Les émissions de dioxyde de soufre (SO₂) des centrales thermiques au charbon sont l'une des principales sources de pollution de l'air. La création d'un modèle efficace de prévision des émissions de SO₂ contribue à résoudre le problème du dépassement des émissions de SO₂ causé par l'instabilité du processus d'élimination des gaz sulfurés à l'intérieur de la chaudière à lit fluidisé cyclonique (CFB) et, par conséquent, à une élimination tardive du SO₂. Les caractéristiques d'émission de SO₂ dépendent de nombreux paramètres thermiques, et il existe une corrélation et une interdépendance entre ces paramètres. Cet article propose un modèle de prévision des émissions de SO₂ basé sur la sélection des variables et la machine à vecteurs de support (SVM). Sur la base des données opérationnelles d'une chaudière CFB de 300 MW, un réseau neuronal bipolaire à deux couches a été utilisé pour réduire la dimension et la complexité des variables d'entrée, les variables sélectionnées ont été utilisées comme entrées pour le modèle BP-SVM. En utilisant la méthode de validation croisée K-fold à travers la recherche en grille, les paramètres optimaux du modèle ont été déterminés, un modèle de prévision des émissions de SO₂ BP-SVM a été établi. L'analyse comparative du modèle BP-SVM avec le modèle SVM sans sélection préalable des variables a montré que, après la sélection des variables, le modèle BP-SVM peut réduire efficacement la complexité du modèle et améliorer sa capacité de généralisation.

Chaudière à lit fluidisé cyclonique; élimination des gaz sulfurés; sélection des variables; modèle BP-SVM; caractéristiques des émissions de SO2; capacité de généralisation; contrôle prévisionnel