来源：期刊VIP网 时间：
作者：孙栓柱;陆佳慧;江宇泷;周春蕾;朱洁雯;杨晨琛;汤红健;段伦博;
单位：江苏方天电力技术有限公司;东南大学,能源热转换及其过程测控教育部重点实验室;
摘要：“碳达峰”“碳中和”政策背景下，燃煤发电行业的减排降碳势在必行。提升碳排放数据的质量水平，强化碳排放监管要求，是保障燃煤发电行业降碳成效的必要举措。入炉煤元素碳含量作为碳排放核算过程中的关键参数，对于燃煤发电企业上报的入炉煤元素碳含量数据的校核尤为重要。对此，提出了一种针对入炉煤元素碳含量数据的智能校验方法。首先，收集了近1 000组国内外典型动力煤的工业分析和元素分析数据。其次，融合高斯过程回归和启发式优化算法，基于美国煤质数据集建立了入炉煤元素碳含量的回归预测机器学习模型，模型在训练集和测试集上的回归系数R~2分别为0.989 8和0.987 7，体现出优良的拟合与预测能力，实现了对入炉煤元素碳含量数据的精确预测。然后，以中国标准煤样数据、中国典型燃煤机组的煤质分析数据为案例进一步验证了机器学习模型的泛化能力，模型在中国标准煤样数据上的元素碳含量预测平均相对误差仅为1.68%，在典型燃煤机组数据上的预测回归系数为0.987 7，均取得了准确的预测效果，验证了模型对入炉煤元素碳预测的精度与适用性。最后，进一步将该模型部署到了我国某600 MW燃煤发电机组生产过程中，模型预测值与实测值的平均相对误差为0.79%，实现了以班组为频次的入炉煤元素碳含量及时准确监测，助力燃煤发电企业上报的元素碳含量数据校验。
关键词：“双碳”目标;;机器学习;;启发式优化算法;;入炉煤元素碳;;智能校验
基金资助：江苏方天电力技术有限公司科技资助项目（KJ202211）
