Los óxidos de nitrógeno producidos por la caldera de carbón en la central térmica son una de las principales fuentes de contaminación del aire. La creación de un modelo eficaz de predicción de emisiones de óxidos de nitrógeno es clave para reducirlas. Ante la cantidad masiva y la alta dimensionalidad de los datos del sistema de control de la central térmica y las características multivariables y multivariables de la caldera de carbón, el uso del análisis de componentes principales para extraer características de los datos del sistema de control distribuido de la central térmica elimina las interdependencias entre las diferentes variables. Luego, las características extraídas se utilizan como entrada para la red neuronal LSTM para obtener un modelo de predicción de emisiones de óxidos de nitrógeno de la central térmica. Los resultados muestran que la red neuronal LSTM y el modelo RNN superan al modelo LSSVM en la predicción, con una precisión del 79% para la red neuronal LSTM propuesta en este artículo, superando así a los otros dos modelos en términos de error cuadrático medio.

central térmica; emisiones de NOx; modelo de predicción; red neuronal LSTM; RNN; LSSVM; análisis de componentes principales; extracción de características