従来の機構モデリング手法による選択的触媒還元技術（SCR）脱硝反応器出口のNO_x質量濃度の予測精度が低い問題に対して、強化型灰色オオカミ最適化アルゴリズム（EGWO）と長短期記憶（LSTM）ニューラルネットワークを組み合わせたハイブリッド予測モデルを提案した。まず、主成分分析（PCA）に基づき元データを処理および選別し、入力変数の次元削減を実現した。次に、EGWOを用いてLSTMニューラルネットワークのハイパーパラメータを最適化した。最後に、入力変数をEGWO-LSTMモデルの入力として用い、出口NO_x質量濃度を予測した。国内の超超臨界1000MW火力発電所を例にとり、シミュレーション結果は本モデルが誤差制御面で最も優れていることを示しており、従来のLSTMモデルに比べて二乗平均平方根誤差が50.36％低減し、BPモデルに比べて76.14％低減し、モデルの平均絶対百分率誤差はわずか1.01％であった。EGWOはGWOに比べて最適解への収束に必要な反復回数が少なく、収束精度も高い。

SCR脱硝反応器;予測モデル;NO_x;LSTM;主成分分析;強化灰色オオカミ最適化アルゴリズム