[論文レビュー] Environmental Pollution Prediction of NOx by Process Analysis and Predictive Modelling in Natural Gas Turbine Power Plants

Alan Rezazadeh|arXiv (Cornell University)|Nov 5, 2020

Air Quality Monitoring and Forecasting被引用数 5

ひとこと要約

本稿では、環境気象、電気出力、タービン性能要因を分析することで、天然ガスジェネレーター発電所におけるNOx排出量を予測するK-最近傍法（KNN）機械学習モデルを提案する。小さなデータセットで訓練されたKNNモデルは、歴史的に類似した運用状態に基づいてNOxレベルを推定することで、予測精度が高く、排出削減および運用最適化を可能にする。

ABSTRACT

The main objective of this paper is to propose K-Nearest-Neighbor (KNN) algorithm for predicting NOx emissions from natural gas electrical generation turbines. The process of producing electricity is dynamic and rapidly changing due to many factors such as weather and electrical grid requirements. Gas turbine equipment are also a dynamic part of the electricity generation since the equipment characteristics and thermodynamics behavior change as the turbines age. Regular maintenance of turbines are also another dynamic part of the electrical generation process, affecting the performance of equipment. This analysis discovered using KNN, trained on relatively small dataset produces the most accurate prediction rates. This statement can be logically explained as KNN finds the K nearest neighbor to the current input parameters and estimates a rated average of historically similar observations as prediction. This paper incorporates ambient weather conditions, electrical output as well as turbine performance factors to build a machine learning model to predict NOx emissions. The model can be used to optimize the operational processes for reduction in harmful emissions and increasing overall operational efficiency. Latent algorithms such as Principle Component Algorithms (PCA) have been used for monitoring the equipment performance behavior change which deeply influences process paraments and consequently determines NOx emissions. Typical statistical methods of machine learning performance evaluations such as multivariate analysis, clustering and residual analysis have been used throughout the paper.

研究の動機と目的

• 天然ガスタービン発電所におけるNOx排出量の予測モデルを開発し、環境規制遵守を支援すること。
• 気象、電気出力、タービンの摩耗など動的運用要因を機械学習フレームワークに統合すること。
• 実世界への適用可能性を検証するため、限られたデータセットを用いてKNNの性能を他のアルゴリズムと比較すること。
• 主成分分析（PCA）などの潜在変数技術を活用し、タービン性能の劣化とその排出影響をモニタリングすること。
• データ駆動型分析により排出に影響を与えるパrameterを同定することで、発電所の運用を最適化すること。

提案手法

• KNNアルゴリズムを用いて、環境温度、圧力、タービン負荷などの入力パラメータに基づき、最も類似した歴史的データポイントを特定することでNOx排出量を予測する。
• 入力特徴量には、環境気象状態、電気出力、排気ガス温度や燃料流量などのタービン固有の性能指標が含まれる。
• 主成分分析（PCA）を用いて、時間経過に伴うタービン挙動の変化を検出する。これは排出トレンドと相関関係にある。
• 多変量解析、クラスタリング、残差解析を用いてモデルの性能を評価し、堅牢性と正確性を確保する。
• モデルは比較的小さなデータセットで訓練および検証されており、限られたデータでもKNNの有効性が示された。
• 統計的検証手法を用いてモデルの信頼性を評価し、運用データ内の外れ値や異常を同定する。

実験結果

リサーチクエスチョン

• RQ1 KNNアルゴリズムは、小さなデータセットを用いても天然ガスタービンのNOx排出量を正確に予測できるか？
• RQ2 環境気象状態とタービン運用パrameterは、NOx排出量にどのように影響するか？
• RQ3 タービンの摩耗や性能劣化はNOx排出量にどの程度影響を与え、それが予測モデルで捉えられるか？
• RQ4 PCAの統合により、排出に影響を与えるタービン挙動変化の検出がどの程度向上するか？
• RQ5 提案されたモデルは、有害排出を低減するためにリアルタイムの運用最適化を支援できるか？

主な発見

• KNNモデルは、テストされたアルゴリズムの中で最も高い予測精度を達成した。これは、限られたデータ環境下でも有効であることを示している。
• 環境気象およびタービン性能要因を組み込むことで、NOx排出量の予測精度が顕著に向上した。
• PCAは、時間経過に伴うタービン挙動の変化を効果的に検出でき、これはNOx排出トレンドの変化と強く相関していた。
• 残差解析により、予測誤差が低く、一貫したモデル性能が確認され、NOxレベルの信頼性の高い推定が可能であることが示された。
• モデルは、排出を低減し効率を向上させるための予防的運用調整を可能にし、特に変動するグリッドおよび気象条件に応じた運用に有効である。
• 本研究は、限られた歴史的データを持つ発電所においても、KNNがリアルタイムNOx予測に頑健な選択肢であることを確認した。