火力発電所ボイラーの柔軟な運転ニーズの増加に伴い、頻繁な負荷変動運転により汚染物質含有量や排気パラメータが大幅に変動し、単一の汚染物質や排気パラメータの主要指標モデリングは発電所の実際のニーズを満たすことができなくなっていますので、複数の主要指標の連携を考慮して協力予測モデリングを行う必要があります。石炭火力発電所の運転履歴データを基に特徴抽出を行うためにカーネル関数を適用し、長短期記憶ニューラルネットワークから硬いパラメーターの共有構造を構築して多目標予測モデリングを行い、不確実性損失の方法を使用して予測モデルを最適化します。実験結果は、提案された予測モデルが変動負荷状況下で高い予測精度を示し、炉の排気ガスの酸素含量、排気温度、NO_xの予測値などの主要指標に対してそれぞれ25.5%、41.8%、4.7%の平均二乗誤差を低減させます。提案された方法は変動負荷条件下で発電所ボイラーの複数の主要指標を予測することができ、汚染制御と燃焼効率の最適化に寄与し、発電所の知的運転に技術支援を提供できます。

coal-fired boiler;prediction model;LSTM neural network;multi-task learning;uncertainty loss