발전용 보일러 지능형 통합관리 시스템 개발에 관한 연구

Abstract

전력은 전 산업의 기초에너지원으로 계통의 안정적인 품질과 지속적인 신뢰성유지는 국가산업 경쟁력의 근간이 되고 있다. 최근 발전용 보일러는 대용량, 고효율화 추세에 따라 시스템 구성요소가 나날이 방대해지고 있으며 단위기기의 대부분이 고온, 고압하에서 운전되고 있으므로 설비고장 위험요소가 높다. 또한 설비 고장발생시 정상화까지 많은 시간과 비용이 수반되고, 사회 경제에 미치는 파급영향이 지대하므로 신뢰성 높고 효율적인 설비관리시스템 개발 및 운영이 절실한 실정이다. 이에 본 연구에서는 30년 이상 발전용 보일러 현장 정밀진단 및 수명평가업무를 수행한 엔지니어의 도메인 지식(Domain knowledge)을 기반으로 다양한 보일러 종류에 따른 고장이력을 분석한 후 각각의 설비를 효율적으로 진단, 유지관리하기 위한 요구사항을 프레임워크 구성요소로 개발하였으며, 대표적인 발전 및 산업용 보일러 기종인 표준화력보일러, 신규석탄화력보일러, 유동층보일러, 산업용보일러, HRSG설비에 대하여 인공지능(AI)을 적용한 최적의 지능형 보일러설비관리시스템을 연구하였다. 인공지능(AI) 활용도를 높이기 위해서는 양질의 데이터 확보가 필수적이므로 보일러 정밀진단 및 수명평가 수행시 취득된 유용한 자료를 데이터화(Datafication)하기 위해 각 설비의 종류에 따라 수집해야 할 필수 데이터를 선정하고 분류, 저장하기 위한 표준 템플릿을 대표적인 검사기법 10가지에 대하여 총 50종류 모델을 연구하였다. 축적된 데이터를 이용하여 보일러 부속기기의 손상진행 추이분석과 수명평가기법을 분석하여 설비 수명예측 프로그램과 연계하는 연구를 하였으며, 수명평가 판정 결과의 신뢰도 향상을 위하여 비정형 이미지 데이터 형태의 재질열화시험, 내시경검사, 육안검사 분야에 인공지능(AI) 이미지 분석기법을 적용한 연구를 하였다. 발전용 보일러설비의 구성요소는 금속재료가 주류를 이루고 있으며 경년열화에 따라 금속미세조직이 변화하므로 재질열화 등급분류를 위해 CNN Inception모델을 이용하는 방법론을 제안하고 이를 검증하기 위한 프로그램 개발 연구를 하였다. 연구 모델 프로그램을 이용한 이미지 자동분류 실험결과 최저 정확도 98.05%로 우수한 신뢰도 결과가 산출되어, 기존 재질열화시험시 자주 발생하던 주관적인 판정결정에 따른 이견을 방지하기 위하여 본 연구의 인공지능을 활용한 이미지분석법과 수동 판정법을 병행하여 사용한다면 재질열화등급 판정시 객관성을 높여 발전설비 수명평가 결과의 신뢰도가 향상될 것으로 기대한다. 정량데이터가 산출되는 튜브두께측정, 경도시험, 인장시험, 산화스케일시험, 계장화압입시험 분야는 통계기법을 이용한 미래 손상예측 프로그램 적용에 중점을 두고 연구하였다. 그 결과 회귀분석법을 이용하여 분기, 반기, 연간, 미래 설비의 경년열화 Trend를 예측할 수 있는 모델 프로그램을 실험하였으며, 또한 현재 여러 곳에 분산되어 있는 보일러 정밀진단 및 수명평가 Data를 중앙 서버로 자동 업로딩할 수 있는 최적의 표준 분류체계 시스템개발 연구를 수행하여 향후 클라우드 컴퓨터 시스템 상에서도 Big Data를 이용한 인공지능(AI)설비관리 프로그램을 운영하기 위한 기술적 기반을 마련하였다. 이 결과 보일러설비 진단, 평가, 분석분야 신뢰도를 향상시킬 수 있었으며, 국내 및 해외 원거리에서 운영 중인 발전소의 현장문제 발생시 인터넷을 통한 보일러지능형 통합관리시스템에 접근하여 관련분야 기술 자료를 검색하여 즉시 현장 적용하므로서 신속하게 1차적 설비문제를 자체적으로 해결할 수 있으며, 미 해결시 전문가에 의한 원격 One Line 기술자문서비스 제공이 가능할 것으로 판단된다. 현재 다양한 산업분야에서 인공지능을 활용한 설비의 진단, 분석, 유지관리시스템 개발연구를 시도하고 있으며, 발전분야도 이에 부응하여 다양한 방법론 연구와 실제 프로그램 개발에 박차를 가하고 있다. 본 연구는 발전설비 구성 요소 중 보일러설비에 국한하여 실시하였으나 본 연구결과를 활용하여 터빈, 발전기, 원자로 등 전 발전설비 시스템에 적용 및 응용 가능할 것으로 기대된다.