基于WPD-ISSA-CA-CNN模型的电厂碳排放预测

作者：池小波^*; 续泽晋; 贾新春; 张伟杰

来源：控制工程, 2023, 1-8.

DOI：10.14107/j.cnki.kzgc.20220983

• 碳排放预测
• 小波包分解
• 改进麻雀算法
• 卷积神经网络

碳排放的准确预测有利于制定合理的碳减排策略。当前针对电厂碳排放研究较少，且传统预测模型训练时间过长。基于此，提出一种分量增广输入的WPD-ISSA-CA-CNN碳排放量预测模型，该模型创新性地构建“分解-增广融合预测”策略。首先，利用小波包分解(WPD)将信号按频率分解为子序列，将全部分量增广(CA)作为模型输入以减少模型训练时间。其次，考虑到该模型超参数选择困难的问题，利用多策略融合的改进麻雀搜索算法(ISSA)对CNN预测模型超参数进行寻优。以山西某发电厂2×25MW锅炉的历史数据为样本，利用5种评价指标与BP、LSTM、CNN以及其混合模型对比。结果表明，所提混合模型在预测火力发电碳排放中各指标均有最佳的准确度且模型训练速度明显提升。

• 单位
  山西大学