발전소 보일러의 유연한 가동 요구가 증가함에 따라 빈번한 변부하 가동으로 인해 오염물질 함량과 연기 매개변수가 크게 변동되어 개별 오염물질 또는 연기 매개변수에 대한 주요 지표 모델링은 발전소의 실제 요구에 더 이상 충족시킬 수 없게 되었다. 따라서 다중 주요 지표의 결합을 고려하여 협동 예측 모델링을 수행해야 한다. 석탄화력 발전소의 운영 기록 데이터를 기반으로 다양한 특징을 추출하기 위해 커널 함수를 적용하고 장단기 메모리 신경망에서 강한 파라미터의 공유 구조를 구성하여 다중 작업 예측 모델링을 수행하고 불확실성 손실 방법을 사용하여 예측 모델을 최적화한다. 실험 결과는 제안된 예측 모델이 변동하는 하중 상황에서 높은 예측 정확도를 보이며 공기 가열기 연기 매개변수, 연기 온도, 화로 출구 NO_x 질량 농도와 같은 주요 지표에 대한 제곱근 평균 오차를 각각 25.5%, 41.8%, 4.7% 줄인다. 제안된 방법은 변동하는 하중 상황에서 발전소 보일러의 여러 주요 지표를 예측할 수 있으며 오염 제어 및 연소 효율 최적화에 도움이 되며 발전소의 지능적 가동을 위한 기술 지원을 제공할 수 있다.

coal-fired boiler;prediction model;LSTM neural network;multi-task learning;uncertainty loss