基于线性回归与BP神经网络的火电厂燃煤碳排放计算研究

针对燃煤电厂普遍缺少煤炭元素分析数据的现状，以我国商品煤煤质数据库中的3 000余条煤质数据为基础，分别采用线性回归、BP神经网络、SSA BP神经网络模型对煤炭工业分析数据进行建模，预测煤炭元素分析含碳量，进而从原料侧计算燃煤碳排放，3种模型对于煤炭元素分析含碳量预测的相对误差分别为8.40%,2.51%，1.30%。选取某百万机组燃煤电厂平稳负荷、波动负荷、升负荷、降负荷4种典型工况，从原料侧通过上述3种模型开展电厂燃煤连续碳排放计算，并与电厂烟气侧检测碳排放值进行比较。结果表明：线性回归、BP神经网络、SSA BP神经网络模型可以较好地推测元素分析含碳量。3种模型在平稳负荷的低负荷、中负荷、高负荷3种工况下，与锅炉烟气侧测量所得燃煤碳排放的均方根误差RMSE分别为0.35，0.08，0.07；0.87，0.37，0.09；0.23，0.19，0.17。在升负荷、降负荷、波动负荷工况下，3种模型计算值的均方根误差RMSE分别为1.00，0.84，0.71；1.43，1.24， 0.73；1.33，1.15，0.93。以某电厂典型工作日为例，3种模型对日总碳排放计算值与烟气检测法获得的碳排放相对偏差分别为12.28%，5.52%，0.22%。SSA BP神经网络模型煤质预测和碳排放计算结果与烟气侧测量值偏差最小。

Study on coal-fired carbon emission in thermal power plants based on linear regression and BP neural network