디지털 트윈 기술을 활용한 복합화력 드럼수위 예측 알고리즘 개발에 관한 연구

• 영문명: Research on the Development of Drum Level Prediction Algorithm for CCPP using Digital Twin Technology
• 발행기관: 한국전자통신학회
• 저자명: 한영복(Young-Bok Han) 김성호(Sung-Ho Kim) 김변곤(Byon-Gon Kim) 김상덕(Sang-Duk Kim)
• 간행물 정보: 『한국전자통신학회 논문지』제20권 제2호, 389~400쪽, 전체 12쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2025.04.30

국문 초록

복합화력 발전소는 에너지 효율이 높고 전력 수요 변동에 신속하게 대응할 수 있어서 전력계통의 운용 비중이 높아가고 있다. 증기터빈을 안정적으로 운전하기 위해서는 양질의 증기생산 공정인 HRSG의 드럼 수위를 적절하게 유지하는 것이 매우 중요하다. 그러나 설비 특성상 발전기 기동·정지 시 드럼 내부의 급격한 유체변화로 인해 스웰링 및 쉬링크 현상으로 드럼 수위 제어에 난조가 발생하고, HRSG 튜브의 온도 및 압력에 따라 생산되는 증기량이 다르기 때문에 드럼 수위 예측이 매우 어렵다. 본 연구에서는 드럼내부의 온도와 압력에 영향을 받는 비선형 시스템인 드럼 수위를 예측하기 위한 인공지능 기반의 디지털 트윈 시스템을 구현하고, 성능분석을 통해 제안된 디지털 트윈 시스템의 유용성을 확인하고자 한다. 제안된 디지털 트윈 시스템은 스팀발전시스템의 안정적이고 효율적인 운영에 도움이 될 것이다.

영문 초록

Combined cycle power plants are increasingly playing a role in the operation of power systems because they are highly energy efficient and can quickly respond to fluctuations in power demand. In order to operate steam turbines stably, it is very important to appropriately maintain the drum water level of the HRSG, which is a high-quality steam production process. However, due to the characteristics of the facility, the swelling and shrinking phenomena occur due to rapid fluid changes inside the drum when the generator is started and stopped, which causes difficulties in controlling the drum water level. In addition, since the amount of steam produced varies depending on the temperature and pressure of the HRSG tube, it is very difficult to predict the drum water level. In this study, we implement an artificial intelligence-based digital twin system to predict the drum water level, which is a nonlinear system affected by the temperature and pressure inside the drum, and verify the usefulness of the proposed digital twin system through performance analysis. The proposed digital twin system will help in the stable and efficient operation of the steam power generation system.

목차

Ⅰ. 서 론

Ⅱ. 복합화력 시스템의 구성 요소

Ⅲ. 드럼 수위 시스템의 디지털 트윈

Ⅳ. DCS 데이터를 사용한 인공신경망 기반의 디지털 트윈 구현

Ⅴ. 디지털 트윈 성능분석

Ⅵ. 결론

References

키워드

디지털 트윈 시스템 드럼 수위 비선형 시스템 인공 신경망 복합 화력 발전소 Digital Twin System Level of Drum Nonlinear System Artificial Neural Network Combined Cycle Power Plant