No processo de regulação profunda de pico, as caldeiras de leito fluidizado circulante a carvão (CFB) enfrentam problemas de alta concentração em massa de emissão de CO e falta de orientação teórica para redução cooperativa com diversos poluentes como NOx e SO2. Com uma caldeira CFB a carvão de 150 t/h como objeto de estudo, foi construído um modelo de previsão rápida das concentrações em massa de emissões de diversos poluentes como CO, NOx e SO2 na saída da câmara de combustão, baseado em redes neurais de memória de longo e curto prazo (LSTM), mecanismo de atenção (Attention) e algoritmo de Extreme Gradient Boosting (XGBoost). Foi acoplado um algoritmo de otimização por enxame de partículas (PSO) para estabelecer um modelo estratégico online de otimização da redução de emissão de CO. Foram usados 36.298 dados reais de operação de 2023 como amostras de treinamento para análise da correlação das emissões de poluentes na saída da câmara, selecionando-se os parâmetros de entrada do modelo de previsão e definindo funções de aptidão e de limite. Através do cálculo do modelo de otimização da redução de emissões, foram propostas estratégias online otimizadas de redução de concentração em massa de CO, NOx e SO2 em caldeiras CFB para diferentes faixas de carga, avaliando-se a viabilidade de sua aplicação na operação online otimizada real da caldeira.

Caldeira CFB;rede neural de memória de longo e curto prazo;algoritmo de enxame de partículas;CO;redução cooperativa de emissões