石炭火力発電所の炭素排出量予測モデルを構築するため、石炭発電ユニットにおける炉内煤のリアルタイム元素分析が一般的に不足している問題に対して、ある100万キロワット級ユニットの2023年炉内煤質情報に基づき、低位発熱量、揮発分、硫黄分を煤質分類の基準とし、K-means++アルゴリズムを用いたクラスタリング解析を行った。相関分析により炭素排出量予測モデルの入力パラメータを選択し、ベイズ最適化に基づくBPニューラルネットワークでクラスタごとに炭素排出量予測モデルを構築し、負荷変動等の運転条件でモデルテストを行った。結果は、煤質クラスタリング後のモデルが炭素排出量予測の精度を著しく向上させ、クラスタリングしていないモデルと比較して平均二乗平方根誤差および平均相対誤差がそれぞれ約53.4%、49.2%低減し、特に変動負荷条件下で精度良く予測できることを示した。本手法は、複雑かつ多様な煤質条件下でも高い精度を維持しつつ、石炭火力発電所の炭素排出量を効果的に予測できる。

炭素排出量予測;クラスタリングアルゴリズム;ベイズ最適化;BPニューラルネットワーク;煤質