Точное прогнозирование массовой концентрации выбросов SO2 и NOx может эффективно направлять контроль выбросов загрязняющих веществ и имеет важное значение для экологически безопасной эксплуатации блоков CFB. В качестве объекта исследования взят блок CFB мощностью 330 МВт. Для отбора входных переменных использовался коэффициент корреляции Пирсона, а для фильтрации и замены выбросов применялся метод межквартильного размаха (IQR), одновременно проводилась нормализация для завершения предварительной обработки данных; затем свёрточная нейронная сеть (CNN) извлекала признаки входных переменных, последовательность обрабатывалась через элемент управления с затворами (GRU), а механизм многоголового внимания (MHA) использовался для захвата важных взаимосвязей между признаками. После обучения проходило обратное нормализация для получения выходных данных модели; наконец, результаты тестовой выборки оценивались с помощью средней абсолютной ошибки (MAE), средней абсолютной процентной ошибки (MAPE) и коэффициента детерминации R2. Результаты показывают, что модель CNN-GRU-MHA может достаточно точно прогнозировать массовую концентрацию выбросов загрязняющих веществ блока CFB. Абляционные эксперименты и сравнение моделей подтвердили превосходные характеристики данной модели. Модель CNN-GRU-MHA способна реализовывать мониторинг и оптимизационное руководство массовой концентрацией выбросов загрязняющих веществ блока CFB, что позволяет электростанции своевременно корректировать параметры работы и обеспечивать соответствие выбросов стандартам.

CFB;прогнозирование выбросов загрязняющих веществ;глубокое обучение;управление данными