【Objetivo】 Las centrales eléctricas de carbón ocupan un lugar importante en el sistema eléctrico de nuestro país, y la predicción precisa de las emisiones de CO₂ de las centrales de carbón es significativa para lograr los objetivos de ahorro de energía y reducción de emisiones. Por ello, este artículo propone un modelo de predicción a corto plazo de las emisiones de CO₂ de las centrales de carbón basado en CNN-BiLSTM-Attention. 【Método】 Primero, se seleccionan características analizando la correlación entre la carga de las unidades de carbón, la velocidad de emisión de SO₂, la velocidad de emisión de NO_x y las variables ambientales con la velocidad de emisión de CO₂, para reducir la influencia de información redundante en el entrenamiento del modelo; luego, las características seleccionadas se usan como entrada para construir un modelo de predicción de emisiones de CO₂ que integra una red neuronal convolucional (CNN), una memoria a largo plazo bidireccional (BiLSTM) y un mecanismo de atención, introduciendo el algoritmo mejorado de optimización Kepler (IKOA) para optimizar los hiperparámetros del modelo; finalmente, se realiza la verificación mediante simulación utilizando los datos operativos reales de las unidades de centrales eléctricas de carbón. 【Resultados】 Los resultados muestran que el modelo propuesto mantiene un buen rendimiento predictivo en la predicción entre unidades de igual capacidad, mostrando buena transferibilidad; en la predicción entre periodos, el modelo puede representar bien la tendencia del cambio en las emisiones de CO₂, pero el error relativo aumenta en las fases de cambio de estación, reflejando el impacto de las condiciones de operación y la calidad del carbón en los resultados de la predicción; el modelo propuesto supera a los modelos comparados en precisión y estabilidad. 【Conclusión】 El modelo de predicción de emisiones de CO₂ basado en CNN-BiLSTM-Attention puede lograr una predicción efectiva de las emisiones de CO₂ de las centrales de carbón en ausencia de condiciones de medición directa de CO₂, con buena aplicabilidad y potencial de promoción.

Predicción de emisiones de CO_2;Centrales eléctricas de carbón;CNN;BiLSTM;Mecanismo de atención;KOA