【목적】 정확하고 효율적인 동적 모델 구축은 석탄 연료 발전기의 제어 전략 최적화 및 운전 유연성 향상의 핵심이다.【방법】 물리 정보 신경망을 기반으로 한 초임계 석탄 발전기 보일러 협동 시스템 동적 모델링 방법을 제안하여 주 증기 압력, 증수 분리기 출구 증기 엔탈피 및 발전 출력 등의 주요 매개변수를 예측한다. 이 방법은 일반 전방향 신경망을 기본 틀로 하여 보일러-기계의 에너지 및 물질 변환 기본 동적 법칙을 손실 함수 형태로 신경망 학습 구조에 내재화하여 신경망이 데이터 특징을 학습하는 동시에 기본 물리 법칙을 만족하도록 하여 모델의 정확성, 해석 가능성 및 일반화를 향상시킨다.【결과】 시뮬레이션 결과, 충분한 데이터가 있는 경우 제안된 물리 정보 신경망 방법의 단일 및 다중 스텝 예측 결정 계수(R2) 지표가 모두 0.99 이상이며, 데이터 부족 상황에서도 높은 예측 정확도를 유지하여 주 증기 압력 다중 스텝 예측의 평균 제곱근 오차(RMSE) 상대 오차가 1% 미만이고, 증수 분리기 출구 증기 엔탈피 및 발전 출력 다중 스텝 예측 RMSE 상대 오차가 0.75% 미만임을 나타냈다. 데이터 충분 및 부족 두 시나리오에서 제안된 물리 정보 신경망 방법의 예측 성능은 기존 신경망 방법보다 현저히 우수하여 제안한 모델링 방법의 효과성과 우수성을 입증하였다.【결론】 연구 결과는 석탄 발전기의 보일러-기계 협동 제어 최적화를 위한 효율적이고 신뢰할 수 있는 새로운 모델링 방안을 제공하며, 발전기 제어 성능 향상 및 유연한 운전 최적화에 중요한 의의를 가진다.

초임계 석탄 발전기; 보일러 협동 시스템; 동적 모델링; 딥러닝; 물리 정보 네트워크