석탄 화력 발전소의 이산화황(SO₂) 배출량은 대기 오염의 주요 원인 중 하나이다. SO₂ 배출을 효과적으로 예측하기 위한 모델의 구축은 순환 순환유동층 보일러(CFB) 내 황가스 제거 과정의 불안정성과 이에 따른 SO₂ 배출량 초과 문제를 해결하는 데 도움이 된다. SO₂ 배출 특성은 다양한 열역학적 매개변수에 영향을 받으며, 이러한 변수 사이에 상관관계와 종속성이 존재한다. 본 논문에서는 변수 선택과 지원 벡터 머신(SVM)을 기반으로 한 SO₂ 배출 예측 모델을 제안한다. 300MW CFB 보일러의 운전 데이터를 기반으로 하는 2층 이중 폴라 신경망을 사용하여 입력 변수의 차원과 복잡도를 줄인 후, 선택한 변수를 BP-SVM 모델의 입력으로 사용했다. 격자 검색을 통한 K-겹 교차 검증 방법을 사용하여 모델의 최적 매개 변수를 결정하고, SO₂ 배출 예측 모델 BP-SVM을 구축했다. 전과 선택되지 않은 SVM 모델과의 비교 분석 결과, 변수 선택 후의 BP-SVM 모델은 모델 복잡성을 효과적으로 줄이고 일반화 능력을 향상시킬 수 있음을 보여 주었다.

순환 유동층 보일러; 황가스 제거; 변수 선택; BP-SVM 모델; SO2 배출 특성; 일반화 능력; 예측 제어