SO2 및 NOx 배출 질량 농도의 정확한 예측은 오염 물질 배출 제어를 효과적으로 안내할 수 있으며, CFB 발전기의 환경 친화적 운영에 중요한 의미가 있습니다. 330MW급 CFB 발전기를 연구 대상으로 하였으며, 입력 변수 선별에는 피어슨 상관계수를 사용하였고, 이상값 선별 및 교체에는 사분위수 범위(interquartile range, IQR) 방법을 적용하고 정규화를 수행하여 데이터 전처리를 완료하였습니다. 이후 컨볼루션 신경망(convolutional neural network, CNN)을 통해 입력 변수의 특성을 추출하고, 게이트 순환 유닛(gated recurrent unit, GRU)을 통해 시계열 특성을 처리하며, 다중 헤드 어텐션(multi-head attention, MHA) 메커니즘을 도입하여 특성 간 중요한 관계를 포착하였습니다. 학습 후 역정규화를 통해 모델 출력을 얻었으며, 마지막으로 평균 절대 오차(MAE), 평균 절대 백분율 오차(MAPE) 및 결정계수 R2를 사용하여 테스트 세트 결과를 평가하였습니다. 결과는 해당 CNN-GRU-MHA 모델이 CFB 발전기의 오염 물질 배출 질량 농도를 비교적 정확하게 예측할 수 있음을 보여줍니다. 소거 실험과 모델 비교를 통해 이 모델의 우수한 성능을 입증하였습니다. 해당 CNN-GRU-MHA 모델은 CFB 발전기의 오염 물질 배출 질량 농도 모니터링 및 최적화 지침을 구현할 수 있어 발전소가 운영 매개변수를 적시에 조정하여 오염 물질 배출 기준을 준수할 수 있도록 합니다.

CFB;오염 물질 배출 예측;딥러닝;데이터 기반