KR102383775B1

KR102383775B1 - 플랜트의 고장 및 연소 최적화를 관리하는 방법 및 이를 위한 시스템

Info

Publication number: KR102383775B1
Application number: KR1020200050679A
Authority: KR
Inventors: 나상건; 김현식; 유준우; 박지훈
Original assignee: 두산중공업 주식회사
Priority date: 2020-04-27
Filing date: 2020-04-27
Publication date: 2022-04-05
Also published as: KR20210132381A

Abstract

본 발명은 플랜트의 고장 및 연소 최적화를 동시에 관리하는 방법과 이를 위한 시스템에 관한 것으로, 구체적으로는 플랜트에 관한 제반정보들로부터 고장 허용 제어값과 연소 최적화 제어값을 연산한 뒤, 위 두 개의 제어값을 기반으로 최종적인 제어명령을 생성함으로써 전체 플랜트 시스템으로 하여금 고장 및 연소 최적화에 대한 관리가 동시에 이루어질 수 있게 하는 방법 및 시스템에 관한 것이다.

Description

플랜트의 고장 및 연소 최적화를 관리하는 방법 및 이를 위한 시스템{METHOD FOR MANAGING PLANT FAILURE AND COMBUSTION OPTIMIZATION AND SYSTEM THEREFOR}

하나의 플랜트는 매우 다양한 종류의 설치물들을 그 내부에 구비하고 있으며, 플랜트의 운전은 이들 설치물들이 모두 정상적으로 작동될 때에야 비로소 이루어지게 된다. 또 다른 한편, 플랜트, 특히 화력 발전소에서는 발전소의 출력, 질소산화물 등의 오염물질 배출 저감, 연료 소비의 효율성 등을 높이기 위해 연소를 최적화 하는 작업도 반드시 필요하다.

그러나 현재까지의 플랜트 시스템에서는 플랜트 고장에 대한 관리, 그리고 플랜트의 연소 최적화 작업이 서로 별개의 것으로 인식되고 있으며, 당연히 위 두 작업은 플랜트 내 서로 다른 주체에 의해 실시되어 왔다. 이에 따라 종래에는 연소 최적화와 고장에 대한 대응이 제대로 이루어지지 못하는 사례가 종종 존재하여 왔다. 본 발명은 위와 같은 문제점에 착안하여 제안된 것으로, 본 발명에 따른 방법 및 시스템에서는 연소 최적화를 고려한 플랜트 고장 관리가 통합적으로 이루어질 수 있도록 하는 것을 하나의 목적으로 한다.

본 발명은 이와 같은 배경으로부터 제안된 것이며, 본 상세한 설명을 통해 기술하게 될 발명은 이상에서 살핀 기술적 문제점을 해소시킬 수 있음은 물론, 본 기술분야에서 통상의 지식을 가진 자가 용이하게 발명할 수 없는 추가적인 기술요소들을 제공하기 위해 발명되었다.

KR 10-1827108 (2018.02.01.등록)

본 발명은 플랜트에서의 보일러 연소 최적화는 물론, 플랜트에서 발생하였거나 발생가능한 고장을 감지하고, 이로부터 고장을 전제로 한 제어까지도 통합적으로 이루어질 수 있게 하는 것을 목적으로 한다.

또한 본 발명은 위와 같은 고장 및 연소 최적화의 통합적 관리를 통하여 플랜트의 유지 보수에 들어가는 비용 및 노력을 줄이고, 나아가 플랜트의 수명을 연장시키는 것을 또 다른 목적으로 한다.

또한 본 발명은 고장 및 연소 최적화가 동시에 가능하도록 함으로써 플랜트 운전의 전반적인 신뢰도를 향상시키고자 하는 것을 또 다른 목적으로 한다.

한편, 본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

본 발명은 위와 같은 문제점을 해결하기 위한 것으로, 본 발명에 따라 중앙처리유닛 및 메모리를 구비한 시스템이 플랜트의 고장 및 연소 최적화를 관리하는 방법은, 진단계(FDIRS) 및 연소최적화계(BCOS)가 각각 플랜트와 관련된 제반정보 - 상기 제반정보는 플랜트 운전정보 및 플랜트 측정정보를 포함함 - 를 수신하는 단계; 진단계가 상기 제반정보로부터 예측된 고장에 대한 고장 허용 제어값을 연산하고, 상기 고장 허용 제어값을 제어최적화부로 전달하는 단계; 연소최적화계가 상기 제반정보로부터 플랜트의 연소를 최적화시키기 위한 연소 최적화 제어값을 연산하고, 상기 연소 최적화 제어값을 상기 제어최적화부로 전달하는 단계; 및 제어최적화부가 상기 고장 허용 제어값 및 연소 최적화 제어값을 기초로 최적제어명령을 생성하고, 상기 최적제어명령을 제어계로 전달하는 단계;를 포함한다.

또한 상기 방법에 있어서 상기 진단계가 고장 허용 제어값을 연산하는 단계는, 상기 수신한 제반정보로부터 플랜트 고장을 감지하는 단계; 상기 감지된 플랜트 고장에 대해 진단하는 단계; 상기 플랜트 내 발생 가능한 고장을 예측하는 단계; 상기 예측된 플랜트 고장을 기초로 상기 플랜트에 대한 고장 허용 제어값을 생성하는 단계;를 포함할 수 있다.

또한 상기 방법에 있어서 상기 연소최적화계가 연소 최적화 제어값을 연산하는 단계는, 상기 수신한 제반정보에 포함된 정보 중 적어도 일부를 임의의 플랜트 모델에 입력하는 단계; 상기 플랜트 모델에 따른 시뮬레이션 결과를 기초로 상기 플랜트에 대한 연소 최적화 제어값을 생성하는 단계; 를 포함할 수 있다.

또한 상기 방법에 있어서 상기 고장 허용 제어값 또는 연소 최적화 제어값은, 공기제어, 연료제어, 또는 분쇄제어 중 적어도 하나에 대한 파라미터를 포함할 수 있다.

또한 상기 방법에 있어서 상기 제어최적화부가 최적제어명령을 생성하는 단계는, 상기 고장 허용 제어값이 포함하는 제1 범위 및 상기 연소 최적화 제어값이 포함하는 제2 범위에서 상호 중복된 범위의 제어값 범위를 최적제어명령으로 생성하는 것을 특징으로 할 수 있다.

또한 상기 방법에 있어서 상기 공기제어에 대한 파라미터는, 공기의 유량 또는 유속 제어를 위한 파라미터 또는 온도 제어를 위한 파라미터 중 적어도 하나를 포함하는 것을 특징으로 할 수 있다.

또한 상기 방법에 있어서 상기 연료제어에 대한 파라미터는, 연료 총량 제어를 위한 파라미터 또는 연료 수분도 제어를 위한 파라미터 중 적어도 하나를 포함하는 것을 특징으로 할 수 있다.

또한 상기 방법에 있어서 상기 분쇄제어에 대한 파라미터는, 연료량 제어를 위한 파라미터 또는 연료 미분도 제어를 위한 파라미터 중 적어도 하나를 포함하는 것을 특징으로 할 수 있다.

한편, 또 다른 실시예에 따른 플랜트의 고장 및 연소 최적화를 관리하는 시스템은, 발전계로부터 플랜트와 관련된 제반정보를 수신하고, 상기 제반정보로부터 예측된 고장에 대한 고장 허용 제어값을 연산하며, 상기 고장 허용 제어값을 제어최적화부로 전달하는 진단계(FDIRS); 발전계로부터 플랜트와 관련된 제반정보를 수신하고, 상기 제반정보로부터 플랜트의 연소를 최적화시키기 위한 연소 최적화 제어값을 연산하며, 상기 연소 최적화 제어값을 상기 제어최적화부로 전달하는 연소최적화계; 상기 고장 허용 제어값 및 연소 최적화 제어값을 기초로 최적제어명령을 생성하고, 상기 최적제어명령을 제어계로 전달하는 제어최적화부;를 포함한다.

또한 상기 시스템에 있어서 상기 진단계는, 상기 수신한 제반정보로부터 플랜트 고장을 감지하는 고장 감지부; 상기 감지된 플랜트 고장에 대해 진단하는 고장 진단부; 상기 플랜트 내 발생 가능한 고장을 예측하는 고장 예측부; 상기 예측된 플랜트 고장을 기초로 상기 플랜트에 대한 고장 허용 제어값을 생성하는 고장 허용 제어부; 를 포함할 수 있다.

또한 상기 시스템에 있어서 상기 연소최적화계는, 상기 수신한 제반정보로부터 플랜트 모델을 학습하는 모델 학습부; 상기 수신한 제반정보 중 적어도 일부를 플랜트 모델에 입력함으로써 시뮬레이션을 실시하는 모델 적용부; 상기 시뮬레이션의 결과를 기초로 상기 플랜트에 대한 연소 최적화 제어값을 생성하는 연소 최적화부; 를 포함할 수 있다.

또한 상기 시스템에 있어서 상기 고장 허용 제어값 또는 연소 최적화 제어값은, 공기제어, 연료제어, 또는 분쇄제어 중 적어도 하나에 대한 파라미터를 포함할 수 있다.

또한 상기 시스템에 있어서 상기 제어최적화부는, 상기 고장 허용 제어값이 포함하는 제1 범위 및 상기 연소 최적화 제어값이 포함하는 제2 범위에서 상호 중복된 범위의 제어값 범위를 최적제어명령으로 생성하는 것을 특징으로 할 수 있다.

또한 상기 시스템에 있어서 상기 공기제어에 대한 파라미터는, 공기의 유량 또는 유속 제어를 위한 파라미터 또는 온도 제어를 위한 파라미터 중 적어도 하나를 포함하는 것을 특징으로 할 수 있다.

또한 상기 시스템에 있어서 상기 연료제어에 대한 파라미터는, 연료 총량 제어를 위한 파라미터 또는 연료 수분도 제어를 위한 파라미터 중 적어도 하나를 포함하는 것을 특징으로 할 수 있다.

또한 상기 시스템에 있어서 상기 분쇄제어에 대한 파라미터는, 연료량 제어를 위한 파라미터 또는 연료 미분도 제어를 위한 파라미터 중 적어도 하나를 포함하는 것을 특징으로 할 수 있다.

본 발명에 따르면 플랜트의 고장 관리 및 연소 최적화를 동시에 할 수 있는 효과가 있다.

또한 본 발명에 따르면 플랜트의 유지 보수에 소요되는 비용 및 노력을 절감할 수 있으며, 나아가 플랜트 수명을 연장시킬 수 있는 효과도 꾀할 수 있다.

또한 본 발명에 따르면 플랜트의 신뢰도를 높일 수 있는 효과도 있다.

한편, 본 발명에 의한 효과는 이상에서 언급한 것들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 플랜트의 대표적인 예시로 화력 발전소를 도시한 것이다.
도 2는 본 발명에 따른 시스템을 개념적으로 도시한 것이다.
도 3은 본 발명에 따른 시스템을 구체적으로 도시한 것이다.
도 4는 본 발명에 따라 고장 및 연소 최적화를 통합적으로 관리하는 방법을 순서에 따라 나열한 것이다.

본 발명의 목적과 기술적 구성 및 그에 따른 작용 효과에 관한 자세한 사항은 본 발명의 명세서에 첨부된 도면에 의거한 이하의 상세한 설명에 의해 보다 명확하게 이해될 것이다. 첨부된 도면을 참조하여 본 발명에 따른 실시예를 상세하게 설명한다.

본 명세서에서 개시되는 실시예들은 본 발명의 범위를 한정하는 것으로 해석되거나 이용되지 않아야 할 것이다. 이 분야의 통상의 기술자에게 본 명세서의 실시예를 포함한 설명은 다양한 응용을 갖는다는 것이 당연하다. 따라서, 본 발명의 상세한 설명에 기재된 임의의 실시예들은 본 발명을 보다 잘 설명하기 위한 예시적인 것이며 본 발명의 범위가 실시예들로 한정되는 것을 의도하지 않는다.

도면에 표시되고 아래에 설명되는 기능 블록들은 가능한 구현의 예들일 뿐이다. 다른 구현들에서는 상세한 설명의 사상 및 범위를 벗어나지 않는 범위에서 다른 기능 블록들이 사용될 수 있다. 또한, 본 발명의 하나 이상의 기능 블록이 개별 블록들로 표시되지만, 본 발명의 기능 블록들 중 하나 이상은 동일 기능을 실행하는 다양한 하드웨어 및 소프트웨어 구성들의 조합일 수 있다.

또한, 어떤 구성요소들을 포함한다는 표현은 “개방형”의 표현으로서 해당 구성요소들이 존재하는 것을 단순히 지칭할 뿐이며, 추가적인 구성요소들을 배제하는 것으로 이해되어서는 안 된다.

나아가 어떤 구성요소가 다른 구성요소에 “연결되어” 있다거나 “접속되어” 있다고 언급될 때에는, 그 다른 구성요소에 직접적으로 연결 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 한다.

이하에서는 도면들을 참조하여 본 발명이 제안하고자 하는 플랜트 고장 및 연소 최적화를 관리하기 위한 시스템 및 그 방법에 대해 자세히 살펴보기로 한다.

먼저 도 1은 플랜트의 대표적인 예시로 화력 발전소의 개괄적인 구성들을 도시한 것이다. 화력 발전소는 기본적으로 석탄이나 석유에 의한 화력으로 증기를 발생시켜 증기 터빈을 돌리고 이를 통해 전기 에너지를 생산하게 되는데, 이 중에서 특히 보일러는 증기 터빈에 고온 고압의 증기를 공급하기 위해 연료를 태워 물을 끓이는 핵심적인 구성에 해당한다. 보일러의 주된 구성으로는 물과 증기를 담는 보일러 본체, 연료의 연소장치, 그리고 화로가 있으며, 이 중 연소장치, 화로 등은 제어 시스템에 의해 조정됨으로써 온도, 압력 등이 조절된다.

한편, 위 화력 발전소의 개략적인 구성에서도 보았듯 하나의 플랜트는 복잡한 과정을 거쳐 전기 에너지를 생산하게 되는데, 당연히 위 복잡한 과정은 수 많은 부품들로 구성된 다양한 장치들이 수 많은 알고리즘에 따라 정상적인 작동을 하고 있을 것을 전제로 한다. 문제는 수 많은 부품들 중 어느 하나가 오작동을 하는 경우, 또는 알고리즘에 오류가 생겨 오작동 하는 경우 플랜트 전체가 고장으로 그 작동이 멈추어 지는 경우인데, 복잡한 시스템 자체에 고장이 발생한 경우 어디에 어떤 고장이 발생하였는지를 쉽게 파악할 수 없어 이를 복구하는 데에 상당한 비용 및 시간이 소요되는 문제가 있다.

또한 일반적으로 화력 발전소는 그 내부에 보일러를 두어 석탄 등의 연료를 연소시킬 때에 발생되는 발열반응을 이용하여 물을 가열하고 이를 통해 터빈을 구동시키기 위한 증기를 생산하고, 보일러가 연소를 할 때에는 질소산화물, 이산화탄소와 같은 배출가스들이 발생되는데, 발전소 운영에 있어서 위와 같은 배출가스들을 관리하는 데에는 적지 않은 비용이 필요하기 때문에 최근에는 배출가스가 적게 발생되도록 연소 환경을 제어함과 동시에 보일러의 연소 효율을 높이기 위한 노력들이 지속적으로 이루어지고 있다.

다만, 현재까지의 플랜트 시스템은 앞서 언급한 것과 같이 플랜트 고장 관리와 플랜트 연소 최적화를 별개의 작업으로 취급하고 있으며, 이 두 개의 작업을 통합적으로 처리하지 못함에 따라 플랜트에 돌발 상황이 발생하였을 때 신속한 대응이 이루어지지 못하는 등 문제점들이 드러나고 있는 실정이다.

도 2는 본 발명의 이해를 돕기 위한 개념도로, 도 2의 (a)는 종래 플랜트 시스템을 개념화 한 도면이고, 도 2의 (b)는 본 발명이 제안하고자 하는 플랜트 시스템을 개념화 한 것이다.

종래의 플랜트 시스템은 플랜트의 고장을 관리하기 위한 고장 관리 구성(11) 및 플랜트의 연소 최적화를 구현하기 위한 연소 최적화 구성(13)을 갖추고 있기는 하지만, 이 때 고장 관리 구성(11) 및 연소 최적화 구성(13)들은 각각 플랜트의 운전 상태를 기반으로 독립적으로 고장 관리 또는 연소 최적화를 위한 연산을 수행하며, 그 연산에 따른 결과값을 다시 플랜트 제어에 참조되도록 구현되어 있다. 다시 말해, 종래의 플랜트 시스템에서는 고장 관리 구성(11)이 수행한 연산의 결과 값, 그리고 연소 최적화 구성(13)이 수행한 연산의 결과 값들이 따로따로 플랜트 제어를 위한 입력이 되어 왔었다.

이에 반하여, 도 2의 (b)에 따른 시스템에서는 고장 관리 구성(11) 및 연소 최적화 구성(13) 외에 제어최적화를 위한 제어최적화 구성(15)을 더 둠으로써 위 고장 관리 구성(11)이 수행한 연산의 결과 값 및 연소 최적화 구성(13)이 수행한 연산의 결과 값을 취합한 후 이를 기반으로 최종적인 플랜트 제어명령을 생성하도록 구현하였다. 예를 들어, 플랜트에서 500MW의 발전출력이 나와야 함에도 400MW의 발전출력이 감지된 경우, 고장 관리 구성(11)은 이를 고장으로 감지할 수 있으며, 이어서 고장 관리 구성(11)은 내부적으로 왜 100MW의 출력이 부족한지에 대한 진단(분석)을 진행하고, 고장의 원인을 댐퍼 개도율이 70% 밖에 되지 않은 사실로 파악할 수 있다. 원인 진단 후, 고장 관리 구성(11)은 위와 같은 상태(개도율 70%)가 계속될 경우 하루 또는 이틀 뒤 플랜트가 얼마나 더 나쁜 상태가 될 것인지에 대해 예측할 수 있는데, 예를 들어 개도율이 계속 70%를 유지하게 되면 하루 뒤 300MW까지 출력이 떨어질 것으로 예측할 수 있다. 이러한 예측정보로부터 고장 관리 구성(11)은 기존의 제어명령(지령치), 즉 예를 들어 500MW까지 출력을 낼 것을 명하는 제어명령이 있을 때 댐퍼에 부담이 되지 않을 정도 내에서 위 제어명령을 최대한 충족시키기 위한 제어값을 연산해 낼 수 있으며, 이를 제어최적화 구성(15)에 전달할 수 있다. 한편, 연소 최적화 구성(13)은 플랜트로부터 수집한 정보로부터 상기 플랜트의 연소를 최적화 시키기 위한 제어값을 연산해 낼 수 있고, 이를 제어최적화 구성(15)측에 전달할 수 있다. 예를 들어, 상기 연소 최적화 구성(13)은 플랜트 고장과는 전혀 무관하게 500MW의 출력을 낼 수 있도록 위 수집된 정보로부터 최적 연소를 위한 제어값을 연산해 낼 수 있으며, 이를 제어최적화 구성(15)에 전달할 수 있다. 한편, 최종적으로 제어최적화 구성(15)에서는 고장 관리 구성(11)으로부터 수신한 제어값, 그리고 연소 최적화 구성(13)으로부터 수신한 제어값들을 종합하여 최종적으로 제어명령을 생성할 수 있으며, 이를 플랜트 제어를 담당하는 계로 전달할 수 있다.

이상 도 2를 참조하여 본 발명의 기본 개념에 대해 살펴보았다.

이하에서는 도 3을 참조하여 본 발명에 따른 플랜트 시스템의 세부 구성, 그리고 이에 의해 플랜트의 고장 및 연소 최적화를 관리하는 방법에 대해 살펴보기로 한다.

도 3을 참조할 때, 플랜트 시스템은 크게 제어계(10; DCS), 발전계(20), 진단계(30; FDIRS), 연소최적화계(40; BCOS)를 포함할 수 있으며, 여기에 제어최적화부(50)를 더 포함할 수 있다. 참고로, 도 2의 (b)와 대응해 보자면 도 2(b)의 고장 관리 구성은 도 3의 진단계에, 그리고 도 2(b)의 연소 최적화 구성은 도 3의 연소최적화계에 대응될 수 있다. 또한 참고로, 본 상세한 설명에서의 플랜트 시스템은 중앙처리유닛 및 메모리를 갖춘 하드웨어로 구현될 수 있으며, 또는 플랜트 시스템을 구성하는 각각의 계들은 하나의 하드웨어(중앙처리유닛 및 메모리를 갖춘 것)에 의해 구현될 것일 수도 있다. 또한, 각 계들을 구현하기 위한 소프트웨어는 컴퓨터가 판독가능한 언어로 설계된 프로그램 상에서 구현되어 상기 중앙처리유닛(CPU)에 의해 실행될 수 있음을 이해해야 할 것이다. 나아가, 각 계들은 하드웨어(hardware) 또는 펌웨어(firmware), 소프트웨어, 또는 이들의 결합에 의해 구현되되, 하드웨어를 이용하여 구현하는 경우에는 ASIC(application specific integrated circuit) 또는 DSP(digital signal processor), DSPD(digital signal processing device), PLD(programmable logic device), FPGA(field programmable gate array) 등으로, 펌웨어나 소프트웨어를 이용하여 구현하는 경우에는 위와 같은 기능 또는 동작들을 수행하는 모듈, 절차 또는 함수 등을 포함하도록 펌웨어나 소프트웨어로 구성될 수 있다.

다시 도 3에 대한 설명으로 돌아와, 제어계(10)는 플랜트의 모든 작동을 제어하는 구성으로, 크게는 플랜트의 운전 상태를 파악할 수 있는 기능, 그리고 기 정해진 알고리즘에 따라 플랜트의 운전을 제어하는 기능을 할 수 있다. 제어계(10)는 외부로부터 입력되는 사용자(또는 운용자)의 조작입력을 수신할 수 있고, 조작입력을 기반으로 발전계(20)에 대해 제어명령을 전달할 수 있으며, 이 과정에서 제어최적화부의 최적제어명령을 수신한 뒤 이를 실제 플랜트 제어에 반영할 수도 있다.

발전계(20)는 실제 플랜트를 가동시키는 역할을 하는 구성으로, 이 발전계(20) 내에는 복수 개의 액추에이터들, 플랜트 다이나믹스(Plant dynamics), 및 센서들이 포함될 수 있다.

진단계(30)는 발전계(20)로부터 플랜트와 관련된 제반정보를 수신하고, 상기 제반정보로부터 예측된 고장에 대해 고장 허용 제어값을 연산하며, 상기 고장 허용 제어값을 제어최적화부(50)로 전달하는 역할을 수행한다. 참고로, 진단계(30)가 발전계(20)로부터 수신하게 될 플랜트 관련 제반정보들에는 플랜트의 운전에 관한 정보, 그리고 플랜트로부터 측정된 정보들이 포함될 수 있으며, 예를 들어 (i)대기의 온도/압력, 습도, (ii)모터의 전류/전압/RPM, 진동, (iii) 밸브의 개도/유량/유속, (iv) 댐퍼의 개도/비율, (v) 연소최적화로 인한 최적화 성능, 연소 성능, 배기가스 저감 성능 (vi) 배기가스의 오염도, 조성, 유속, 온도 (vii) 스팀의 온도/유량/압력 (viii) Hopper Ash의 발생량 등 다양한 것들이 포함될 수 있다.

도 3을 참조할 때, 진단계(30)는 다시 고장 감지부(301; Fault Detection), 고장 진단부(303; Fault Diagnosis), 고장 예측부(305; Fault Prognosis), 및 고장 허용 제어부(307; Fault-Tolerant Control)를 포함할 수 있다. 각각에 대해 살펴보면, 먼저 고장 감지부(301)는 앞서 발전계(20)로부터 수신한 제반정보로부터 플랜트 고장을 감지하는 역할을 하며, 이 때 고장 감지부(301)는 다음 구성인 고장 진단부(303) 측으로 감지정보를 전달한다. 이 때, 감지정보에는 예측치, 잔차, 조기경보 여부 등 고장 감지부(301)가 상기 제반정보로부터 획득한 정보 중 적어도 일부, 또는 상기 제반정보로부터 가공된 새로운 정보가 포함될 수 있다.

다음으로 고장 진단부(303)는 상기 감지정보를 기반으로 상기 플랜트 고장에 대한 진단을 수행하게 되는데, 이 때 수행되는 진단에는 플랜트의 고장이 언제 발생하였는지, 어디서 발생하였는지, 플랜트 고장에 따른 경보의 수준은 어느 정도였는지, 고장의 원인은 무엇이었는지, 감지된 플랜트 고장이 센서의 문제에 기인한 것이었는지 아니면 플랜트를 구성하는 기기 자체의 문제였는지 등을 진단하는 과정이 포함될 수 있으며, 위와 같은 진단 결과 생성된 진단정보는 다음 구성인 고장 예측부(305)로 전달된다.

고장 예측부(305)는 앞서 진단정보를 수신한 후 향후 플랜트 운전이 지속될 시 예측되는 각종 수치들의 예측치, 경향, 고장 예상 시점, 고장 예상 위치, 예상되는 고장의 경보 수준, 고장의 예상 원인 등을 연산하게 되며, 위 연산 결과 생성된 예측정보를 다음 구성인 고장 허용 제어부(307)로 전달한다.

고장 허용 제어부(307)는 상기 고장 예측부(305)로부터 수신한 예측정보를 토대로 고장 허용 제어값을 생성하고, 생성된 고장 허용 제어값을 제어최적화부(50)로 전달한다. 고장 허용 제어값이란, 플랜트에 고장이 발생되지 않을 정도로 제한된 각종 파라미터 값들의 집합, 나아가 이렇게 함으로써 고장을 미연에 방지할 수 있게 하는 값들의 집합으로 이해될 수 있으며, 위 고장 허용 제어값에는 공기, 연료, 분쇄의 제어와 관련된 셋 포인트(Set Point) 및 바이어스(Bias)가 포함될 수 있다. 구체적으로, 상기 고장 허용 제어값 중에는 공기제어와 관련된 파라미터들, 예를 들어 공기의 유량 또는 유속을 제어하기 위한 파라미터로서 댐퍼의 개도, 팬(Fan) 속도가 포함될 수 있으며, 나아가 공기의 온도를 제어하기 위한 파라미터로서 댐퍼의 개도가 포함될 수 있다. 또한 상기 고장 허용 제어값 중에는 연료제어와 관련된 파라미터들, 예를 들어 연료의 총량을 제어하기 위한 파라미터로서 피더(Feeder) 속도가 포함될 수 있으며, 또한 연료의 수분을 제어하기 위한 파라미터로서 댐퍼의 개도가 포함될 수 있다. 또한 상기 고장 허용 제어값 중에는 연료 분쇄 제어와 관련된 파라미터들, 예를 들어 연료량을 제어하기 위한 파라미터로서 피더(Feeder) 속도가 포함될 수 있으며, 또한 연료의 미분도 제어를 위한 파라미터로서 분쇄기 속도, 분쇄기 상하압력차 등이 포함될 수 있다.

다시 도 3을 참조하여 연소최적화계(40)에 대해 살펴볼 때, 연소최적화계(40)는 모델 학습부(401), 모델 적용부(403), 및 연소 최적화부(405)를 포함할 수 있음을 알 수 있다.

먼저 모델 학습부(401)는, 발전계(20)로부터 수신한 제반정보를 기초로 플랜트 모델, 더 정확하게는 플랜트 연소 모델을 학습하는 구성 내지 플랜트 연소 모델을 생성하는 구성으로 이해될 수 있다. 플랜트 모델을 학습하는 과정 중에는, 실제 발전계(20)의 출력과 이를 모사한 임의의 플랜트 모델의 출력 데이터를 비교하고 지능형 성능/수명 예기 평가기의 모델 평가 값을 반영하여 모델의 정합성을 판단하고 재학습 여부를 판단하는 과정이 포함될 수 있다. 한편, 플랜트 모델을 학습하기 위해서는 학습용 데이터가 필요한데, 위 연소최적화계(40)에서는 상기 수집한 제반정보, 더 정확하게는 플랜트 시스템의 입/출력 데이터를 전처리하고, 각 데이터 간의 상관도 분석 등을 이용하여 분석을 거쳐 정상적인 데이터를 선별하는 과정도 수행할 수 있다. 이 때, 선별된 데이터는 순수 학습용 데이터와 학습 검증용 데이터로 다시 분별될 수 있다. 참고로, 상기 연소최적화계(40)는 별도의 전처리부를 더 구비할 수 있으며, 이 때 전처리부 데이터들 중 상호 연관성이 떨어지거나 상황에 맞지 않는 오류값들이 혼합되어 있어 모델링의 정확도를 떨어트릴 염려가 있을 때 이러한 불필요한 데이터들을 사전에 필터링 함으로써 향후 보다 정확한 플랜트 연소 모델에 기한 시뮬레이션이 가능하게 한다. 전처리부는 신호복원, 필터링, 아웃라이어 처리 기능을 수행할 수 있으며, 이 때 신호복원은 보일러부로부터 수집된 신호들에 일부 손실이 있는 경우 이를 복원하거나 보일러에 이상 또는 고장이 있는 경우에 해당 신호를 복원하는 기능, 필터링은 기반지식기반의 로직을 활용하여 상기 복원된 신호들 중 정상적인 데이터 범위를 벗어난 데이터들을 필터링하거나 신호의 노이즈를 제거하고, 나아가 모델링, 최적화 연산, 출력 제어에 사용될 데이터만을 추출하는 기능, 아웃라이어 처리는 데이터 기반의 로직을 활용하여 추세를 벗어난 데이터들을 처리하는 기능을 의미한다.

다음으로 모델 적용부(403)는 앞서 수신한 제반정보 중 적어도 일부를 플랜트 모델, 더 정확하게는 플랜트 연소 모델에 입력함으로써 시뮬레이션을 실시하는 구성으로 이해될 수 있다. 이 때 사용되는 플랜트 연소 모델은 학습용 데이터를 이용하여 학습 또는 모델링 된 것으로서, 이 때 모델에는 전달함수 모델, 상태공간 모델, 뉴럴 네트워크 모델 등이 모델링에 활용될 수 있으며, 비단 어느 하나의 모델이 아닌 둘 이상의 복합적 모델(예: 뉴럴 네트워크 모델+전달함수 모델)이 모델링에 활용될 수도 있다. 모델 적용부(403)에는 임의의 입력된 값에 대응되는 출력값이 산출되며, 모터의 경우를 예로 들 때, 모터의 제어 값, 주변 온도, 압력, 습도 공기의 조성/오염도 등이 입력되면, 모터의 전류, 전압, 진동, 회전속도 등이 출력으로 산출될 수 있다. 또 다른 예로, 입력에는 1차공기와 2차공기의 댐퍼 각도, 연소용 공기 노즐(OFA)의 댐퍼 각도, 급탄기의 급탄량, 외기 온도 등이 포함될 수 있고, 출력에는 보일러 출력, 보일러 내 연소가스의 온도 및 압력, 질소산화물, 일산화탄소, 연소가스 내 산소량, 재열기 스프레이 유량 등이 포함될 수 있다

다음으로 연소 최적화부(405)는 앞선 시뮬레이션의 결과를 기초로 상기 플랜트에 대한 연소 최적화 제어값을 생성하며, 이를 제어최적화부(50)로 전달한다. 연소 최적화부(405)에서 생성하는 연소 최적화 제어값은 앞서 설명한 고장 허용 제어값과 유사한 형태의 파라미터들을 포함할 수 있다. 즉, 상기 연소 최적화 제어값에는 공기제어, 연료제어, 또는 분쇄제어 중 적어도 하나에 대한 파라미터가 포함될 수 있으며, 이 파라미터들에 대한 설명은 앞서에 고장 허용 제어값과 관련하여 한 설명과 실질적으로 동일하므로 여기서는 자세한 설명을 생략하기로 한다.

다시 도 3을 참조할 때, 플랜트 시스템은 마지막으로 상기 진단계(30)로부터 생성된 고장 허용 제어값, 그리고 상기 연소최적화계(40)로부터 생성된 연소 최적화 제어값을 수신하고, 이렇게 수신한 제어값들을 기초로 최적제어명령을 생성하는 제어최적화부(50)를 더 포함할 수 있다. 도 3에서는 제어최적화부(50)가 여타의 계와는 독립된 것처럼 도시하였으나, 상기 제어최적화부(50)는 발전소 설계자의 의도에 따라 임의의 계 내에 포함될 수도 있다. 가령, 상기 제어최적화부(50)는 진단계(30) 내에 포함될 수 있으며, 진단계(30) 및 제어최적화부(50)를 통틀어 고장 매니지먼트 계(Fault Management System)로 정의할 수 있다. 상기 제어최적화부(50)가 최적제어명령을 생성하는 과정은 매우 다양한 알고리즘으로 구현될 수 있는데, 그 중 하나의 예로, 상기 제어최적화부(50)는 앞서 수신한 고장 허용 제어값의 범위와 연소 최적화 제어값의 범위를 비교한 뒤 중복되는 범위 내에서의 제어값을 기초로 최적제어명령을 생성할 수 있다. 이 실시예는 당연히 위 고장 허용 제어값 및 연소 최적화 제어값이 각각 임의의 범위를 가짐을 전제로 한다. 한편, 위와 같이 중복되는 범위 내에서의 제어값을 기초로 하는 경우, 제어최적화부(50)로서는 플랜트 고장이 존재하거나 또는 고장이 예측될 때의 플랜트 운전, 그리고 현 상태에서 연소를 최적화 시키기 위한 플랜트 운전을 모두 고려할 수 있게 되므로 플랜트의 고장 및 연소 최적화를 통합적으로 관리할 수 있게 되는 효과가 있다.

이상 도 3을 참조하여 본 발명에 따른 플랜트 시스템의 개략적인 구성에 대해 살펴보았다.

도 4는 위 플랜트 시스템을 활용하여 플랜트의 고장 및 연소 최적화를 관리하는 방법을 순서에 따라 나열한 것이다. 이를 참조할 때, 상기 방법은 가장 먼저 진단계(30) 및 연소최적화계(40)가 각각 플랜트와 관련된 제반정보를 수신하는 단계(S401)로부터 시작될 수 있다. 이 때, 상기 제반정보는 플랜트 운전정보 및 플랜트 측정정보를 포함할 수 있음에 대해서는 전술한 바 있다.

S401단계 이후, 진단계(30)는 상기 제반정보로부터 예측된 고장에 대한 고장 허용 제어값을 연산하고, 이 고장 허용 제어값을 제어최적화부(50)로 전달(S402)할 수 있다. 또한, S402단계와 병렬적으로, 연소최적화계(40)는 상기 제반정보로부터 플랜트의 연소를 최적화 시키기 위한 연소 최적화 제어값을 연산하고, 이 연소 최적화 제어값을 제어최적화부(50)로 전달(S403)할 수 있다.

마지막으로, 제어최적화부는 상기 고장 허용 제어값 및 연소 최적화 제어값을 기초로 최적제어명령을 생성하고, 이를 제어계(10)로 전달(S404)함으로써 플랜트가 위 최적제어명령에 따라 운전될 수 있게 할 수 있다. 각 단계에서 세부적으로 이루어지는 과정들은 도 3에 대한 설명으로부터 충분히 이해될 수 있으므로 이에 대해서는 자세한 설명을 생략하기로 한다.

이상 플랜트의 고장 관리 및 연소 최적화를 통합적으로 관리하기 위한 방법 및 이를 위한 시스템에 대해 살펴보았다. 본 발명은 상술한 특정의 실시예 및 응용예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 구별되어 이해되어서는 안 될 것이다.

10 제어계
20 발전계
30 진단계
301 고장 감지부 303 고장 진단부 305 고장 예측부 307 고장 허용 제어부
40 연소최적화계
401 모델 학습부 403 모델 적용부 405 연소 최적화부
50 제어최적화부

Claims

중앙처리유닛 및 메모리를 구비한 시스템이 플랜트의 고장 및 연소 최적화를 관리하는 방법에 있어서,
진단계(FDIRS) 및 연소최적화계(BCOS)가 각각 플랜트와 관련된 제반정보 - 상기 제반정보는 플랜트 운전정보 및 플랜트 측정정보를 포함함 - 를 수신하는 단계;
진단계가 상기 제반정보로부터 예측된 고장에 대한 고장 허용 제어값을 연산하고, 상기 고장 허용 제어값을 제어최적화부로 전달하는 단계;
연소최적화계가 상기 제반정보로부터 플랜트의 연소를 최적화시키기 위한 연소 최적화 제어값을 연산하고, 상기 연소 최적화 제어값을 상기 제어최적화부로 전달하는 단계; 및
제어최적화부가 상기 고장 허용 제어값 및 연소 최적화 제어값을 기초로 최적제어명령을 생성하고, 상기 최적제어명령을 제어계로 전달하는 단계;
를 포함하되,
상기 고장 허용 제어값은 플랜트에 고장이 발생하지 않을 정도로 제한된 각종 파라미터 값들의 집합 또는 고장을 미연에 방지할 수 있게 하는 값들의 집합을 포함하는,
플랜트 고장 및 연소 최적화를 관리하는 방법.
제1항에 있어서,
상기 진단계가 고장 허용 제어값을 연산하는 단계는,
상기 수신한 제반정보로부터 플랜트 고장을 감지하는 단계;
상기 감지된 플랜트 고장에 대해 진단하는 단계;
상기 플랜트 내 발생 가능한 고장을 예측하는 단계;
상기 예측된 플랜트 고장을 기초로 상기 플랜트에 대한 고장 허용 제어값을 생성하는 단계;
를 포함하는 것을 특징으로 하는,
플랜트 고장 및 연소 최적화를 관리하는 방법.
제2항에 있어서,
상기 연소최적화계가 연소 최적화 제어값을 연산하는 단계는,
상기 수신한 제반정보에 포함된 정보 중 적어도 일부를 임의의 플랜트 모델에 입력하는 단계;
상기 플랜트 모델에 따른 시뮬레이션 결과를 기초로 상기 플랜트에 대한 연소 최적화 제어값을 생성하는 단계;
를 포함하는 것을 특징으로 하는,
플랜트 고장 및 연소 최적화를 관리하는 방법.
제3항에 있어서,
상기 고장 허용 제어값 또는 연소 최적화 제어값은,
공기제어, 연료제어, 또는 분쇄제어 중 적어도 하나에 대한 파라미터를 포함하는 것을 특징으로 하는,
플랜트 고장 및 연소 최적화를 관리하는 방법.
제3항에 있어서,
상기 제어최적화부가 최적제어명령을 생성하는 단계는,
상기 고장 허용 제어값이 포함하는 제1 범위 및 상기 연소 최적화 제어값이 포함하는 제2 범위에서 상호 중복된 범위의 제어값 범위를 최적제어명령으로 생성하는 것을 특징으로 하는,
플랜트 고장 및 연소 최적화를 관리하는 방법.
제4항에 있어서,
상기 공기제어에 대한 파라미터는,
공기의 유량 또는 유속 제어를 위한 파라미터 또는 온도 제어를 위한 파라미터 중 적어도 하나를 포함하는 것을 특징으로 하는,
플랜트 고장 및 연소 최적화를 관리하는 방법.
제4항에 있어서,
상기 연료제어에 대한 파라미터는,
연료 총량 제어를 위한 파라미터 또는 연료 수분도 제어를 위한 파라미터 중 적어도 하나를 포함하는 것을 특징으로 하는,
플랜트 고장 및 연소 최적화를 관리하는 방법.
제4항에 있어서,
상기 분쇄제어에 대한 파라미터는,
연료량 제어를 위한 파라미터 또는 연료 미분도 제어를 위한 파라미터 중 적어도 하나를 포함하는 것을 특징으로 하는,
플랜트 고장 및 연소 최적화를 관리하는 방법.
플랜트의 고장 및 연소 최적화를 관리하는 시스템에 있어서,
발전계로부터 플랜트와 관련된 제반정보를 수신하고, 상기 제반정보로부터 예측된 고장에 대한 고장 허용 제어값을 연산하며, 상기 고장 허용 제어값을 제어최적화부로 전달하는 진단계(FDIRS);
발전계로부터 플랜트와 관련된 제반정보를 수신하고, 상기 제반정보로부터 플랜트의 연소를 최적화시키기 위한 연소 최적화 제어값을 연산하며, 상기 연소 최적화 제어값을 상기 제어최적화부로 전달하는 연소최적화계;
상기 고장 허용 제어값 및 연소 최적화 제어값을 기초로 최적제어명령을 생성하고, 상기 최적제어명령을 제어계로 전달하는 제어최적화부;
를 포함하되,
상기 고장 허용 제어값은 플랜트에 고장이 발생하지 않을 정도로 제한된 각종 파라미터 값들의 집합 또는 고장을 미연에 방지할 수 있게 하는 값들의 집합을 포함하는,
시스템.
제9항에 있어서,
상기 진단계는,
상기 수신한 제반정보로부터 플랜트 고장을 감지하는 고장 감지부;
상기 감지된 플랜트 고장에 대해 진단하는 고장 진단부;
상기 플랜트 내 발생 가능한 고장을 예측하는 고장 예측부;
상기 예측된 플랜트 고장을 기초로 상기 플랜트에 대한 고장 허용 제어값을 생성하는 고장 허용 제어부;
를 포함하는 것을 특징으로 하는,
시스템.
제10항에 있어서,
상기 연소최적화계는,
상기 수신한 제반정보로부터 플랜트 모델을 학습하는 모델 학습부;
상기 수신한 제반정보 중 적어도 일부를 플랜트 모델에 입력함으로써 시뮬레이션을 실시하는 모델 적용부;
상기 시뮬레이션의 결과를 기초로 상기 플랜트에 대한 연소 최적화 제어값을 생성하는 연소 최적화부;
를 포함하는 것을 특징으로 하는,
시스템.
제11항에 있어서,
상기 고장 허용 제어값 또는 연소 최적화 제어값은,
공기제어, 연료제어, 또는 분쇄제어 중 적어도 하나에 대한 파라미터를 포함하는 것을 특징으로 하는,
시스템.
제11항에 있어서,
상기 제어최적화부는,
상기 고장 허용 제어값이 포함하는 제1 범위 및 상기 연소 최적화 제어값이 포함하는 제2 범위에서 상호 중복된 범위의 제어값 범위를 최적제어명령으로 생성하는 것을 특징으로 하는,
시스템.
제12항에 있어서,
상기 공기제어에 대한 파라미터는,
공기의 유량 또는 유속 제어를 위한 파라미터 또는 온도 제어를 위한 파라미터 중 적어도 하나를 포함하는 것을 특징으로 하는,
시스템.
제12항에 있어서,
상기 연료제어에 대한 파라미터는,
연료 총량 제어를 위한 파라미터 또는 연료 수분도 제어를 위한 파라미터 중 적어도 하나를 포함하는 것을 특징으로 하는,
시스템.
제12항에 있어서,
상기 분쇄제어에 대한 파라미터는,
연료량 제어를 위한 파라미터 또는 연료 미분도 제어를 위한 파라미터 중 적어도 하나를 포함하는 것을 특징으로 하는,
시스템.