Las calderas de carbón contribuyen significativamente a las emisiones de óxidos de nitrógeno (NOx), lo que plantea riesgos ambientales y de salud críticos. La predicción efectiva de las emisiones de NOx es esencial para optimizar las medidas de control y alcanzar estándares de emisión estrictos. Este estudio aplica una Red de Convolución de Grafos Multiescala (MSGNet) diseñada para capturar relaciones dinámicas multiescala entre los parámetros operativos de una caldera de carbón de 660 MW. MSGNet emplea Transformada Rápida de Fourier (FFT) para el reconocimiento automático de patrones periódicos, convolución de grafos adaptativa para relaciones dinámicas entre variables y un mecanismo de atención multi-cabeza para evaluar las dependencias temporales de manera integral. En comparación con el estado del arte existente, la estructura propuesta logra un buen rendimiento de 2.176 mg/m, 1.652 mg/m y 0.988 de RMSE, MAE y . Las evaluaciones experimentales demuestran que MSGNet logra un rendimiento predictivo superior en comparación con métodos tradicionales como LSTM, BiLSTM y GRU. Los resultados subrayan la robusta precisión, estabilidad y capacidad de generalización de MSGNet, destacando su potencial para el control avanzado de emisiones y aplicaciones de gestión ambiental en la generación de energía térmica.