【Ziel】 Angesichts großer Schwankungen der SO₂-Emissionen am Ausgang und hoher Entschwefelungskosten im Einzelturmdoppelkreislauf-Feuchtesystem von Kohlekraftwerken wird eine hybride Optimierungsstrategie vorgeschlagen, die ein Vorhersagemodell mit einem Multi-Ziel-Optimierungsalgorithmus kombiniert, um sowohl die Umweltkonformität als auch den wirtschaftlichen Betrieb des Systems zu erreichen. 【Methode】 Zunächst wird ein Vorhersagemodell entwickelt, das Transformer und ein bidirektionales Langzeit-Kurzzeit-Gedächtnis-Netzwerk (BiLSTM) integriert, wobei innovativ der verbesserte Black-Widow-Krähen-Algorithmus zur Optimierung der wichtigsten Hyperparameter des Modells eingesetzt wird, um die Beschränkungen der empirischen Parametereinstellung zu überwinden und die Vorhersagegenauigkeit der SO₂-Massenkonzentration am Ausgang zu verbessern; zweitens wird ein Multi-Ziel-Optimierungsmodell erstellt, das sowohl die SO₂-Massenkonzentration am Ausgang als auch die Entschwefelungskosten des Systems berücksichtigt, und mittels des verbesserten NSGA-Ⅱ-Algorithmus gelöst, um die Einstellwerte der Steuerungsvariablen zu erhalten. 【Ergebnisse】 Die Versuchsergebnisse zeigen, dass das mit dem verbesserten Black-Widow-Krähen-Algorithmus optimierte Transformer-BiLSTM-Vorhersagemodell die Modelle BiLSTM, CNN-BiLSTM und Transformer-BiLSTM hinsichtlich Root-Mean-Square-Error, mittlerem absolutem Fehler und mittlerem absolutem prozentualem Fehler übertrifft; gleichzeitig wurde durch die optimierte Lösung mit dem verbesserten NSGA-Ⅱ-Algorithmus eine Pareto-optimale Lösung gefunden, die sowohl Umwelt- als auch Wirtschaftsaspekte berücksichtigt. 【Schlussfolgerung】 Diese hybride Optimierungsstrategie senkt effektiv die SO₂-Massenkonzentration am Ausgang und die Entschwefelungskosten und bestätigt die Wirksamkeit der vorgeschlagenen Methode zur Realisierung von Umwelt- und Wirtschaftsbetrieb.

Einzelturm-Doppelkreislauf;Transformer;bidirektionales Langzeit-Kurzzeit-Gedächtnis-Netzwerk;Multi-Ziel-Optimierung;verbesserter NSGA-Ⅱ-Algorithmus