석탄 화력 발전소의 탄소 배출량 예측 모델을 구축하기 위해, 석탄 설비에서 입로 석탄의 실시간 원소 분석 부족 문제를 해결하기 위하여, 2023년 100만 킬로와트급 설비의 입로 석탄 품질 정보를 바탕으로 저위 발열량, 휘발분, 황분을 석탄 품질 분류 기준으로 삼아 K-means++ 알고리즘을 이용한 군집 분석을 수행하였다. 상관관계 분석을 통해 탄소 배출량 예측 모델의 입력 변수를 선별하고, 베이지안 최적화를 기반으로 한 BP 신경망을 통해 군집별 데이터를 각각 사용하여 탄소 배출량 예측 모델을 구축하였으며, 부하 상승/하강 등의 작업 환경에서 모델 검증을 수행하였다. 결과는 석탄 품질 군집 후 모델이 탄소 배출량 예측 정확도를 현저히 향상시켰으며, 비군집 모델 대비 평균 제곱근 오차와 평균 상대 오차가 각각 약 53.4%, 49.2% 감소했으며, 특히 변동 부하 조건에서 예측 결과가 비교적 정확함을 보여주었다. 이 방법은 복잡하고 다양한 석탄 품질 환경에서도 높은 정확도를 유지하면서 석탄 화력 발전소 탄소 배출량을 효과적으로 예측할 수 있다.

탄소 배출량 예측;군집 알고리즘;베이지안 최적화;BP 신경망;석탄 품질