[論文レビュー] Data Driven based Dynamic Correction Prediction Model for NOx Emission of Coal Fired Boiler

Zhenhao Tang, Deyu Zhu+1 more|arXiv (Cornell University)|Oct 29, 2021

Machine Learning and ELM参考文献 3被引用数 6

ひとこと要約

本稿では、石炭ボイラーにおけるNOx排出量のデータ駆動型動的補正予測モデルを提案する。時間遅れ推定に最大情報係数（MIC）を用い、LassoとReliefFを組み合わせた適応的特徴選択、および誤差補正を施した極端学習機械（ELM）を採用する。本モデルは、負荷状態が変化するあらゆる条件下でも予測誤差が2%未満に抑えられ、排出制御および燃焼最適化のための高精度なリアルタイムNOx濃度予測を可能にする。

ABSTRACT

The real-time prediction of NOx emissions is of great significance for pollutant emission control and unit operation of coal-fired power plants. Aiming at dealing with the large time delay and strong nonlinear characteristics of the combustion process, a dynamic correction prediction model considering the time delay is proposed. First, the maximum information coefficient (MIC) is used to calculate the delay time between related parameters and NOx emissions, and the modeling data set is reconstructed; then, an adaptive feature selection algorithm based on Lasso and ReliefF is constructed to filter out the high correlation with NOx emissions. Parameters; Finally, an extreme learning machine (ELM) model combined with error correction was established to achieve the purpose of dynamically predicting the concentration of nitrogen oxides. Experimental results based on actual data show that the same variable has different delay times under load conditions such as rising, falling, and steady; and there are differences in model characteristic variables under different load conditions; dynamic error correction strategies effectively improve modeling accuracy; proposed The prediction error of the algorithm under different working conditions is less than 2%, which can accurately predict the NOx concentration at the combustion outlet, and provide guidance for NOx emission monitoring and combustion process optimization.

研究の動機と目的

• 石炭ボイラー系におけるNOx排出予測における大きな時間遅れと強い非線形性に対処すること。
• 上昇、低下、定常状態運転などの変動する負荷条件に適応可能な動的予測モデルを開発すること。
• 時間遅れ推定と動的誤差補正メカニズムを組み込むことで、予測精度を向上させること。
• 異なる運転状態下でのNOx排出予測に最も関連する入力変数を特定すること。
• NOx排出モニタリングおよび燃焼プロセス最適化のためのリアルタイムで高精度なツールを提供すること。

提案手法

• 時間遅れ推定に最大情報係数（MIC）を用い、候補となる入力変数とNOx排出量との間の遅れを特定する。
• LassoとReliefFを組み合わせたハイブリッド特徴選択アルゴリズムを適用し、NOx排出量と相関の高い変数を同定する。
• 同定された時間遅れに基づいて、モデリング用データセットを再構築し、動的関係を反映させる。
• 選択された特徴量に基づいて極端学習機械（ELM）モデルを学習させ、NOx濃度を予測する。
• 累積誤差を低減するため、ELMモデルに動的誤差補正戦略を統合する。
• 複数の負荷条件下での石炭火力発電所の実運用データを用いて、モデルを検証する。

実験結果

リサーチクエスチョン

• RQ1 上昇、低下、定常状態運転などの異なる負荷条件下で、入力変数とNOx排出量との間の時間遅れはどのように変化するか？
• RQ2 変動する運転状態下で、NOx排出量を最も的確に予測できる入力変数は何か？
• RQ3 動的補正メカニズムは、非線形的かつ時間遅れを伴うシステムにおけるNOx排出予測の精度を顕著に向上させることができるか？
• RQ4 従来の静的モデルや補正なしモデルと比較して、提案モデルは予測誤差をどの程度低減できるか？
• RQ5 再トレーニングなしで、多様な負荷条件下でも高い精度を維持できるか？

主な発見

• 入力変数とNOx排出量との間の時間遅れは、負荷状態に応じて顕著に変化し、上昇、低下、定常状態運転で明確に異なる遅れパターンが観察された。
• 負荷状態ごとにモデル化に使用する特徴変数のセットが異なり、動的特徴選択の必要性が示された。
• 動的誤差補正の統合により、予測精度が顕著に向上し、あらゆる運転状態でモデル誤差が低減された。
• 提案モデルは、全テスト負荷条件下で予測誤差が2%未満に抑えられ、高いロバスト性と精度を示した。
• 本モデルは、燃焼出口におけるNOx濃度をリアルタイムに効果的に予測でき、排出モニタリングおよびプロセス最適化を支援した。
• MICに基づく遅れ推定、ハイブリッド特徴選択、誤差補正を施したELMの組み合わせが、従来手法に比べ優れた性能を発揮した。