Basierend auf Faktoren wie der Produktion von Schadstoffen, Strafen für die Emission von Schadstoffen und Kontrollgeräten für Schadstoffe wurde ein Modell zur Vorhersage der Bildung von Schadstoffen für 300-MW-Kohleöfen und ihre gebräuchlichen Kohlesorten unter Verwendung der Support Vector Machine (SVM) entwickelt, das mit tatsächlichen Betriebsdaten des Kraftwerks trainiert und getestet wurde. Anschließend wurde zur Senkung der Betriebskosten das Kohleverteilungsmodell mit einem genetischen Algorithmus optimiert. Die Ergebnisse zeigen eine hohe Genauigkeit des Modells. Nach der Optimierung der Kohleverteilung wurden die Kosten für Ammoniak, Strafen für NOx-Emissionen, Kosten für verbrauchten Kalkstein und Wasserverbrauch zur Schwefelentfernung gesenkt, was zu einer Reduzierung der Kosten für die Entstickung und Entschwefelung führt.

Mischverteilung von Kohle; Schadstoffe; SVM; genetischer Algorithmus; Optimierungsmodell