث CO₂ لتقليل تأثير المعلومات الزائدة على تدريب النموذج؛ ثم، يتم استخدام الميزات المُختارة كمدخلات لبناء نموذج تنبؤ لانبعاثات CO₂ يجمع بين الشبكة العصبية التلافيفية (CNN) والشبكة العصبية ثنائية الاتجاه طويلة القصر والذاكرة القصيرة (BiLSTM) وآلية الانتباه، مع تقديم خوارزمية كبلر المحسنة (IKOA) لتحسين معلمات النموذج الأساسية؛ وأخيراً، يتم إجراء التحقق المحاكاة باستخدام بيانات تشغيل وحدة محطات الفحم الحقيقية. 【النتائج】 تظهر النتائج أن النموذج المقترح يحافظ على أداء تنبؤ جيد في التنبؤ عبر وحدات من نفس السعة، مما يدل على قابلية انتقال جيدة؛ في التنبؤ عبر الفترات الزمنية، يمكن للنموذج تصوير اتجاهات تغير انبعاثات CO₂ بشكل جيد، ولكن الخطأ النسبي يزداد خلال فترات تبديل المواسم، مما يعكس تأثير ظروف التشغيل وتغير جودة الفحم على نتائج التنبؤ؛ النموذج المقترح يتفوق على النماذج المقارنة من حيث دقة التنبؤ والاستقرار. 【الاستنتاج】 يمكن لنموذج تنبؤ انبعاثات CO₂ المعتمد على CNN-BiLSTM-Attention تحقيق التنبؤ الفعال لانبعاثات ثاني أكسيد الكربون لمحطات الفحم في ظل غياب قياسات مباشرة لانبعاثات CO₂، وله قابلية تطبيق ونشر جيدة.

تنبؤ انبعاثات CO_2;محطات الطاقة التي تعمل بالفحم;CNN;BiLSTM;آلية الانتباه;KOA