【目的】石炭火力発電所は我が国の電力システムにおいて重要な位置を占めており、石炭火力発電所のCO₂排出量を正確に予測することは、省エネルギーおよび排出削減の目標達成に重要な意義がある。本稿では、CNN-BiLSTM-Attentionに基づく石炭火力発電所のCO₂排出短期予測モデルを提案する。【方法】まず、石炭発電ユニットの負荷、SO₂排出速度、NO_x排出速度および環境変数とCO₂排出速度との相関を分析し、特徴選択を行うことで、冗長な情報がモデル学習に与える影響を軽減する。次に、選択した特徴を入力として、畳み込みニューラルネットワーク(CNN)、双方向長短期記憶(BiLSTM)ニューラルネットワーク、および注意機構を融合したCO₂排出予測モデルを構築し、改良型ケプラー最適化アルゴリズム(IKOA)を導入してモデルのハイパーパラメータを最適化する。最後に、実際の石炭火力発電所ユニットの運転データを用いてシミュレーションによる検証を行う。【結果】結果は、提案モデルが同容量ユニット間のクロスユニット予測において良好な予測性能を維持し、優れた移転性を示すことを示した。時間を超えた予測では、モデルはCO₂排出の変動傾向を良好に捉えることができるが、季節の変わり目の段階では相対誤差が増加しており、運転条件および石炭品質の変化が予測結果に与える影響を反映している。提案モデルは、予測精度と安定性の両面で比較モデルを上回っている。【結論】CNN-BiLSTM-Attentionに基づくCO₂排出予測モデルは、直接的なCO₂測定なしに石炭火力発電所のCO₂排出を効果的に予測でき、優れた適用性と展開可能性を持つ。

CO_2排出予測;石炭火力発電所;CNN;BiLSTM;注意機構;KOA