석질의 빠르고 종합적인 검출은 보일러 연소 최적화 및 석탄 발전소의 디지털 전환에 중요한 의미를 가지며, 레이저 유도 브레이크다운 분광법(LIBS)은 석질 빠른 검출에서 큰 응용 잠재력을 가지고 있다. 현장 석탄의 빠른 검출 요구를 충족하기 위해 석탄 분말 입자 유동형 LIBS 검출 실험 장치를 이용해 여러 발전소의 46개 석탄 시료 스펙트럼 데이터를 수집하였고, LIBS와 머신러닝을 결합한 석질 다중 지표 동시 빠른 검출 연구를 체계적으로 진행하였다. 입자 유동 상태에서 스펙트럼 변동이 큰 특성 때문에 단일 펄스 스펙트럼 수집 개수를 최적화하였고, 무효 스펙트럼 선별, 스펙트럼 평균, 스펙트럼 정규화 데이터 전처리 방법을 구축하였다. 또한 PLSR, SVR, PSO-SVR, LSTM 네 가지 머신러닝 알고리즘과 전 스펙트럼, 특징 파장대, 강도 적분, PCA 추출 네 가지 스펙트럼 특징 입력 방식이 모델의 석질 다중 지표 예측 성능에 미치는 영향을 비교하였다. 결과는 단회 검출 시 누적 200개의 단일 펄스 스펙트럼을 수집하여 스펙트럼 평균을 수행하면 스펙트럼 신호 불확실성을 5% 이내로 제어할 수 있음을 보여주었다; 석질 다중 지표 정량 분석에서는 PSO-SVR 알고리즘이 최고의 예측 성능을 보였으며, PCA 알고리즘을 이용한 스펙트럼 데이터 차원 축소는 모델 계산량 감소와 모델 예측 성능 향상을 동시에 달성하였다. 두 방법을 결합한 모델은 석탄 발열량 예측에서 평균 제곱근 오차가 0.289 MJ/kg, 평균 절대 오차가 0.231 MJ/kg이었다; 석탄 탄소 질량 분율, 재분 및 휘발분 예측 결과도 각각 0.987%, 1.310%, 1.612%의 평균 제곱근 오차와 0.839%, 1.014%, 1.033%의 평균 절대 오차로 비교적 이상적이었다. 연구 결과는 적절한 머신러닝 알고리즘과 결합된 LIBS 기술이 석탄 고효율 청정 이용 시나리오에서 석질 다중 지표 동시 정밀 빠른 검출을 실현할 수 있는 광범위한 응용 전망을 보여준다.

석질; 레이저 유도 브레이크다운 분광법; 머신러닝; 고효율 청정; 입자 유동