전통적인 메커니즘 모델링 방법이 선택적 촉매 환원(SCR) 탈질 반응기 출구의 NO_x 질량 농도 예측 정확도가 낮은 문제를 해결하기 위해 강화된 회색늑대 최적화 알고리즘(EGWO)과 장단기 메모리(LSTM) 신경망을 결합한 혼합 예측 모델을 제안하였다. 먼저, 주성분 분석(PCA)을 기반으로 원시 데이터를 처리 및 선별하여 입력 변수의 차원을 축소하였다. 그 다음 EGWO를 이용하여 LSTM 신경망의 하이퍼파라미터를 최적화하였다. 마지막으로 입력 변수를 EGWO-LSTM 모델의 입력으로 사용하여 출구 NO_x 질량 농도를 예측하였다. 국내 초초임계 1000MW 화력발전소를 예로 들어 시뮬레이션 결과, 이 모델이 오차 제어 면에서 가장 우수한 성능을 보였으며, 평균 제곱근 오차는 기존 LSTM 모델 대비 50.36%, BP 모델 대비 76.14% 감소하였고, 모델의 평균 절대 백분율 오차는 단 1.01%에 불과하였다. EGWO가 GWO보다 최적해로 수렴하는 반복 횟수가 적고 수렴 정확도가 더 높다는 것도 확인되었다.

SCR 탈질 반응기; 예측 모델; NO_x; LSTM; 주성분 분석; 강화 회색늑대 최적화 알고리즘