基于CNN-BiGRU-Attention的脱硫系统出口二氧化硫动态预测模型

来源：电子测量技术杂志2025年第12期北京时间：

作者：高钾，田雪峰，蒋甲丁，彭献永，周怀春

单位：1.新疆工程学院能源工程学院 乌鲁木齐 830023;2.中国矿业大学低碳能源与动力工程学院 徐州 221116

摘要：针对深度调峰下湿法烟气脱硫系统出口 SO2 排放浓度难以精准测量，提出一种基于动态建模的卷积神经网络(CNN)、双向门控循环单元（BiGRU）和注意力机制（Attention）相结合的 SO2 浓度预测模型。基于核主成分分析对原始数据进行关键特征筛选得到 7 个特征变量作为输入特征。将注意力机制引入CNN和BiGRU，建立脱硫系统出口 SO2 浓度预测模型，并以某在役超临界600 MW机组的脱硫系统为研究对象进行了仿真实验。仿真结果显示，本文所建立动态模型的平均绝对误差为 0.706 4 mg/m3、均方根误差为0.912 5 mg/m3、平均相对误差为6.27%，与CNN-BiGRU相比，分别下降了25.07%、23.45%和17.28%，更低于CNN和BiGRU；动态模型的决定系数为96.74%，与CNN-BiGRU、BiGRU和CNN模型相比，分别提高了3.91%、5.26%和9.66%。表明基于CNN-BiGRU-Attention的动态模型具有较高的预测精度和学习能力，能够准确的预测脱硫系统出口SO2浓度变化趋势。

关键词：湿法烟气脱硫系统;SO2浓度预测;动态建模;核主成分分析;CNN-BiGRU-Attention

基金资助：国家自然科学基金（72361033）、2024新疆维吾尔自治区重大科技专项-全烧高碱煤下的锅炉快速变负荷研究（2024A01005-1）、中国华能集团公司科技项目（HNKJ23-HF31）资助