基于逐次变分模态分解‑深度学习的燃煤电厂脱硫塔出口SO2浓度预测
来源：计量学报杂志2026年第2期北京时间：
作者：金秀章, 仲轩正
摘要：针对燃煤电厂参与调峰负荷波动较大，出口SO2浓度控制效果不佳的问题，建立了一种基于捕鱼优化算法（catch fish optimization algorithm，CFOA）优化融合神经网络的出口SO2浓度预测模型。首先使用互信息算法筛选由机理分析得到的特征变量，并通过逐次变分模态分解对筛选后的辅助变量进行分解重构，保留相关性较大的重构分量作为输入变量。随后采用双向时间卷积网络、双向门控循环单元与多头自注意力机制构建融合神经网络模型，通过CFOA对模型超参数寻优以进一步提高精度。最后使用某660 MW燃煤电厂历史运行数据进行对比实验，实验结果表明，该模型在出口SO2浓度剧烈波动的工况下仍能实现较好的预测效果。同多种模型对比，该模型具有更小的误差和更高的预测精度，体现出其在复杂变化环境中的鲁棒性和可靠性。
关键词：SO2浓度预测,逐次变分模态分解,融合神经网络,多头自注意力机制,捕鱼优化算法
基金资助：国家重点研发计划(2018YFB0604300)
