来源：期刊VIP网 时间：
作者：康子为;陈玲红;武燕燕;吴俊;徐碧涛;金杭良;曲培培;
单位：浙江大学能源工程学院;杭州杭联热电有限公司;杭州和达能源有限公司;
摘要：深度调峰过程中燃煤循环流化床（CFB）锅炉面临CO排放质量浓度高及其与NO_x、SO_2等多种污染物协同减排缺乏理论指导等问题。以某150 t/h燃煤CFB锅炉为研究对象，构建基于长短时记忆（LSTM）神经网络、注意力机制（Attention）与极端梯度提升（XGBoost）算法的锅炉炉膛出口CO、NO_x、SO_2等多种污染物排放质量浓度快速预测模型，并耦合粒子群优化（PSO）算法建立CO在线减排优化策略模型。采用2023年36 298条实际运行数据作为训练样本进行炉膛出口污染物排放相关性分析，筛选出污染物质量浓度预测模型的输入参数，并设定适应度函数和边界函数，通过减排优化模型计算，提出了不同负荷范围CFB锅炉CO、NO_x、SO_2质量浓度在线减排寻优策略，并评估其在实际锅炉在线优化运行应用的可行性。
关键词：CFB锅炉;;长短时记忆神经网络;;粒子群算法;;CO;;协同减排
基金资助：浙江省“领雁”计划项目（2024C03113）~~
