석탄 발전소 유연한 피크 샤머 과정에서는 종종 후행 현상이 나타나서 선택적 촉매 환원 (SCR) 질소 산화물 제거 (SCC) 시스템을 위한 암모니아 분사 제어 시스템 응답이 늦어져서 암모니아 분사량이 과다하거나 부족하여 SCR 반응기 출구 NOx 농도가 심하게 변동하고 암모니아 탈출율이 증가하기 쉽다. 석탄 보일러 NOx 배출량에 영향을 미치는 요소들의 결합이 존재하고 암모니아 밸브의 조절을 빠르게 하기 위해서 다층 GIF와 긴 시간 기억 (LSTM) 신경 네트워크 혼합 모델을 기반으로 한 SCR 반응기 입구 NOx 예측 모델을 제안하였다. 330MW 석탄 발전소 보일러의 운전 매개변수를 이용해 Pearson 계수 방법을 사용하여 특징 변수 간의 상관 관계를 계산하고 대상을 선별하여 모델의 입력 매트릭스와 출력 매트릭스를 정의하고 최적화를 위해 랜덤 검색 알고리즘을 사용하여 예측 성능을 향상시키고 Black Box 모델을 SHAP 알고리즘을 사용하여 설명한 뒤 Simulink 시뮬레이션을 통해 NOx 예측을 통제하는 효과를 검증하였다. 결과는 CNN-LSTM 예측 모델이 피크 부하 변화 시 SCR 반응기 입구 NOx 농도의 변화를 상대적으로 높은 정확도로 예측함과 동시에 암모니아 제어 시스템에 25초 미리 피드백을 제공하는 것을 보여주었으며 최적화된 암모니아 제어 정책은 출구 NOx 농도와 설정 값 간의 표준 편차를 감소시키고 NH3/NOx 의 응답 속도를 향상시키고 최대 암모니아 탈출량을 22%로 줄이도록 했다. 이 연구 결과는 유연한 피크 로드 조정 장치의 지혜로운 SCR 산화 제거 기술과 연소 최적화에 대한 효과적인 안내를 제공할 수 있다.

NOx 예측; 석탄 발전기; CNN-LSTM 모델; SHAP; 유연한 피크