1,000MW 석탄화력 발전소의 석탄 분말쇠기의 진동을 소프트 측정 대상으로, 상공간 재구성과 익스트림러닝머신(ELM)을 결합한 석탄 분말쇠기 진동 모델을 구축하여 석탄 정보 입력 및 미입력 시 석탄 분말쇠기 진동 예측 효과를 비교하였다. 본 모델은 석탄 분말쇠기의 다중 매개변수 및 석탄종류 변화를 종합적으로 고려하여 진동 강도를 m 차, 타임 딜레이 τ 매트릭스로 재구성하기 위해 상공간 재구성을 이용하고, 처음 m-1차원을 다른 매개변수와 결합하여 ELM의 입력 매트릭스를 형성하고, m차원은 출력으로 이용했다. 시험 결과, 모델이 석탄 분말쇠기 진동 예측에 대한 평균상대오차가 6.27%로, 전통적인 ELM 및 SVM모델보다 우수하며, 석탄 정보가 석탄 분말쇠기 진동에 일정한 영향을 미친다는 것을 보여주었다.

석탄 분말쇠기 진동; ELM; 상공간 재구성; 다중 매개변수; 석탄 종류 변화; 소프트 측정