발전소 연기 산소 함량 측정의 높은 투자비와 낮은 정밀도 등의 문제에 대응하기 위해, 연기 산소 함량 이론 연구를 기반으로 적절한 이차 변수를 선택하고, 지원 벡터 머신(SVM)을 도입하여 연기 산소 함량의 소프트 측정 모델을 수립했다. 유전 알고리즘(GA)을 이용하여 모델 내의 처벌 계수와 핵 함수 매개 변수를 최적화하였으며, 최적값을 활용하여 GA-SVM 연기 산소 함량 소프트 측정 모델을 구축했고, 입자 떼 알고리즘 및 그리드 탐색법을 활용하여 매개 변수의 최적화 결과를 비교하고 모델의 정확성과 일반성을 테스트했다. 시뮬레이션 결과는 유전 알고리즘이 입자 떼 알고리즘 및 그리드 탐색법보다 전역 최적해를 더 쉽게 찾으며, GA-SVM 소프트 측정 모델의 오차는 ± 0.2% 이내이며 상대 오차는 ± 4% 이내이며, 다양한 부하 및 다양한 시간대의 보일러 연기 산소 함량 예측 요구도를 충족시킬 수 있으며, 연기 산소 함량 측정에 대한 더 정확한 측정을 제공한다.

연기 산소 함량; 지원 벡터 머신; 유전 알고리즘; 입자 떼 알고리즘; 그리드 탐색법; 소프트 측정