본 기술은 석탄화력발전소에서 센서로 계측된 보일러 상태 계측 데이터와 연료 성상 데이터 및 발전소 운전 데이터를 획득하고, 훈련 조건에 따라 서로 다른 기준으로 시간 동기화 데이터를 구성한 뒤, 타겟 변수에 대응하는 계측 데이터를 훈련 데이터로 하여 심층신경망 모델을 훈련시켜 보일러 상태 예측 모델을 생성하는 방법 및 장치이다.
해결해야하는 문제점
석탄화력발전소 보일러는 다수 센서·연료 특성·운전 조건이 복합적으로 작용하여 상태 변화가 발생하므로, 수집 데이터의 단위·주기·변동 특성이 서로 달라 그대로 학습에 사용하면 예측 성능이 저하되는 문제점이 존재하는 상황이다. 또한 실시간 모니터링 목적과 연료 연소 구간 기반의 정적 평가 목적이 혼재되어 동일한 동기화 기준으로는 타겟 변수별 예측 정확도를 높이기 어려운 문제점이 존재하는 상황이다
해결방안
본 기술은 보일러 상태 계측 데이터, 연료 성상 데이터, 발전소 운전 데이터를 획득한 뒤 정규화 및 결측치 삭제, 안정상태 감지 필터 등을 통해 학습 적합 형태로 전처리하는 구성이다. 이후 훈련 조건에 대응하여 (i) 일정 시간 간격 기준으로 동기화한 제1 시간 동기화 데이터 또는 (ii) 연료 변경 시점 및 연소 구간을 기준으로 동기화한 제2 시간 동기화 데이터를 구성하는 방식이다. 연료 연소 구간은 저탄조 상탄 시간을 연소 시작 시간으로 가공하고 보일러 최대 출력 운전 기준 완전 연소 소요 시간을 가산하여 연소 종료 시간을 가공함으로써 특정하는 구성이다. 또한 연소 구간 중 발전소 출력 등 운전 데이터가 일정하게 유지되는 구간을 추출하고 해당 구간의 보일러 상태 계측 데이터 평균값을 활용하여 정적 예측에 적합한 데이터셋을 구성하는 방식이다. 최종적으로 시간 동기화 데이터와 타겟 변수에 대응하는 보일러 상태 계측 데이터를 이용해 심층신경망 모델을 훈련하여 타겟 변수별 보일러 상태 예측 모델을 생성하고, 입력 변수 조합을 변경한 복수 훈련 데이터 세트를 예비훈련·신뢰도 평가 후 최적 세트를 선택하여 훈련 성능을 극대화하는 구성이다
적용분야 및 장점
본 기술은 석탄화력발전소 보일러의 운전 중 상태를 실시간으로 모니터링하거나 연료 성상 변화에 따른 연소 구간 단위의 정적 상태를 예측하여 설비 운영을 최적화하는 예지보전·운영지원 시스템에 적용 가능하다. 센서 계측 데이터와 연료 성상 및 운전 데이터를 훈련 목적에 맞게 동기화한 분석마트를 구성하여 심층신경망 학습 성능을 높이고, 타겟 변수별 예측 모델을 생성하여 보일러 상태 예측 정확도를 향상시키며, 이를 통해 보일러를 최적 상태로 운영할 수 있도록 지원하는 점이 장점이다.
개발단계 및 TRL
특허 문서에 데이터 획득–전처리–훈련 조건 기반 시간 동기화 데이터(분석마트) 구성–심층신경망 훈련–타겟 변수별 모델 생성 및 훈련 데이터 최적화(예비훈련·신뢰도 평가) 절차와 장치 구성(통신부, 획득부, 전처리부, 분석마트 구성부, 생성부, 최적화부 등)이 구체적으로 제시된 단계이다. 다만 공보 내에서 실제 발전소 현장 적용 성능지표·대규모 실증 운영 데이터는 별도로 확인되지 않아, TRL 3~4 수준(알고리즘/시스템 설계 확립 및 프로토타입 구현·검증 단계)으로 정리하는 구성이 적절하다.
◆ 기술 설명
◆ 기술이전 조건
◆ 자료