来源：期刊VIP网 时间：
作者：王勇权;高明明;王唯铧;张鹏新;成永强;
单位：新能源电力系统全国重点实验室(华北电力大学);控制与计算机工程学院(华北电力大学);
摘要：SO_2与NO_x排放质量浓度的精准预测可以有效指导污染物排放控制，对CFB机组环保运行具有重要意义。以某330 MW CFB机组为研究对象，采用Pearson相关系数实现输入变量筛选，应用四分位距（interquartile range,IQR）方法筛选并替换异常值，同时进行归一化，完成数据预处理；随后，通过卷积神经网络（convolutional neural network,CNN）提取输入变量的特征，进入门循环单元（gated recurrent unit,GRU）处理时间序列特征，并引入多头自注意力（multi-head attention,MHA）机制捕捉特征之间的重要关系，经训练后反归一化得到模型输出；最后，使用平均绝对误差MAE、平均绝对百分比误差MAPE和决定系数R~2评估测试集的结果。结果表明，该CNN-GRU-MHA模型能够较为准确地预测CFB机组的污染物排放质量浓度。消融实验与模型对比证明了该模型的优越性能。该CNN-GRU-MHA模型可以实现CFB机组污染物排放质量浓度的监测与优化指导，从而使电厂及时调整运行参数，确保污染物排放达标。
关键词：CFB;;污染物排放预测;;深度学习;;数据驱动
基金资助：国家重点研发计划项目(2022YFB4100304)~~
