Las emisiones de dióxido de azufre (SO₂) de las centrales eléctricas de carbón son una de las principales fuentes de contaminación atmosférica. La creación de un modelo eficaz para predecir las emisiones de SO₂ contribuye a resolver el problema del exceso de emisiones de SO₂ causado por la inestabilidad del proceso de eliminación de gases de azufre dentro de la caldera de lecho fluidizado circulante (CFB) y, como resultado, a una eliminación tardía del SO₂. Las características de emisión de SO₂ dependen de muchos parámetros termodinámicos, y existe una correlación e interdependencia entre estos parámetros. Este artículo propone un modelo de predicción de las emisiones de SO₂ basado en la selección de variables y la máquina de vectores de soporte (SVM). Sobre la base de datos operativas de una caldera CFB de 300 MW, se utilizó una red neuronal bipolar de dos capas para reducir la dimensión y la complejidad de las variables de entrada, las variables seleccionadas se utilizaron como entradas para el modelo BP-SVM. Utilizando el método de validación cruzada K-fold a través de la búsqueda en cuadrícula, se determinaron los parámetros óptimos del modelo, se estableció un modelo de predicción de emisiones de SO₂ BP-SVM. El análisis comparativo del modelo BP-SVM con el modelo SVM sin selección previa de variables mostró que, después de la selección de variables, el modelo BP-SVM puede reducir eficazmente la complejidad del modelo y mejorar su capacidad de generalización.

Caldera de lecho fluidizado circulante; eliminación de gases de azufre; selección de variables; modelo BP-SVM; características de emisiones de SO2; capacidad de generalización; control predictivo