【목적】 석탄 발전소는 우리나라 전력 시스템에서 중요한 위치를 차지하고 있으며, 석탄 발전소의 CO₂ 배출량을 정확하게 예측하는 것은 에너지 절약 및 배출 감소 목표 달성에 중요한 의미가 있다. 따라서 본 논문에서는 CNN-BiLSTM-Attention 기반의 석탄 발전소 CO₂ 배출 단기 예측 모델을 제안한다. 【방법】 먼저 석탄 설비 부하, SO₂ 배출 속도, NO_x 배출 속도 및 환경 변수와 CO₂ 배출 속도 간의 상관관계를 분석하여 특성 선택을 수행하고, 중복 정보가 모델 학습에 미치는 영향을 줄인다; 그 다음, 선택된 특성을 입력으로 사용하여 합성곱 신경망(CNN), 양방향 장단기 기억 네트워크(BiLSTM) 및 주의 메커니즘을 융합한 CO₂ 배출 예측 모델을 구축하며, 개량된 케플러 최적화 알고리즘(IKOA)을 도입하여 모델 하이퍼파라미터를 최적화한다; 마지막으로 실제 석탄 발전소 설비 운전 데이터를 이용하여 시뮬레이션 검증을 수행한다. 【결과】 결과는 제안된 모델이 동일 용량 설비 간 교차 설비 예측에서 우수한 예측 성능을 유지하고 우수한 이전 가능성을 보이며, 교차 기간 예측에서는 CO₂ 배출 변화 추세를 잘 묘사하지만 계절 전환 단계에서 상대 오차가 증가함을 나타내어 운전 조건 및 석탄 품질 변화가 예측 결과에 미치는 영향을 반영한다; 제안 모델은 예측 정확도와 안정성에서 비교 모델보다 우수하다. 【결론】 CNN-BiLSTM-Attention 기반 CO₂ 배출 예측 모델은 직접적인 CO₂ 측정 없이도 석탄 발전소 CO₂ 배출을 효과적으로 예측할 수 있어 적용성과 확장 가능성이 높다.

CO_2배출예측;석탄발전소;CNN;BiLSTM;주의 메커니즘;KOA