석탄 발전소 열 미그닝 설비 나오트데님 통합을 위해선 안전하고 안정적인 셀렉티브 캐이터리틱 리덕션(SCR) 촉매 잔여 수명 예측 방안을 수립해야 한다. SCR 촉매의 파괴는 다수의 물리적, 화학적 요인들의 결합으로 이루어진 결과로, 전통적인 물리 모델이나 수학적 공식을 통해 그 활성화 정도를 예측하기 어렵다. 본 연구는 발전소 빅 데이터 특성에 맞추어, 원시 데이터의 선처리를 수행하고 곡선 근사, 그레이 예측, BP 신경망, 그레이 신경망 4가지 예측 모델을 구축하였다. 사례 비교 분석 결과, 데이터의 선처리가 예측 정확도를 높일 수 있음을 확인했다. 데이터가 균일 시간거리 특성을 충족할 경우, 그레이 신경망 최적화된 직접 출력 모델의 예측 정확도가 높았으며, 데이터가 균일 시간거리 특성을 충족하지 않을 경우, BP 신경망 모델의 예측 효과가 더 좋았다.

연기 탈황 시스템; SCR 촉매; 수명 예측; 곡선 근사; 그레이 예측; BP 신경망; 그레이 신경망