석탄화력발전장치의 SCR 시스템 출구 NOx 농도 예측 문제에 대해 본 논문에서는 극한 학습 머신(ELM)과 유전 알고리즘(GA)을 결합한 SCR 시스템 동적 모델링 방법을 제안한다. 입력 가중치 행렬의 무작위성과 ELM의 은닉층 편향의 영향을 피하기 위해 GA를 사용하여 ELM의 입력층 가중치 및 은닉층 편향을 최적화하고, GA-ELM 모델을 기반으로 SCR 시스템 모델을 구축하였다. 석탄화력발전장치의 SCR 시스템의 실제 운영 데이터를 사용하여 GA-ELM 모델의 예측 정확도와 일반화 능력을 검증하고, 최소 제곱 지지 벡터 머신(LSSVM) 모델과 ELM 모델의 예측 결과와 비교하였다. 결과는 GA-ELM 모델의 예측 정확도와 일반화 능력이 최고이며, 효과적으로 SCR 시스템 출구 NOx 농도를 예측할 수 있음을 보여준다.

석탄화력발전장치; SCR 시스템; 극한 학습; 유전 알고리즘; 동적 모델; 예측 제어