石炭火力発電所の選択的触媒還元（selective catalytic reduction、SCR）脱硝システムにおける窒素酸化物（NO_x）質量濃度予測の高い要求を満たすために、高精度かつ低遅延のソフト計測および展開方案を設計・提案した。660 MWの石炭火力発電所における11万を超える高次元運転データに基づき、統一プラットフォーム上で深層学習（deep learning、DL）とXGBoost（extreme gradient boosting）の2つのモデルを系統的に比較し、時系列クロスバリデーションとグリッドサーチを組み合わせてモデルのハイパーパラメータを最適化し、予測精度、計算効率、解釈性の三方面から総合評価を実施した。これに基づき、「エッジ–埋め込み」協調展開戦略を提案し、高精度予測結果を取得するためにDLモデルをエッジサーバーに展開し、リアルタイム性を保証するためにXGBoostモデルを分散制御システム（distributed control system、DCS）に埋め込む。結果は、DLモデルが動的応答性と予測精度で優れており、テストセットの平均二乗根誤差がXGBoostモデルより約10%低減し、運転条件が激しく変動してもDLモデルの安定性を維持することを示した。変数重要度分析では、排ガス中の酸素含有量、バーナ壁面温度、および総風量がNO_x生成に影響する主な要因であることが明らかになった。提案された協調展開アーキテクチャは理論的にミリ秒単位の推論を実現可能であり、オフライン耐障害性も備えている。

NO_x質量濃度予測;深層学習;変数重要度;エッジコンピューティング;モデル展開