【Objetivo】 Para enfrentar a grande flutuação das emissões de SO₂ na saída e os altos custos de desulfurização no sistema de dupla circulação úmida de torre única em usinas termelétricas a carvão, propõe-se uma estratégia híbrida de otimização que combina modelo preditivo e algoritmo de otimização multiobjetivo, com o objetivo de alcançar conformidade ambiental e operação econômica do sistema. 【Método】 Primeiramente, constrói-se um modelo preditivo que integra Transformer e rede neural recorrente bidirecional de memória de longo prazo (BiLSTM), aplicando de forma inovadora o algoritmo melhorado do milhafre-negro para otimizar os hiperparâmetros chave do modelo, superando as limitações do ajuste empírico e melhorando a precisão da predição da concentração massiva de SO₂ na saída; em seguida, estabelece-se um modelo de otimização multiobjetivo que considera a concentração massiva de SO₂ na saída e o custo de desulfurização do sistema, resolvido por meio do algoritmo NSGA-Ⅱ melhorado para obter os valores das variáveis controláveis. 【Resultados】 Os resultados experimentais mostram que o modelo preditivo Transformer-BiLSTM otimizado com o algoritmo melhorado do milhafre-negro supera os modelos BiLSTM, CNN-BiLSTM e Transformer-BiLSTM nas métricas de erro quadrático médio, erro absoluto médio e erro percentual absoluto médio; simultaneamente, por meio da otimização com o algoritmo NSGA-Ⅱ melhorado, o sistema obteve soluções de compromisso de Pareto que equilibram proteção ambiental e economia. 【Conclusão】 Esta estratégia híbrida de otimização reduz efetivamente a concentração massiva de SO₂ na saída e os custos de desulfurização, validando a eficácia do método proposto para alcançar proteção ambiental e operação econômica.

torre única de dupla circulação;Transformer;rede neural bidirecional de memória de longo prazo;otimização multiobjetivo;algoritmo NSGA-Ⅱ melhorado