Для построения модели прогнозирования выбросов углерода на угольных электростанциях, учитывая распространённую проблему отсутствия оперативного анализа элементов угля, поступающего в топку, на угольных агрегатах, на основе информации о качестве угля, поступающего в топку блока мощностью один миллион киловатт в 2023 году, в качестве критериев классификации качества угля использованы нижняя теплотворная способность, летучие вещества и содержание серы. Проведен кластерный анализ с использованием алгоритма K-means++. Путём корреляционного анализа отобраны входные параметры модели прогнозирования выбросов углерода. С использованием базисной оптимизации построена модель прогнозирования выбросов углерода нейронной сетью BP для каждого кластерного набора данных отдельно. Модель протестирована при изменении нагрузки. Результаты показали, что модель после кластеризации качества угля существенно повысила точность прогноза выбросов углерода: среднеквадратичная ошибка и средняя относительная ошибка снизились примерно на 53,4% и 49,2% соответственно по сравнению с моделью без кластеризации, особенно при переменной нагрузке прогноз оказался точным. Данный метод позволяет не только эффективно прогнозировать выбросы углерода на угольных электростанциях, но и сохранять высокую точность при сложном и изменчивом качестве угля.

прогнозирование выбросов углерода;кластерный анализ;байесовская оптимизация;нейронная сеть BP;качество угля