Im Prozess der tiefgreifenden Lastregelung stehen kohlebefeuerte Wirbelschicht-Kessel (CFB) vor Problemen wie hohen Massenkonzentrationen von CO-Emissionen und dem Mangel an theoretischer Anleitung zur synergistischen Reduktion mehrerer Schadstoffe wie NOx und SO2. Als Untersuchungsobjekt dient ein kohlebefeuerter CFB-Kessel mit 150 t/h. Es wurde ein schnelles Vorhersagemodell für die Massenkonzentrationen verschiedener Schadstoffe (CO, NOx, SO2) am Kesselaustritt auf Basis eines Langzeit-Kurzzeit-Gedächtnis-(LSTM)-Neuronalen Netzes, eines Attention-Mechanismus und des Extreme Gradient Boosting (XGBoost)-Algorithmus erstellt und mit dem Partikelschwarmoptimierungs-(PSO)-Algorithmus gekoppelt, um eine Online-Optimierungsstrategie zur CO-Emissionsminderung zu entwickeln. 36.298 reale Betriebsdaten aus dem Jahr 2023 wurden als Trainingsdaten für die Korrelation der Schadstoffemissionen am Kesselaustritt verwendet, Eingangsparameter des Vorhersagemodells ausgewählt sowie Fitness- und Randfunktionen definiert. Durch Berechnungen des Emissionsminderungsoptimierungsmodells wurden Online-Optimierungsstrategien für die Reduktion der Massenkonzentrationen von CO, NOx und SO2 in verschiedenen Lastbereichen von CFB-Kesseln vorgeschlagen und deren Anwendbarkeit im realen Online-Betrieb bewertet.

CFB-Kessel;Langzeit-Kurzzeit-Gedächtnis-Neuronales Netz;Partikelschwarmalgorithmus;CO;Synergistische Emissionsminderung