【目的】正確かつ効率的な動的モデルの構築は、石炭火力発電ユニットの運転柔軟性向上および制御戦略の最適化において重要な鍵となる。【方法】物理情報ニューラルネットワークに基づく超超臨界石炭機組ボイラー協調システムの動的モデリング手法を提案し、主蒸気圧力、汽水分離器出口蒸気エンタルピー、発電出力などの重要パラメータを予測する。本手法は従来の前方フィードニューラルネットワークを基本構造とし、ボイラー・機組のエネルギー及び物質変換の基本動的法則を損失関数の形でニューラルネットワーク学習構造に組み込むことで、ネットワークがデータ特徴を学習すると同時に基本的な物理法則を満たすようにし、モデルの精度、解釈性および汎化能力を向上させる。【結果】シミュレーション結果は、十分なデータがある場合、提案する物理情報ニューラルネットワーク手法の単一ステップおよびマルチステップ予測における決定係数(R2)が0.99超であることを示した。データ不足の状態でも高い予測精度を維持し、主蒸気圧力のマルチステップ予測における平均二乗誤差(RMSE)の相対誤差が1%未満、汽水分離器出口蒸気エンタルピー及び発電出力のマルチステップ予測RMSEの相対誤差が0.75%未満であった。豊富および不足の2つのデータシナリオにおいて、提案した物理情報ニューラルネットワーク手法は従来のニューラルネットワーク手法を大幅に上回り、提案されたモデリング手法の有効性と優越性を証明した。【結論】本研究成果は石炭機組ボイラー協調制御最適化に向けて効率的かつ信頼性の高い新たなモデリングアプローチを提供し、機組の制御性能向上および柔軟な運転最適化に重要な意義を持つ。

超超臨界石炭機組;ボイラー協調システム;動的モデリング;深層学習;物理情報ネットワーク