En el proceso de regulación profunda, la caldera de lecho fluidizado circulante (CFB) alimentada con carbón enfrenta problemas de alta concentración masiva de emisiones de CO y la falta de orientación teórica para la reducción colaborativa con múltiples contaminantes como NOx y SO2. Tomando como objeto de estudio una caldera CFB alimentada con carbón de 150 t/h, se construyó un modelo rápido de predicción de concentración masiva de emisiones de contaminantes tales como CO, NOx, SO2 en la salida de la cámara de combustión, basado en redes neuronales de memoria a largo y corto plazo (LSTM), mecanismo de atención (Attention) y el algoritmo de aumento extremo del gradiente (XGBoost). Además, se acopló el algoritmo de optimización por enjambre de partículas (PSO) para establecer un modelo de estrategia de optimización en línea para la reducción de emisiones de CO. Se utilizaron 36,298 datos reales de operación en 2023 como muestras de entrenamiento para analizar la correlación de las emisiones de contaminantes en la salida de la cámara, seleccionando los parámetros de entrada para el modelo de predicción y estableciendo funciones de aptitud y límite. A través del cálculo del modelo de optimización de reducción de emisiones, se propusieron estrategias óptimas en línea para la reducción de concentración masiva de CO, NOx, SO2 en calderas CFB en diferentes rangos de carga, evaluando su viabilidad en la aplicación real de la operación optimizada en línea de la caldera.

Caldera CFB;Red neuronal de memoria a largo y corto plazo;Algoritmo de enjambre de partículas;CO;Reducción colaborativa