심층 부하 조절 과정에서 석탄 순환유동층(CFB) 보일러는 CO 배출 질량 농도 증가 문제와 NOx, SO2 등 여러 오염물질과의 협력적 저감 이론적 지침 부족 문제에 직면해 있다. 150톤/시 석탄 CFB 보일러를 연구 대상으로 선정하여 장단기 기억(LSTM) 신경망, 어텐션(Attention) 메커니즘, 극단적 그래디언트 부스팅(XGBoost) 알고리즘을 기반으로 보일러 용광로 출구 CO, NOx, SO2 등 다양한 오염물질 배출 질량 농도 신속 예측 모델을 구축하고 입자 군집 최적화(PSO) 알고리즘을 결합하여 CO 온라인 저감 최적화 전략 모델을 개발하였다. 2023년 36,298개의 실제 운전 데이터를 학습 샘플로 사용하여 용광로 출구 오염물질 배출 상관관계 분석을 수행하고 예측 모델 입력 파라미터를 선별하였으며 적합도 함수 및 경계 함수를 설정하였다. 감축 최적화 모델 계산을 통해 다양한 부하 범위 CFB 보일러 CO, NOx, SO2 질량 농도 온라인 저감 최적화 전략을 제시하고 실제 보일러 온라인 최적 운전 적용 가능성을 평가하였다.

CFB 보일러;장단기 기억 신경망;입자 군집 알고리즘;CO;협력적 저감