لتلبية الطلب العالي لنظام إزالة أكاسيد النيتروجين (NO_x) باستخدام تقنية الاختزال الحفازي الانتقائي (selective catalytic reduction, SCR) في وحدات التوليد بالفحم، تم تصميم واقتراح نظام قياس ناعم ونشر يجمع بين دقة عالية وزمن تأخير منخفض. استنادًا إلى أكثر من 110 آلاف مجموعة بيانات تشغيلية عالية الأبعاد لوحدة توليد بالفحم بقدرة 660 ميجاوات، قورنت نظامياً على منصة موحدة بين نموذجين: التعلم العميق (deep learning, DL) و XGBoost (extreme gradient boosting)، باستخدام التحقق المتقاطع الزمني مع بحث شبكة لتحسين المعاملات الفائقة للنماذج، وتم التقييم الشامل من حيث دقة التنبؤ وكفاءة الحوسبة وقابلية التفسير. بناءً على ذلك، تم اقتراح استراتيجية نشر تعاونية "الحافة - المدمج" حيث يتم نشر نموذج DL على خادم الحافة للحصول على نتائج عالية الدقة، ويتم تضمين نموذج XGBoost في نظام التحكم الموزع (distributed control system, DCS) لضمان التوقيت الحقيقي. أظهرت النتائج أن نموذج DL يتفوق في الاستجابة الديناميكية ودقة التنبؤ، حيث خفض خطأ الجذر التربيعي لعينة الاختبار بحوالي 10% مقارنة بنموذج XGBoost، ويحافظ على الاستقرار في ظروف تشغيل متقلبة؛ وتحليل أهمية المتغيرات أظهر أن محتوى الأكسجين في غاز العادم، ودرجة حرارة جدار الموقد، وإجمالي تدفق الهواء هي العوامل الرئيسية المؤثرة على إنتاج NO_x. يمكن للهندسة التعاونية المقترحة تحقيق استدلال بزمن ملي ثانية ونظام تحمل الأخطاء دون اتصال نظريًا.

التنبؤ بتركيز كتلة NO_x;التعلم العميق;أهمية المتغيرات;الحوسبة الطرفية;نشر النموذج