Les processus de commutation flexibles des centrales électriques au charbon présentes fréquemment un phénomène de retard dans la mesure de NO_x, ce qui rend le système de contrôle de la réduction catalytique sélective (SCR) peu réactif, entraînant facilement une quantité excessive ou insuffisante d'ammoniac, ce qui entraîne une forte fluctuation de la concentration de NO_x à la sortie du réacteur SCR et une augmentation de l'échappement d'ammoniac. Pour parvenir à un réglage préréglé rapide des vannes d'injection d'ammoniac et prendre en compte les facteurs affectant les émissions de NO_x des chaudières à charbon, un modèle de prédiction de la concentration de NO_x à l'entrée du réacteur SCR a été proposé, basé sur un modèle mixte utilisant des réseaux de neurones convolutifs (CNN) et des réseaux de mémoire à court et long terme (LSTM). En utilisant les paramètres de fonctionnement d'une chaudière à charbon 330 MW, la corrélation de Pearson a été calculée entre les variables caractéristiques, les plus fortement liées ayant été choisies, et les matrices d'entrée et de sortie du modèle ont été définies, une recherche aléatoire a été effectuée pour optimiser les performances prédictives. L'algorithme SHAP a été utilisé pour expliquer le modèle boîtier noir, et l'efficacité du contrôle des prévisions a été confirmée à l'aide de simulations Simulink. Les résultats montrent que le modèle de prévision CNN-LSTM est capable de prédire avec une grande précision les variations de la concentration de NO_x à l'entrée du réacteur SCR lorsque la charge de pointe varie, et de fournir une rétroaction au système de contrôle de l'injection d'ammoniac 25 secondes à l'avance ; la stratégie de contrôle d'injection d'ammoniac optimisée a réduit l'écart type de la concentration de NO_x à la sortie par rapport à la valeur définie (réduction de 28%) et a amélioré la vitesse de réponse NH_3/NO_x, réduisant ainsi de 22% le débit maximal d'échappement d'ammoniac. Les résultats de cette étude peuvent offrir des orientations efficaces pour la technologie de réduction des nitrates intelligente et l'optimisation de la combustion des groupes flexibles.

Prédiction NO_x ; centrale à charbon ; modèle CNN-LSTM ; SHAP ; groupe flexible