보고서 정보
주관연구기관 |
인천대학교 University Of Incheon |
연구책임자 |
이민철
|
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 |
한국어
|
발행년월 | 2023-03 |
과제시작연도 |
2022 |
주관부처 |
과학기술정보통신부 Ministry of Science and ICT |
과제관리전문기관 |
한국연구재단 National Research Foundation of Korea |
등록번호 |
TRKO202300008818 |
과제고유번호 |
1711166122 |
사업명 |
개인기초연구(과기정통부) |
DB 구축일자 |
2023-09-27
|
키워드 |
가스터빈.연소불안정.인공지능.예측진단.고속측정.Gas Turbine.Combustion Instability.Artificial Intelligence.Prognostics.High Speed Measurement.
|
초록
▼
□ 연구개요
▣ 고속온도, 고속화염영상, 고속동압신호의 인공지능 기반 빅데이터 분석을 통한 가스터빈 연소 불안정 예측진단 기술 개발
• 각종 연소기, 운전조건, 연료조성별 연소불안정 관련 동압, 온도, 화염영상 3종 빅데이터 취득
• 데이터별 연소불안정 선행지표 추출 및 인공지능 기반 최적 예측진단 모델 개발
• 4종의 연소기 대상 연소불안정 실험을 통해 개발된 예측모델의 성능 검증
□ 연구 목표대비 연구결과
▣ 1차년도: 동압, 온도, 화염영상 3종의 연소관련 데이터 수집시스템 구축 및 실
□ 연구개요
▣ 고속온도, 고속화염영상, 고속동압신호의 인공지능 기반 빅데이터 분석을 통한 가스터빈 연소 불안정 예측진단 기술 개발
• 각종 연소기, 운전조건, 연료조성별 연소불안정 관련 동압, 온도, 화염영상 3종 빅데이터 취득
• 데이터별 연소불안정 선행지표 추출 및 인공지능 기반 최적 예측진단 모델 개발
• 4종의 연소기 대상 연소불안정 실험을 통해 개발된 예측모델의 성능 검증
□ 연구 목표대비 연구결과
▣ 1차년도: 동압, 온도, 화염영상 3종의 연소관련 데이터 수집시스템 구축 및 실험데이터 확보
• 고속 연소불안정 계측을 위해 동압(동압센서 이용 측정시스템), 온도(초음파 온도측정 시스템), 화염자발광(고속카메라) 측정 시스템을 각각 구비하고, 정상운전을 위한 시운전 실시
• 연소불안정 계측 장비 구축, DAQ 소프트웨어 개발 및 실험 데이터 취득·분석 진행
▣ 2차년도: 4종 연소기 대상 실험 빅데이터 수집・분석 및 연소불안정 조기진단을 위한 기법 적용
• GE7EA 가스터빈 모사 연소기(1/3 Scale), Partially Premixed Nozzle 연소기, Axial Swirl Dual Nozzle 가스터빈 연소기, Low Swirl Injector 연소기를 대상으로 실험 빅데이터 수집
• 연소불안정 취득 데이터를 이용한 기계학습 수행: 합성곱 신경망(CNN)의 모델, 장단기 기억 (LSTM) 모델, 인공 신경망(Artificial Neural Network, ANN) 모델 등
▣ 3차년도: AI기반 개발 모델의 적합성/신뢰성/강인성 검증 실험
• 연소불안정 취득 데이터를 이용한 기계학습 수행 및 모델 개발 및 최적화로 ANN 대상 불안정 주파수 99.71%, 불안정 진폭 92.04%의 정확도로 예측 성능 확인함.
• CNN+LSTM모델의 경우 5가지 연소천이 조건에 대해 정확도(Accuracy), 정밀도(Precision), 재현율(Recall), F1-Score값 측면에서 모두 100%에 우수한 성능이 입증됨.
▣ 4차년도: 데이터별 연소불안정 선행지표 추출 및 인공지능 기반 최적 예측진단・종합성능 평가
• 가스터빈 연소기에서 Multi Mode 연소 불안정성을 효과적으로 감지할 수 있는 진단기법 개발 및 적용
• 기존의 연소불안정 판별기준인 동압의 RMS와 새롭게 개발한 Filter Bank(FB), Permutation Entropy(PE), Zero Crossing Rate(ZCR), Spectral Spread(SpS)의 표준편차, Energy of Entropy(EoE)와 Multi Mode를 확인하기 위한 Continues Wavelet을 시행하여 판별 성공 여부 및 판별 시간을 비교하여, 새롭게 제시된 인자의 우수성을 증명함.
• 성능평가 결과, PE가 가장 높은 재현율(100 %)과 정확도(96.6 %)를 보여주며 EoE가 다음으로 비교적 높은 정확도(90.6 %)를 보여줌. 판별 시간이 가장 빠른 ZCR 표준편차의 경우80.3 %의 낮은 정확도를 보여주는 것을 확인함
□ 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성)
▣ 연구개발성과의 활용계획
• 연소불안정 조기 진단 알고리즘 및 계측진단 기술 등의 연구성과물을 국내 연구기관(한국기계연구원, 한전 전력연구원 등)은 물론이고, 국외 연구기관(조지아 공과대학교 등)에서 지속적으로 수집되는 데이터에 적용하고, 수소 및 암모니아 등 신연료용 가스터빈 연소기에 대한 실험결과에도 확대적용하기 위해 추가적 연구를 추진 중에 있음.
• 또한, 국내 발전소에서 수집되는 연소불안정 실증 데이터에도 적용함으로써 본 연소진단 기술이 산업현장에 직접 적용되고, 스마트하고 안전한 운전을 위해 기술적 지원을 하는 역할을 담당토록 기 확보된 특허권을 기반으로 수요기업 발굴 및 기술이전을 추진코자 함.
• 한편, 본 연구성과는 가스터빈 뿐만 아니라 내연기관, 로켓, 추진기관 등 다른 시스템으로도 Spin-off되어 적용하여 활용 분야를 확대하기 위한 노력을 지속적으로 실시코자 함.
▣ 연구개발성과의 기대효과
• 국내 가스터빈 대상 친환경(NOx, CO, 미세먼지 저감), 고효율, 고신뢰도의 안전운영 기술 확보
• 탈탄소(수소, 암모니아), 신연료(셰일가스 등) 도입 대비 연소기반 마련 및 연료유연성 증대
• 연소진단 기술 국산화 및 고도화로 외화절감(제작사 연소튜닝 기술지원비용 : 3천만원/회)
• 연소상태 정밀진단 기반기술 관련 해외 2만여 기 가스터빈 시장 대상 기술사업화・수출 기여
(출처 : 연구결과 요약문 2p)
목차 Contents
- 표지 ... 1
- 연구결과 요약문 ... 2
- 목차 ... 3
- 1. 연구개발과제의 개요 ... 4
- 2. 연구개발과제의 수행 과정 및 수행 내용 ... 6
- [1차년도] 연소불안정 예측진단용 계측 시스템 구축 ... 6
- [2차년도] 연소불안정 실험 데이터 취득 및 인공지능 기반 빅데이터 분석 ... 10
- [3차년도] 인공지능 기반 연소불안정 예측진단/빅데이터 분석 모델 최적화 ... 12
- [4차년도] 연소불안정 예측진단 통합시스템 개발 및 검증 실험 ... 14
- 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 17
- 1) 정성적 연구개발성과(연구개발결과) ... 17
- 2) 세부 정량적 연구개발성과 ... 18
- 3) 목표 달성 수준 ... 18
- 4) 목표 미달 시 원인 분석 ... 19
- 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 19
- 5. 연구개발성과의 관리 및 활용 계획 ... 20
- 6. 자체점검표 ... 21
- 7. 참고문헌 ... 22
- [붙임1] 세부 정량적 연구개발성과 ... 24
- [붙임2] 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 28
- 끝페이지 ... 44
※ AI-Helper는 부적절한 답변을 할 수 있습니다.