[논문]LNG 액화공정 초구조 모델 최적화 연구

손희창; 임영섭

doi:10.7842/kigas.2020.24.1.1

LNG 액화공정 초구조 모델 최적화 연구
A Study on the Superstructure Optimization of LNG Liquefaction Process 원문보기

한국가스학회지 = Journal of the Korean institute of gas, v.24 no.1, 2020년, pp.1 - 9

손희창 (서울대학교 조선해양공학과) , 임영섭 (서울대학교 해양시스템공학연구소)

초록
AI-Helper

LNG사업에서 액화공정의 운전비용은 큰 비중을 차지하기 때문에 적합한 액화공정을 선정하고 그 운전조건을 결정하는 것은 중요한 일이다. 현재까지 다양한 구성의 액화공정들이 개발되어 왔기 때문에 이들을 최적화하고 비교하여 최적의 액화공정을 선택하는 것은 많은 시간과 노력을 요하는 일이다. 다양한 구조 및 선택 사항을 포함한 초구조 모델을 사용한 초구조 최적화를 수행하면 공정 구성에 대한 선택과 최적의 운전변수를 한 번에 최적화하는 것이 가능하다. 본 연구에서는 SMR 액화공정에 대한 다양한 선택지를 포함하는 초구조 모델을 만들고 이를 최적화하였다. 결과적으로 초구조 모델이 개별적인 액화공정에 준하는 최적 포인트를 도출하는 것을 확인하였다.

Abstract ▼ AI-Helper

Because the expenditure of LNG liquefaction processes are high in a LNG project, it is very important to find a suitable liquefaction process model and optimal operating conditions for a project. Various configurations of LNG liquefaction processes have been suggested, and therefore it takes a lot of time and manpower to compare all of these models in order to select an appropriate liquefaction process for a project. A superstructure model can include multiple options in one model and can contribute to decide the best configuration and operating conditions at the same time. This study developed a superstructure model including multiple process options for SMR (Single Mixed Refrigerant) liquefaction process and optimized it. The results showed that the optimization results of the superstructure model have similar values with optimization results of the separate SMR model.

주제어

표/그림 (8)

표 Table 1. Natural gas feed conditions in this study
그림 Fig. 1. Process flow diagram of SMR A(a), B(b) and C(c).
표 Table 2. Termination criteria for the modified DIRECT algorithm
표 Table 3. Optimization variables for the SMR processes
표 Table 4. Design specifications for the SMR processes
그림 Fig. 2. Process flow diagram of SMR superstructure model.
표 Table 5. Optimization results for the each SMR process and the SMR superstructure
그림 Fig. 3. Sensitivity analysis for LP(a), HHP(b), N2(c), C1(d), C2(e), C3(f) and C4(g).

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

적절한 최적 점이 도출되었는지 판단하기 위해 민감도 분석을 수행하였다. 민감도 분석은 혼합냉매의 압력 및 조성 변수에 따라 변화하는 에너지소 모량에 대해 알아보았다. Fig.
대부분의 연구에서는 공정 성능을 최대화시키기 위해 최적화 목적함수로서 단위 LNG 생산량 당 압축 에너지소모량(SPC: Specific Power Consumption)을 규정하고, 이를 최소화시킨다. 본 연구에서는 LNG 생산 유량이 고정이므로, 최소의 SPC를 가지기 위해 액화공정 내 소요 동력을 목적함수로 규정하였다. 따라서 목적함수는 식 (6)과 같이 표현될 수 있다.
본 연구에서는 SMR 공정 대상으로 세 가지 형태의 배치구조를 포괄하는 초구조 모델을 구축하고, 이를 최적화하여 각 공정별로 수행하는 최적화 작업을 초구조 모델 하나로 줄여서 최적의 공정 구성 및 운전 조건을 동시에 결정하고자 하였다.
이중 SMR은 압축 사이클을 하나만 사용하여 상대적으로 작은 크기를 지니면서도 동시에 혼합냉매를 사용하여 상대적으로 높은 효율을 보유하여 중소규모 가스전 및 해양플랫폼에서 선호되는 액화공정이다. 본 연구에서는 SMR공정의 대표적인 3가지 형태를 모델링하고 최적화하였다.
그간 많은 연구를 통하여 다양한 배치 및 구성을 가지는 액화공정들이 제시되어 왔고, 이에 따라서 특정 프로젝트에 적합한 액화공정을 선정하고자 하는 경우 필요한 비교·분석 작업량이 증가하고 있다. 본 연구에서는 다양한 액화공정 구성을 하나로 포괄할 수 있는 초구조 모델을 구축하였고, 이를 통해 각 공정별 최적화 수행이 아닌 하나의 초구조 모델 최적화를 통해 최적의 액화공정 구성 및 그 운전조건을 동시에 결정하고자 하였다.
본 연구에서는 이러한 한계점을 보완하기 위해 SMR 공정을 대상으로 하여 다수의 공정 선택지를 고려할 수 있도록 초구조 모델을 구성하고 이를 최적화하고자 하였다. 이상적으로 구성된 초구조 모델의 경우 각각의 선택지에 따른 공정 대안을 개별적으로 최적화할 필요 없이 한 번의 최적화 과정을 통하여 최적의 공정 구성 대안 및 그 운전 조건을 결정하는 것이 가능하므로 보다 효율적인 최적화가 가능하다.

제안 방법

개별 SMR 공정과 동일하게 초구조 모델링은 Aspen HYSYS V10, Peng-Robinson EOS를 통해 수행하였다. 초구조 모델은 Fig.
초구조 최적화를 통하여 각 공정별 최적화 결과에 준하는 결과를 얻을 수 있는지 판단하기 위하여 사이드 스트림 및 열교환 중 기액 분리 설비의 유무가 다른 3가지 유형의 SMR 공정에 대하여 각 공정별 최적화를 수행하였다. 공정 모델링은 Aspen HYSYS V10, Peng-Ronbinson EOS를 사용하여 수행하였으며, 최적화는 MATLAB을 통해 구현한 Modified DIRECT 알고리즘 및 GA를 연동하여 수행하였다. 개별 공정 최적화 결과 가장 낮은 에너지 소모량을 보이는 공정은 235.
공정 최적화는 최적화 알고리즘을 MATLAB으로 구현한 뒤 HYSYS와 연동하여 주어진 초기입력 값을 기반으로 공정 모사 결과를 읽어 들이고, 이를 바탕으로 다음 최적 점을 연산하는 방식으로 수행 되었다. 최적화 알고리즘으로는 Modified DIRECT 알고리즘을 사용하였고, 알고리즘 종료 기준은 Table 2와 같다.
[9] Ali et al.은 metaheuristic vortex search 알고리즘을 이용하여 공정 최적화를 수행하였고, 이전 모델 대비 41.5%까지 에너지소모량을 감소시켰다.[10] 이와 같이 공정 최적화 적용 유무에 따라 공정 내 소요 동력이 크게 달라질 수 있으므로, 액화공정 설계 시 최적화를 통하여 공정 효율을 높이는 것은 필수적이다.
[8] 또한, Moein et al.은 전역 최적화 알고리즘인 GA(Genetic Algorithm)를 이용하여 공정 최적화를 수행하였고, 그 결과 이전 모델 대비 약 14% 에너지소모량을 감소시켰다.[9] Ali et al.
적절한 최적 점이 도출되었는지 판단하기 위해 민감도 분석을 수행하였다. 민감도 분석은 혼합냉매의 압력 및 조성 변수에 따라 변화하는 에너지소 모량에 대해 알아보았다.
초구조 최적화를 통하여 각 공정별 최적화 결과에 준하는 결과를 얻을 수 있는지 판단하기 위하여 사이드 스트림 및 열교환 중 기액 분리 설비의 유무가 다른 3가지 유형의 SMR 공정에 대하여 각 공정별 최적화를 수행하였다. 공정 모델링은 Aspen HYSYS V10, Peng-Ronbinson EOS를 사용하여 수행하였으며, 최적화는 MATLAB을 통해 구현한 Modified DIRECT 알고리즘 및 GA를 연동하여 수행하였다.
초구조 최적화를 통해 적절한 최적 점이 도출되 었는지 검증하기 위하여 민감도 분석을 수행하였다. 혼합냉매의 압력 및 조성 변수에 따라 변화하는 에너지소모량을 비교하였고, 그 결과 도출된 최적 점에서 멀어질수록 에너지소모량이 커지거나 제약조 건에 위배되는 것을 확인하며 최적 점에 대한 검증을 완료하였다.

이론/모형

각 공정을 모사하기 위하여 화학공정 모사에 흔히 사용되는 Aspen HYSYS V10을 사용하였다. 액화 공정에 사용되는 주요 장비는 압축기, 냉각기, 열교 환기, 세퍼레이터, JT 밸브이고 이들의 에너지밸런스는 식 (1)‑(5)에서 각각 정의된다.
이상적으로 구성된 초구조 모델의 경우 각각의 선택지에 따른 공정 대안을 개별적으로 최적화할 필요 없이 한 번의 최적화 과정을 통하여 최적의 공정 구성 대안 및 그 운전 조건을 결정하는 것이 가능하므로 보다 효율적인 최적화가 가능하다. 개별 공정 최적화에는 초기 값의 영향 및 소요시간을 줄일 수 있는 Modified DIRECT 알고리즘을 사용하였고, 변수가 증가한 초구조 모델 최적화에는 GA를 사용하였다.[18-19]
액화 공정에 사용되는 주요 장비는 압축기, 냉각기, 열교 환기, 세퍼레이터, JT 밸브이고 이들의 에너지밸런스는 식 (1)‑(5)에서 각각 정의된다. 상태방정식은 탄화수소에 적합한 것으로 알려진 Peng-Robinson 을 사용하였다.
공정 최적화는 최적화 알고리즘을 MATLAB으로 구현한 뒤 HYSYS와 연동하여 주어진 초기입력 값을 기반으로 공정 모사 결과를 읽어 들이고, 이를 바탕으로 다음 최적 점을 연산하는 방식으로 수행 되었다. 최적화 알고리즘으로는 Modified DIRECT 알고리즘을 사용하였고, 알고리즘 종료 기준은 Table 2와 같다.

성능/효과

각 SMR 공정의 개별 최적화 결과는 Table 5에서 보여준다. SMR A 및 B 공정은 거의 동일한 에너지소모량을 보이고 있으며, SMR C 공정의 경우약 8%정도 더 높은 소모량을 보이고 있다. 이러한 결과는 다음과 같이 해석될 수 있다.
SMR A와 B 공정 최적화 결과를 비교해보면, 에너지소모량 및 UA 값이 거의 동일한 것을 알 수 있다. 앞서 설명된 것처럼 기액 분리에 의해 얻을수 있는 효과가 있지만, 반대로 기액 분리에 의한 단점도 존재하는데 이는 분리된 냉매가 혼합되는 구간에서 발생한다.
Table 5의 결과와 같이 초구조 최적화를 통해 선택된 공정은 개별 공정 최적화에서 가장 좋은 에너지소모량을 보였던 SMR A타입이었으며, 최적 에너지소모량은 234.8 kWh/ton로서 개별 공정 최적화 결과인 235.1 kWh/ton과 거의 근사한 값을 가졌다. 하지만, UA 값은 SMR A 개별 최적화 결과보다 높게 도출되었다.
공정 모델링은 Aspen HYSYS V10, Peng-Ronbinson EOS를 사용하여 수행하였으며, 최적화는 MATLAB을 통해 구현한 Modified DIRECT 알고리즘 및 GA를 연동하여 수행하였다. 개별 공정 최적화 결과 가장 낮은 에너지 소모량을 보이는 공정은 235.1 kWh/ton을 가지는 SMR A 유형이었다. 초구조 모델은 공정별로 배치가 다른 구간에 Tee를 통하여 스트림 선택 유무가 결정되며, 서로 다른 3개 유형의 공정이 모두 구성될 수 있도록 하였다.
한편, 식 (11)에 의해서 열교환기의 열곡선 간격이 줄어들면 대수평균온도차(LMTD)가 줄어드므로 UA가 증가한다. 따라서 열곡선 간격이 줄어들면 공정 효율 증가와 함께 에너지소모량은 감소하지만, UA 값은 증가하는 결과로 이어진다.
본 연구를 통하여 초구조 모델링 및 최적화를 통해 액화공정을 개별적으로 구성하며 최적화하지 않아도 공정 구성 및 최적 운전 조건을 동시에 결정 하는 것이 가능함을 확인하였다. 나아가 본 연구를 확장하여 기존 공정보다 더 높은 성능의 배치를 개발하는데 활용할 수 있을 것으로 기대한다.
SMR C의 경우 두 번째 열교환기의 방출 온도가 약 148 K로서 세 번째 열교환기에 요구되는 열전달률이 매우 작게 도출되었다. 즉, 세 번째 열교환기 설치로 인해 얻는 효과는 적고 오히려 냉매가 혼합되는 구간이 증가하며 손실일을 증가시켰기 때문에 다른 공정보다 효율이 낮게 도출되었다.
초구조 모델은 공정별로 배치가 다른 구간에 Tee를 통하여 스트림 선택 유무가 결정되며, 서로 다른 3개 유형의 공정이 모두 구성될 수 있도록 하였다. 최적화 수행결과 선택된 공정은 SMR A 유형이었으며, 최적 에너지소모량은 개별 공정 최적화 결과와 거의 근사한 값을 가지는 234.8 kWh/ton이었다.
초구조 최적화를 통해 적절한 최적 점이 도출되 었는지 검증하기 위하여 민감도 분석을 수행하였다. 혼합냉매의 압력 및 조성 변수에 따라 변화하는 에너지소모량을 비교하였고, 그 결과 도출된 최적 점에서 멀어질수록 에너지소모량이 커지거나 제약조 건에 위배되는 것을 확인하며 최적 점에 대한 검증을 완료하였다.

후속연구

본 연구를 통하여 초구조 모델링 및 최적화를 통해 액화공정을 개별적으로 구성하며 최적화하지 않아도 공정 구성 및 최적 운전 조건을 동시에 결정 하는 것이 가능함을 확인하였다. 나아가 본 연구를 확장하여 기존 공정보다 더 높은 성능의 배치를 개발하는데 활용할 수 있을 것으로 기대한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	LNG의 생산비용에 높은 비중을 차지하는 것은 무엇인가?	또한 수입국의 지리적 요건, 운송의 편리성 등과 같은 요인에 의해 천연가스 시장 내에서 액화천연가스, 즉 LNG (Liquefied Natural Gas)의 비중이 높아지고 있다.[1-3] LNG 가치사슬에서 큰 부분을 차지하는 것이 LNG의 생산비용이며, 그 중에서도 액화공정이 차지하는 초기투자비용(CAPEX) 및 운영비용(OPEX)은 높은 비중을 차지한다.[4-6] 따라서 적합한 액화공정 모델과 최적의 운전 조건을 선정하여 액화공정의 비용을 최소화하는 것은 LNG사업의 경제성을 결정하는 매우 중요한 과정이다.
	공정 성능을 최대화을 위해 본 연구에서 규정한 목적함수는 무엇인가?	대부분의 연구에서는 공정 성능을 최대화시키기 위해 최적화 목적함수로서 단위 LNG 생산량 당 압축 에너지소모량(SPC: Specific Power Consumption) 을 규정하고, 이를 최소화시킨다. 본 연구에서는 LNG 생산 유량이 고정이므로, 최소의 SPC를 가지기 위해 액화공정 내 소요 동력을 목적함수로 규정 하였다. 따라서 목적함수는 식 (6)과 같이 표현될수 있다.
	SMR은 무엇인가?	액화공정은 질소 단일 냉매를 사용하는 N2-expander 액화 공정, 복수의 냉매를 사용하는 계단식(cascade) 액화 공정, 혼합냉매를 사용하되 단일 조성을 가지는 SMR, 복수의 순물질/혼합냉매를 사용하는 C3MR, DMR 등 다양한 종류가 사용되고 있다. 이중 SMR은압축 사이클을 하나만 사용하여 상대적으로 작은 크기를 지니면서도 동시에 혼합냉매를 사용하여 상대적으로 높은 효율을 보유하여 중소규모 가스전 및 해양플랫폼에서 선호되는 액화공정이다. 본 연구에서는 SMR공정의 대표적인 3가지 형태를 모델링하고 최적화하였다.

참고문헌 (25)

BP, "BP Energy Outlook Energy 2017", BP Stat. Rev. World Energy 52, (2017)
Lee, S. and Chang D., "Design of Pile-Guide Mooring System for Offshore LNG Bunkering Terminal: A Case Study for Singapore Port", J. of Ocean Eng. and Technol., 31(6), 379-387, (2017)

원문보기 상세보기
Hwang, C. and Lim, Y., "Optimal process design of onboard BOG re-liquefaction system for LNG carrier", J. Ocean Eng. Technol., 32(5), 372-379, (2018)

원문보기 상세보기
Shukri, T., "LNG technology selection", Hydrocarbon Engineering, 9(2), (2004)

상세보기
Foerg, W., Bach, W. and Stockmann, R., "A New LNG Baseload Process and the Manufacturing of the Main Heat Exchangers", Linde AG - Stat oil, (2003)
Vatani, A., Mehrpooya, M. and Palizdar, A., "Advanced exergetic analysis of five natural gas liquefaction processes", Energy Conversion and Management, 78, 720-737, (2014)

상세보기
G. C. Lee, R. Smith, and X. X. Zhu, "Optimal synthesis of mixed-refrigerant systems for low-temperature processes", Ind. Eng. Chem. Res., 41(20), 5016-5028, (2002)

상세보기
A. Alabdulkarem, A. Mortazavi, Y. Hwang, R. Radermacher, and P. Rogers, "Optimization of propane pre-cooled mixed refrigerant LNG plant", Applied Thermal Engineering, 31(6-7), 1091-1098, (2011)

상세보기
P. Moein, M. Sarmad, H. Ebrahimi, M. Zare, S. Pakseresht, and S. Z. Vakili, "APCI-LNG single mixed refrigerant process for natural gas liquefaction cycle: analysis and optimization", Journal of Natural Gas Science and Engineering, 26, 470-479, (2015)

상세보기
W. Ali, M.A. Qyyum, K. Qadeer, and M. Lee, "Energy optimization for single mixed refrigerant natural gas liquefaction process using the metaheuristic vortex search algorithm", Applied Thermal Engineering, 129, 782-791, (2018)

상세보기
X. Xu, J. Liu, and L. Cao, "Optimization and analysis of mixed refrigerant composition for the PRICO natural gas liquefaction process", Cryogenic, 59, 60-69, (2014)

상세보기
WorleyParsons, CCS learning from the LNG sector - A report for the GCCSI, (2013)
W. You, M. Chae, J. Park, and Y. Lim, "Potential Explosion Risk Comparison between SMR and DMR Liquefaction Processes at Conceptual Design Stage of FLNG". J. of Ocean Eng. and Technol., 32(2), 95-105, (2018)

원문보기 상세보기
Pwaga, S.S., "Sensitivity Analysis of Proposed LNG liquefaction Processes for LNG FPSO", NTNU, Natural Gas Technology, (2011)
Lee, I., and Moon, I., "Strategies for process and size selection of natural gas liquefaction processes: specific profit portfolio approach by economic based optimization", Industrial & Engineering Chemistry Research, 57(17), 5845-5857, (2017)

상세보기
Primabudi, E., Morosuk, T., Tsatsaronis, G., "Multi-objective optimization of propane pre-cooled mixed refrigerant (C3MR) LNG process", Energy, 185, 492-504, (2019)

상세보기
Song, R., Cui, M., and Liu, J., "Single and multiple objective optimization of a natural gas liquefaction process" Energy, 124, 19-28, (2017)

상세보기
Gen, M. and Cheng, R., Genetic algorithms and engineering optimization, pp 136, (2000)
Na, J., Lim, Y. and Han, C., "A modified DIRECT algorithm for hidden constraints in an LNG process optimization", Energy, 126, 488-500, (2017)

상세보기
Jones, D.R., "DIRECT global optimization algorithm", Encyclopedia of optimization, 431-440, (2001)
Zielinski, K., Peters, D., and Laur, R., "Stopping criteria for single-objective optimization", in Proceedings of the Third International Conference on Computational Intelligence, Robotics and Autonomous Systems, (2005)
Xu, X., Liu, J., and Cao, L., "Optimization and analysis of mixed refrigerant composition for the PRICO natural gas liquefaction process", Cryogenics, 59, 60-69, (2014)

상세보기
Remeljej, C.W. and Hoadley, A.F.A., "An exergy analysis of small-scale liquefied natural gas (LNG) liquefaction processes", Energy, 31(12), 2005-2019, (2006)

상세보기
G. Venkatarathnam and K.D. Timmerhaus, "Natural gas liquefaction processes", in Cryogenic Mixed Refrigerant Processes, 3rd ed., New York, NY: Springer Sicence+Business Media, LLC, 89-128, (2008)
Roberts, M.J., Agrawal, R. and Daugherty, T.L., "Single mixed refrigerant gas liquefaction process", U.S. patent No. 6,347,531, (2002)

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증