基于MLO-HIKAN的CFB机组快速变负荷工况SO₂排放浓度预测

来源：动力工程学报杂志2026年第6期北京时间：

作者：王勇权, 高明明, 王唯铧, 郭炯楠, 刘吉臻, 岳光溪,

摘要：针对循环流化床(CFB)机组快速变负荷工况下SO2排放浓度预测难题,从燃烧原理出发,剖析炉内SO2生成与还原机理,构建即燃碳燃烧、O2动态平衡及活性石灰石模型,并基于此建立SO2排放浓度预测模型。选取给煤量、床温、总风量、石灰石给料量等作为输入变量,结合多维相关性分析,引入即燃碳量、动态O2浓度、活性石灰石量等关键中间参数作为扩展输入,重构数据集。采用Kolmogorov-Arnold网络(KAN)训练重构数据集,构建混合输入神经网络(HIKAN),并结合元学习优化器(MLO)优化模型超参数,提出MLO-HIKAN预测模型。算例结果表明,该模型在快速变负荷工况下对SO2排放浓度预测具有较高准确性,为CFB机组环保运行提供了新方法。

关键词：CFB机组,快速变负荷,SO2排放,深度学习,