Les oxydes d'azote produits par la chaudière à charbon de la centrale thermique sont l'une des principales sources de pollution de l'air. La création d'un modèle de prévision des émissions d'oxydes d'azote efficace est la clé pour les réduire. Face à la quantité énorme et à la dimension élevée des données du système de contrôle de la centrale thermique et aux caractéristiques multiples et multivariables de la chaudière à charbon, l'utilisation de l'analyse en composantes principales pour extraire les caractéristiques des données du système de contrôle distribué de la centrale thermique élimine les interdépendances entre les différentes variables. Ensuite, les caractéristiques extraites sont utilisées comme entrée pour le réseau neuronal LSTM afin d'obtenir un modèle de prévision des émissions d'oxydes d'azote de la centrale thermique. Les résultats montrent que le réseau neuronal LSTM et le modèle RNN surclassent le modèle LSSVM dans la prévision, la précision du réseau neuronal LSTM proposé dans cet article atteignant 79 %, dépassant ainsi les deux autres modèles en termes d'erreur quadratique moyenne.

centrale thermique; émissions de NOx; modèle de prévision; réseau neuronal LSTM; RNN; LSSVM; analyse en composantes principales; extraction des caractéristiques