石炭の品質を迅速かつ包括的に検出することは、ボイラー燃焼の最適化および石炭火力発電所のデジタルトランスフォーメーションにおいて重要な意義を持ち、レーザー誘起ブレイクダウン分光法（LIBS）は石炭の迅速な品質検出において大きな応用潜在力を有している。現場での石炭迅速検出を満たすために、石炭粉粒子の流動LIBS検出実験装置を用いて、異なる発電所の46組の石炭試料スペクトルデータを収集し、LIBSと機械学習を組み合わせた石炭品質の多指標同時迅速検出研究を体系的に実施した。粒子流状態におけるスペクトルの大きな変動の特徴に対応して、単一パルススペクトルの収集数を最適化し、無効スペクトルふるい分け、スペクトル平均、スペクトル正規化のデータ前処理方法を構築した。さらに、PLSR、SVR、PSO-SVR、およびLSTMの4種類の機械学習アルゴリズムと、全スペクトル、特徴波長帯、強度積分、PCA抽出の4種類のスペクトル特徴入力がモデルの石炭品質多指標予測性能に与える影響を比較した。結果は、一回の検出で200個の単一パルススペクトルを累積収集しスペクトル平均を行うことで、スペクトル信号の不確実性を5％以内に制御できることを示した。石炭品質多指標の定量分析においては、PSO-SVRアルゴリズムが最良の予測性能を示し、PCAアルゴリズムを用いたスペクトルデータの次元削減は、モデルの計算量を減らしつつモデル予測性能を向上させた。これらを組み合わせたモデルは、石炭発熱量の予測において均方根誤差0.289 MJ/kg、平均絶対誤差0.231 MJ/kgを達成した。石炭の炭素質量分率、灰分、および揮発分の予測結果も良好であり、それぞれ均方根誤差は0.987%、1.310%、1.612%、平均絶対誤差は0.839%、1.014%、1.033%であった。研究結果は、適切な機械学習アルゴリズムと組み合わせることで、LIBS技術が石炭の多指標同時精密迅速検出を実現でき、石炭の高効率かつクリーンな利用シナリオにおいて広い応用展望を持つことを示している。

石炭品質;レーザー誘起ブレイクダウン分光法;機械学習;高効率クリーン;粒子流