KR102601898B1 - 터빈 제어 검증 시스템, 및 터빈 제어 검증 장치 - Google Patents

터빈 제어 검증 시스템, 및 터빈 제어 검증 장치 Download PDF

Info

Publication number
KR102601898B1
KR102601898B1 KR1020200180030A KR20200180030A KR102601898B1 KR 102601898 B1 KR102601898 B1 KR 102601898B1 KR 1020200180030 A KR1020200180030 A KR 1020200180030A KR 20200180030 A KR20200180030 A KR 20200180030A KR 102601898 B1 KR102601898 B1 KR 102601898B1
Authority
KR
South Korea
Prior art keywords
turbine
verification
hydraulic model
operation data
thermal hydraulic
Prior art date
Application number
KR1020200180030A
Other languages
English (en)
Other versions
KR20220089421A (ko
Inventor
라우현
최인규
김덕호
신만수
이일용
Original Assignee
한국전력공사
한국남동발전 주식회사
한국중부발전(주)
한국서부발전 주식회사
한국동서발전(주)
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전력공사, 한국남동발전 주식회사, 한국중부발전(주), 한국서부발전 주식회사, 한국동서발전(주) filed Critical 한국전력공사
Priority to KR1020200180030A priority Critical patent/KR102601898B1/ko
Publication of KR20220089421A publication Critical patent/KR20220089421A/ko
Application granted granted Critical
Publication of KR102601898B1 publication Critical patent/KR102601898B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D21/00—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for
    • F01D21/003—Arrangements for testing or measuring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
    • F02C9/00—Controlling gas-turbine plants; Controlling fuel supply in air- breathing jet-propulsion plants
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2260/00—Function
    • F05D2260/81—Modelling or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Control Of Turbines (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

실시예는 터빈 제어 검증 시스템, 및 터빈 제어 검증 장치에 관한 것으로서, 실시예에 따른 터빈 제어 검증 시스템은, 터빈을 제어하는 제1 제어 신호를 생성하는 제어 장치, 상기 제1 제어 신호에 따라 피드백 신호를 생성하고, 상기 피드백 신호를 상기 제어 장치에 송신하는 터빈, 상기 제어 장치의 입출력 단자에 연결되어 상기 제어 장치로부터 상기 피드백 신호를 수신하고, 상기 피드백 신호를 검증 장치에 송신하는 중계 장치, 그리고 상기 중계 장치로부터 상기 피드백 신호를 수신하고, 상기 수신한 피드백 신호에 따라 제2 제어 신호를 생성하고, 상기 제2 제어 신호를 상기 터빈의 열수력 모델에 입력하고, 상기 제2 제어 신호에 따라 제어된 상기 열수력 모델의 출력을 상기 제어 장치에 송신하여, 상기 제어 장치의 건전성을 검증하는 검증 장치를 포함하고, 상기 검증 장치는, 인공 신경망을 이용하여 상기 열수력 모델을 모델링한다.

Description

터빈 제어 검증 시스템, 및 터빈 제어 검증 장치{CONTROL VERIFICATION SYSTEM FOR TURBINE, AND CONTROL VERIFICATION APPARATUS FOR TURBINE}
실시예는 터빈 제어 검증 시스템, 및 터빈 제어 검증 장치로서, 보다 자세히는 터빈 제어 시스템의 건전성을 검증하는 시스템 및 장치에 관한 것이다.
일반적으로, 발전소에서 운용중인 터빈 제어 시스템의 정비 또는 교체 시, 설계상의 오류, 시공상의 오류 등으로 인하여 공정의 안정화에 많은 시간이 소요되고 있다. 때로는 이러한 오류가 수정되지 못한 채 터빈이 기동 되어 심각한 설비 손상이나 대형 사고로 이어지는 사례도 빈번히 발생하고 있다. 따라서, 터빈 제어 시스템을 이용하여 터빈을 기동하기 전에, 터빈 제어 시스템의 건전성 검증이 반드시 필요하다.
터빈 제어 시스템의 건전성 검증에는 터빈의 열수력 모델을 이용하는 것이 일반적이다. 따라서, 터빈 제어 시스템의 건전성을 검증하기 전에 터빈의 열수력 모델을 모델링할 것이 요구된다. 종래에는, 터빈의 열수력 모델을 모델링하기 위하여, 전문가의 경험적 판단에 따라 열수력 모델의 파라미터를 산출하여 모델링을 완성하였다.
다만, 이러한 종래의 전문가의 경험적 판단에 의존하는 모델링 방법은, 열수력 모델과 실제 터빈의 공정을 완벽히 일치시키기 어려웠으며, 이에 따라 터빈 제어 시스템의 건전성을 정확하게 검증하지 못하는 문제점이 존재하였다.
1)대한민국 등록특허공보 제10-1006576호 2)대한민국 공개특허공보 제10-2016-0129177호
실시예는 상술한 문제점을 극복하기 위한 것으로서, 실시예에 따른 터빈 제어 검증 시스템, 및 터빈 제어 검증 장치는, 인공 신경망을 이용하여 터빈의 열수력 모델을 모델링함으로써, 터빈 제어 시스템의 건전성을 정확하게 검증하는 것을 목적으로 한다.
실시예가 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 실시예의 기재로부터 당해 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
실시예는 터빈 제어 검증 시스템으로서, 터빈을 제어하는 제1 제어 신호를 생성하는 제어 장치, 상기 제1 제어 신호에 따라 피드백 신호를 생성하고, 상기 피드백 신호를 상기 제어 장치에 송신하는 터빈, 상기 제어 장치의 입출력 단자에 연결되어 상기 제어 장치로부터 상기 피드백 신호를 수신하고, 상기 피드백 신호를 검증 장치에 송신하는 중계 장치, 그리고 상기 중계 장치로부터 상기 피드백 신호를 수신하고, 상기 수신한 피드백 신호에 따라 제2 제어 신호를 생성하고, 상기 제2 제어 신호를 상기 터빈의 열수력 모델에 입력하고, 상기 제2 제어 신호에 따라 제어된 상기 열수력 모델의 출력을 상기 제어 장치에 송신하여, 상기 제어 장치의 건전성을 검증하는 검증 장치를 포함하고, 상기 검증 장치는, 인공 신경망을 이용하여 상기 열수력 모델을 모델링할 수 있다.
또한, 실시예에 따른 상기 검증 장치는, 상기 터빈의 운영 서버로부터 상기 터빈의 제1 운전 데이터를 미리 설정된 주기마다 수집하고, 상기 제1 운전 데이터는, 상기 터빈의 기동 후 정상 상태(steady-state)에 진입한 시점부터 미리 설정된 시간이 경과한 시점까지의 운전 데이터일 수 있다.
또한, 실시예에 따른 상기 검증 장치는, 상기 터빈을 복수의 모듈로 구분하고, 상기 제1 운전 데이터를 상기 복수의 모듈 중 하나에 대응되도록 분류할 수 있다.
또한, 실시예에 따른 상기 검증 장치는, 상기 분류된 제1 운전 데이터를 정규화(Normalizing)하고, 상기 정규화된 제1 운전 데이터를 상기 인공 신경망에 입력하여, 상기 열수력 모델을 모델링할 수 있다.
또한, 실시예에 따른 상기 인공 신경망은, 일반 회귀 신경망(Generalized Regression Neural Network, GRNN)일 수 있다.
또한, 실시예에 따른 상기 검증 장치는, 상기 제어 장치가 상기 열수력 모델의 출력을 상기 터빈의 출력으로 인식하는 경우, 상기 제어 장치가 건전한 것으로 판단할 수 있다.
또한, 실시예에 따른 상기 검증 장치는, 상기 제어 장치의 건전성을 검증하기 전에, 상기 모델링의 건전성을 검증할 수 있다.
또한, 실시예에 따른 상기 검증 장치는, 상기 터빈의 운영 서버로부터 상기 터빈의 제2 운전 데이터를 미리 설정된 주기마다 수집하고, 상기 제2 운전 데이터는, 상기 터빈이 기동된 시점부터 상기 터빈의 기동이 종료된 시점까지의 운전 데이터일 수 있다.
또한, 실시예에 따른 상기 검증 장치는, 상기 모델링된 열수력 모델의 운전 데이터와 상기 제2 운전 데이터 사이의 오차가 미리 설정된 범위 이내인 경우, 상기 모델링이 건전한 것으로 판단할 수 있다.
실시예는 터빈을 제어하는 제어 장치를 검증하는 터빈 제어 검증 장치로서, 상기 제어 장치의 입출력 단자에 연결된 중계 장치로부터, 상기 제어 장치가 생성한 제1 제어 신호에 따라 상기 터빈이 생성한 피드백 신호를 수신하는 통신부, 인공 신경망을 이용하여 상기 터빈의 열수력 모델을 모델링하는 학습부, 그리고 상기 피드백 신호에 따라 제2 제어 신호를 생성하고, 상기 제2 제어 신호를 상기 열수력 모델에 입력하고, 상기 제2 제어 신호에 따라 제어된 상기 열수력 모델의 출력을 상기 제어 장치에 송신하여, 상기 제어 장치의 건전성을 검증하는 검증부를 포함할 수 있다.
또한, 실시예에 따른 상기 학습부는, 상기 터빈의 운영 서버로부터 상기 터빈의 제1 운전 데이터를 미리 설정된 주기마다 수집하고, 상기 제1 운전 데이터는, 상기 터빈의 기동 후 정상 상태(steady-state)에 진입한 시점부터 미리 설정된 시간이 경과한 시점까지의 운전 데이터일 수 있다.
또한, 실시예에 따른 상기 학습부는, 상기 터빈을 복수의 모듈로 구분하고, 상기 제1 운전 데이터를 상기 복수의 모듈 중 하나에 대응되도록 분류할 수 있다.
또한, 실시예에 따른 상기 학습부는, 상기 분류된 제1 운전 데이터를 정규화(Normalizing)하고, 상기 정규화된 제1 운전 데이터를 상기 인공 신경망에 입력하여, 상기 열수력 모델을 모델링할 수 있다.
또한, 실시예에 따른 상기 인공 신경망은, 일반 회귀 신경망(Generalized Regression Neural Network, GRNN)일 수 있다.
또한, 실시예에 따른 상기 검증부는, 상기 제어 장치가 상기 열수력 모델의 출력을 상기 터빈의 출력으로 인식하는 경우, 상기 제어 장치가 건전한 것으로 판단할 수 있다.
또한, 실시예에 따른 상기 검증부는, 상기 제어 장치의 건전성을 검증하기 전에, 상기 모델링의 건전성을 검증할 수 있다.
또한, 실시예에 따른 상기 검증부는, 상기 터빈의 운영 서버로부터 상기 터빈의 제2 운전 데이터를 미리 설정된 주기마다 수집하고, 상기 제2 운전 데이터는, 상기 터빈이 기동된 시점부터 상기 터빈의 기동이 종료된 시점까지의 운전 데이터일 수 있다.
또한, 실시예에 따른 상기 검증부는, 상기 모델링된 열수력 모델의 운전 데이터와 상기 제2 운전 데이터 사이의 오차가 미리 설정된 범위 이내인 경우, 상기 모델링이 건전한 것으로 판단할 수 있다.
실시예에 따른 터빈 제어 검증 시스템, 및 터빈 제어 검증 장치는, 인공 신경망을 이용하여 터빈의 열수력 모델을 모델링함으로써, 터빈 제어 시스템의 건전성을 정확하게 검증할 수 있다.
도 1은 실시예에 따른 터빈 제어 검증 시스템의 구성을 도시한 도면이다.
도 2는, 도 1에서, 실시예에 따른 검증 장치(400)의 구성을 도시한 도면이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시예를 상세히 설명하되, 동일하거나 유사한 구성요소에는 동일, 유사한 도면 부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 실시예의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 도 1을 참조하여 실시예에 따른 터빈 제어 검증 시스템(1000)을 설명한다.
도 1은 실시예에 따른 터빈 제어 검증 시스템(1000)의 구성을 도시한 도면이다.
도 1을 참조하면, 터빈 제어 검증 시스템(1000)은, 제어 장치(100), 터빈(200), 중계 장치(300), 그리고 검증 장치(400)를 포함할 수 있다.
제어 장치(100)는, 터빈(200)을 제어하는 장치로서, 미리 저장된 제어 로직에 따라 터빈(200)을 제어하는 제어 신호(이하, 제1 제어 신호라 한다.)를 생성할 수 있다. 여기서, 제어 장치(100)는, 명칭에 한정되지 않고, 다수의 장치를 포함하는 시스템의 개념일 수 있다. 즉, 제어 장치(100)는 제어 시스템으로도 명명될 수 있다. 한편, 제어 장치(100)가 생성하는 제1 제어 신호는, 터빈(200)의 기동 순서에 따라 터빈(200)에 포함된 복수의 구성(연소기, 압축기, 발전기, 밸브, 프리 터빈 등)의 동작을 제어하는 신호일 수 있다.
터빈(200)은, 제어 장치(100)가 생성한 제1 제어 신호에 따라 터빈(200)에 포함된 복수의 구성이 동작될 수 있다. 또한, 터빈(200)은, 제1 제어 신호에 따라 피드백 신호를 생성하고, 생성한 피드백 신호를 제어 장치(100)에 송신할 수 있다. 즉, 터빈(200)은, 제1 제어 신호와 피드백 신호로부터 피드백 제어될 수 있다. 한편, 터빈(200)은 가스 터빈일 수 있으나, 터빈(200)의 종류가 이에 한정되지 않는다.
중계 장치(300)는, 제어 장치(100)와 검증 장치(400) 사이에서 신호를 중계할 수 있다. 이를 위하여, 중계 장치(300)는, 제어 장치(100)의 입출력 단자에 연결될 수 있다. 구체적으로, 중계 장치(300)는, 제어 장치(100)와 터빈(200)이 서로 결선되어 있는 제어 장치(100)의 입출력 단자에, 제어 장치(100)와 재 결선될 수 있다. 또는, 중계 장치(300)는, 필요에 따라 제어 장치(100)의 입출력 단자에서 분리될 수도 있다. 중계 장치(300)가 제어 장치(100)의 입출력 단자에 연결된 경우, 중계 장치(300)는, 제어 장치(100)로부터 터빈(200)이 생성한 피드백 신호를 수신하고, 수신한 피드백 신호를 검증 장치(400)에 송신할 수 있다. 또한, 중계 장치(300)는, 검증 장치(400)로부터 후술할 열수력 모델의 출력을 수신하고, 수신한 열수력 모델의 출력을 제어 장치(100)에 송신할 수 있다. 중계 장치(300)는, 제어 장치(100)와 검증 장치(400) 사이에서 신호를 중계함에 있어서, 제어 장치(100)와 검증 장치(400)가 사용하는 데이터의 포맷이 다른 경우, 각 장치가 사용하는 데이터 포맷에 대응되도록 신호를 변환할 수 있다.
검증 장치(400)는, 제어 장치(100)의 건전성을 검증할 수 있다. 여기서, 검증 장치(400)가 제어 장치(100)의 건전성을 검증한다는 것은, 제어 장치(100)의 제어 로직에 따라 생성된 제1 제어 신호에 의하여 터빈(200)이 정상적으로 기동되는지를 검증하는 것을 의미할 수 있다. 검증 장치(400)는, 제어 장치(100)의 건전성을 검증하기 위하여, 터빈(200)의 거동과 관련된 열수력 모델을 모델링할 수 있다. 검증 장치(400)가, 터빈(200)의 열수력 모델을 모델링하는 과정, 그리고 모델링된 열수력 모델을 이용하여 제어 장치(100)의 건전성을 검증하는 과정에 대한 구체적인 내용은 후술한다.
이하, 도 2를 참조하여 실시예에 따른 검증 장치(400)를 설명한다.
도 2는, 도 1에서, 실시예에 따른 검증 장치(400)의 구성을 도시한 도면이다.
도 2를 참조하면, 검증 장치(400)는, 통신부(410), 학습부(420), 그리고 검증부(430)를 포함할 수 있다.
통신부(410)는, 중계 장치(300)와 신호를 송수신할 수 있다. 구체적으로, 통신부(410)는, 중계 장치(300)로부터 피드백 신호를 수신하고, 수신한 피드백 신호를 검증부(430)에 송신할 수 있다. 또한, 통신부(410)는, 검증부(430)로부터 후술할 열수력 모델의 출력을 수신하고, 수신한 열수력 모델의 출력을 중계 장치(300)에 송신할 수 있다. 여기서, 통신부(410)와 중계 장치(300)는 이더넷(ethernet)을 이용하여 신호를 송수신할 수 있으나, 실시예가 이에 한정되지 않는다.
학습부(420)는, 터빈(200)의 열수력 모델을 모델링할 수 있다. 여기서, 터빈(200)의 열수력 모델은, 터빈(200)에 포함된 복수의 구성의 거동과 관련된 모델로서, 검증부(430)에서 제어 장치(100)를 검증하기 위해 요구되는 모델이다. 예를 들어, 터빈(200)에 포함된 프리 터빈의 출구 연소가스 온도에 관한 열수력 모델은 수학식 1과 같다. 수학식 1에서, 은 프리 터빈 출구 온도, 은 프리 터빈 입구 온도, 는 효율, 은 1[atm], 은 프리 터빈 입구 압력, 는 비열이다.
또한, 터빈(200)에 포함된 프리 터빈과 압축기의 속도에 관한 열수력 모델은 수학식 2와 같다. 수학식 2에서, 는 회전 관성, 은 프리 터빈 회전 수, 는 프리 터빈 전력, 는 압축기 전력, 는 손실 전력이다.
학습부(420)가 열수력 모델을 모델링한다는 것은, 열수력 모델에서 파라미터 값을 산출하는 것을 의미하며, 특히 상수 값을 산출하는 것을 의미한다. 예를 들어, 학습부(420)는, 수학식 1에서 파라미터 , 그리고 수학식 2에서 파라미터 , , 를 산출할 수 있다.
한편, 학습부(420)는, 인공 신경망을 이용하여 터빈(200)의 열수력 모델을 모델링할 수 있다. 종래에는, 전문가의 경험적 판단에 의하여 열수력 모델의 파라미터를 산출하였으나, 실시예에 따른 학습부(420)는 전문가의 경험적 판단에 의존하지 않고, 인공 신경망을 이용하여 열수력 모델의 파라미터를 산출할 수 있다.
구체적으로, 학습부(420)는, 터빈(200)의 운영 서버(미도시)로부터 터빈의 제1 운전 데이터를 미리 설정된 주기마다 수집할 수 있다. 여기서, 제1 운전 데이터는 터빈(200)의 기동 후 정상 상태(steady-state)에 진입한 시점부터 미리 설정된 시간이 경과한 시점까지의 운전 데이터일 수 있다. 예를 들어, 학습부(420)는 터빈(200)의 운영 서버로부터 터빈(200)의 제1 운전 데이터를 1초마다 수집할 수 있고, 학습부(420)가 수집한 제1 운전 데이터는 터빈(200)의 기동 후 정상 상태에 진입한 시점부터 6시간이 경과한 시점까지의 운전 데이터일 수 있다. 한편, 터빈(200)의 운영 서버는, 터빈(200)을 운영하는 발전사에 구비된 서버로서, 터빈(200)의 제1 운전 데이터가 저장된 서버일 수 있다. 학습부(420)에서 수집된 제1 운전 데이터는, 인공 신경망에서 열수력 모델을 학습시키기 위한 훈련 집합으로 이용될 수 있다.
또한, 학습부(420)는, 제1 운전 데이터를 수집한 다음, 터빈(200)을 복수의 모듈로 구분하고 제1 운전 데이터를 복수의 모듈 중 하나에 대응되도록 분류할 수 있다. 여기서, 터빈(200)을 복수의 모듈로 구분한다는 것은, 학습부(420)에 미리 저장된 열수력 모델에 대응되도록 터빈(200)을 기능 단위로 구분하는 것을 의미할 수 있다.
또한, 학습부(420)는, 구분된 복수의 모듈 각각에 대응되도록 분류된 제1 운전 데이터를 정규화(Normalizing)하고, 정규화된 제1 운전 데이터를 인공 신경망에 입력하여 열수력 모델을 모델링할 수 있다. 여기서, 학습부(420)는, 일반 회귀 신경망(Generalized Regression Neural Network, GRNN)을 이용하여 열수력 모델을 모델링할 수 있다. 구체적으로, 학습부(420)는, 정규화된 제1 운전 데이터를 일반 회귀 신경망에 입력하고, 일반 회귀 신경망의 패턴 뉴런과 덧셈 뉴런을 이용하여 열수력 모델을 학습시키고, 학습의 결과로서 열수력 모델의 파라미터를 산출할 수 있다. 다만, 이상에서, 학습부(420)가 일반 회귀 신경망을 이용하여 열수력 모델을 모델링하는 것으로 설명하였으나, 이는 예시일 뿐, 학습부(420)가 이용하는 인공 신경망의 종류가 이에 한정되지 않는다.
검증부(430)는, 학습부(420)가 모델링한 열수력 모델의 건전성을 검증할 수 있다. 즉, 검증부(430)는, 후술할 제어 장치(100)의 건전성을 검증하기 전에, 모델링의 건전성을 먼저 검증할 수 있다. 검증부(430)는, 모델링의 건전성을 검증하기 위하여, 터빈(200)의 운영 서버로부터 터빈(200)의 제2 운전 데이터를 미리 설정된 주기마다 수집할 수 있다. 여기서, 제2 운전 데이터는, 터빈(200)이 기동된 시점부터 터빈(200)의 기동이 종료된 시점까지의 운전 데이터일 수 있다. 또한, 터빈(200)의 운영 서버는, 터빈(200)을 운영하는 발전사에 구비된 서버로서, 터빈(200)의 제2 운전 데이터가 저장된 서버일 수 있다. 검증부(430)는, 미리 저장된 제어 로직에 따라 학습부(420)에서 모델링된 열수력 모델을 기동하여, 기동된 열수력 모델의 운전 데이터를 산출할 수 있다. 검증부(430)는, 산출된 열수력 모델의 운전 데이터와 터빈(200)의 제2 운전 데이터 사이의 오차가 미리 설정된 범위 이내인 경우, 모델링이 건전한 것으로 판단할 수 있다.
또한, 검증부(430)는, 제어 장치(100)의 건전성을 검증할 수 있다. 검증부(430)는, 통신부(410)로부터 수신한 피드백 신호에 따라, 미리 저장된 제어 로직을 이용하여 열수력 모델을 제어하는 제어 신호(이하, 제2 제어 신호라 한다.)를 생성할 수 있다. 여기서, 열수력 모델은, 상술한 학습부(420)에서 모델링되고, 검증부(430)에서 모델링의 건전성 검증이 완료된 열수력 모델일 수 있다. 검증부(430)는, 제2 제어 신호를 열수력 모델에 입력하고, 제2 제어 신호에 따라 제어된 열수력 모델의 출력을 제어 장치(100)에 송신할 수 있다. 검증부(430)는, 제어 장치(100)가 열수력 모델의 출력을 터빈(200)의 출력으로 인식하는 경우, 제어 장치(100)가 건전한 것으로 판단할 수 있다. 한편, 여기서, 검증부(430)가 열수력 모델의 출력을 제어 장치(100)에 송신하는 것으로 설명하였으나, 열수력 모델의 출력은, 검증부(430)에서 통신부(410), 통신부(410)에서 중계 장치(300), 중계 장치(300)에서 제어 장치(100)로, 순차적으로 송신되는 것으로 이해되어야 할 것이다.
이상에서 실시예에 대하여 상세하게 설명하였지만 실시예의 권리범위는 이에 한정되는 것은 아니고 이하의 청구범위에서 정의하고 있는 실시예의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 실시예의 권리범위에 속하는 것이다.
따라서, 상술한 상세한 설명은 모든 면에서 제한적으로 해석되어서는 안되고 예시로서 고려되어야 한다. 실시예의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 실시예의 등가적 범위 내에서의 모든 변경은 실시예의 범위에 포함된다.
1000: 터빈 제어 검증 시스템 100: 제어 장치
200: 터빈 300: 중계 장치
400: 검증 장치 410: 통신부
420: 학습부 430: 검증부

Claims (18)

  1. 터빈의 기동 전에 상기 터빈을 제어하는 제어 장치를 검증하는 장치로서,
    터빈을 제어하는 제1 제어 신호를 생성하는 상기 제어 장치,
    상기 제1 제어 신호에 따라피드백 신호를 생성하고, 상기 피드백 신호를 상기 제어 장치에 송신하는 터빈,
    상기 제어 장치의 입출력 단자에 연결되어 상기 제어 장치로부터 상기 피드백 신호를 수신하고, 상기 피드백 신호를 검증 장치에 송신하는 중계 장치, 그리고
    상기 중계 장치로부터 상기 피드백 신호를 수신하고, 상기 수신한 피드백 신호에 따라 제2 제어 신호를 생성하고, 상기 제2 제어 신호를 상기 터빈의 열수력 모델에 입력하고, 상기 제2 제어 신호에 따라 제어된 상기 열수력 모델의 출력을 상기 제어 장치에 송신하여, 상기 제어 장치의 건전성을 검증하는 검증 장치
    를 포함하고,
    상기 검증 장치는, 인공 신경망을 이용하여 상기 열수력 모델을 모델링하며,
    상기 열수력 모델은,
    프리 터빈의 출구 연소가스 온도에 관한 열수력 모델인 하기 수학식 1 또는 프리 터빈과 압축기의 속도에 관한 열수력 모델인 하기 수학식 2에 따른 모델이며,
    상기 검증 장치는,
    상기 인공 신경망을 통해, 하기 수학식 1에서 1 atm의 프리 터빈 입구 압력에 대한 비율의 승수를 결정하기 위한 파라미터(R)를, 하기 수학식 2에서 손실전력에 대한 프리 터빈 회전수에 관련된 파라미터들(K0, K1, K2)의 값을 산출하여 상기 열수력 모델을 모델링하는, 검증 시스템.
    [수학식 1]

    여기서, T10은 프리 터빈 출구 온도, T7은 프리 터빈 입구 온도, 는 효율, P10은 1 atm, P7은 프리 터빈 입구 압력, CP는 비열이고,
    [수학식 2]

    여기서, I는 회전 관성, N은 프리 터빈 회전수, PT는 프리 터빈 전력, PC는 압축기 전력, PLoss는 손실 전력임.
  2. 제1항에 있어서,
    상기 검증 장치는, 상기 터빈의 운영 서버로부터 상기 터빈의 제1 운전 데이터를 미리 설정된 주기마다 수집하고,
    상기 제1 운전 데이터는, 상기 터빈의 기동 후 정상 상태(steady-state)에 진입한 시점부터 미리 설정된 시간이 경과한 시점까지의 운전 데이터인, 검증 시스템.
  3. 제2항에 있어서,
    상기 검증 장치는, 상기 터빈을 복수의 모듈로 구분하고, 상기 제1 운전 데이터를 상기 복수의 모듈 중 하나에 대응되도록 분류하는, 검증 시스템.
  4. 제3항에 있어서,
    상기 검증 장치는, 상기 분류된 제1 운전 데이터를 정규화(Normalizing)하고, 상기 정규화된 제1 운전 데이터를 상기 인공 신경망에 입력하여, 상기 열수력 모델을 모델링하는, 검증 시스템.
  5. 제4항에 있어서,
    상기 인공 신경망은, 일반 회귀 신경망(Generalized Regression Neural Network, GRNN)인, 검증 시스템.
  6. 제1항에 있어서,
    상기 검증 장치는, 상기 제어 장치가 상기 열수력 모델의 출력을 상기 터빈의 출력으로 인식하는 경우, 상기 제어 장치가 건전한 것으로 판단하는, 검증 시스템.
  7. 제1항에 있어서,
    상기 검증 장치는, 상기 제어 장치의 건전성을 검증하기 전에, 상기 모델링의 건전성을 검증하는, 검증 시스템.
  8. 제7항에 있어서,
    상기 검증 장치는, 상기 터빈의 운영 서버로부터 상기 터빈의 제2 운전 데이터를 미리 설정된 주기마다 수집하고,
    상기 제2 운전 데이터는, 상기 터빈이 기동된 시점부터 상기 터빈의 기동이 종료된 시점까지의 운전 데이터인, 검증 시스템.
  9. 제8항에 있어서,
    상기 검증 장치는, 상기 모델링된 열수력 모델의 운전 데이터와 상기 제2 운전 데이터 사이의 오차가 미리 설정된 범위 이내인 경우, 상기 모델링이 건전한 것으로 판단하는, 검증 시스템.
  10. 터빈의 기동 전에 상기 터빈을 제어하는 제어 장치를 검증하는 장치로서,
    상기 제어 장치의 입출력 단자에 연결된 중계 장치로부터, 상기 제어 장치가 생성한 제1 제어 신호에 따라 상기 터빈이 생성한 피드백 신호를 수신하는 통신부,
    인공 신경망을 이용하여 상기 터빈의 열수력 모델을 모델링하는 학습부, 그리고
    상기 피드백 신호에 따라 제2 제어 신호를 생성하고, 상기 제2 제어 신호를 상기 열수력 모델에 입력하고, 상기 제2 제어 신호에 따라 제어된 상기 열수력 모델의 출력을 상기 제어장치에 송신하여, 상기 제어 장치의 건전성을 검증하는 검증부
    를 포함하며,
    상기 열수력 모델은,
    프리 터빈의 출구 연소가스 온도에 관한 열수력 모델인 하기 수학식 1 또는 프리 터빈과 압축기의 속도에 관한 열수력 모델인 하기 수학식 2에 따른 모델이며,
    상기 학습부는,
    상기 인공 신경망을 통해, 하기 수학식 1에서 1 atm의 프리 터빈 입구 압력에 대한 비율의 승수를 결정하기 위한 파라미터(R)를, 하기 수학식 2에서 손실전력에 대한 프리 터빈 회전수에 관련된 파라미터들(K0, K1, K2)의 값을 산출하여 상기 열수력 모델을 모델링하는 검증 장치.
    [수학식 1]

    여기서, T10은 프리 터빈 출구 온도, T7은 프리 터빈 입구 온도, 는 효율, P10은 1 atm, P7은 프리 터빈 입구 압력, CP는 비열이고,
    [수학식 2]

    여기서, I는 회전 관성, N은 프리 터빈 회전수, PT는 프리 터빈 전력, PC는 압축기 전력, PLoss는 손실 전력임.
  11. 제10항에 있어서,
    상기 학습부는, 상기 터빈의 운영 서버로부터 상기 터빈의 제1 운전 데이터를 미리 설정된 주기마다 수집하고,
    상기 제1 운전 데이터는, 상기 터빈의 기동 후 정상 상태(steady-state)에 진입한 시점부터 미리 설정된 시간이 경과한 시점까지의 운전 데이터인, 검증 장치.
  12. 제11항에 있어서,
    상기 학습부는, 상기 터빈을 복수의 모듈로 구분하고, 상기 제1 운전 데이터를 상기 복수의 모듈 중 하나에 대응되도록 분류하는, 검증 장치.
  13. 제12항에 있어서,
    상기 학습부는, 상기 분류된 제1 운전 데이터를 정규화(Normalizing)하고, 상기 정규화된 제1 운전 데이터를 상기 인공 신경망에 입력하여, 상기 열수력 모델을 모델링하는, 검증 장치.
  14. 제13항에 있어서,
    상기 인공 신경망은, 일반 회귀 신경망(Generalized Regression Neural Network, GRNN)인, 검증 장치.
  15. 제10항에 있어서,
    상기 검증부는, 상기 제어 장치가 상기 열수력 모델의 출력을 상기 터빈의 출력으로 인식하는 경우, 상기 제어 장치가 건전한 것으로 판단하는, 검증 장치.
  16. 제10항에 있어서,
    상기 검증부는, 상기 제어 장치의 건전성을 검증하기 전에, 상기 모델링의 건전성을 검증하는, 검증 장치.
  17. 제16항에 있어서,
    상기 검증부는, 상기 터빈의 운영 서버로부터 상기 터빈의 제2 운전 데이터를 미리 설정된 주기마다 수집하고,
    상기 제2 운전 데이터는, 상기 터빈이 기동된 시점부터 상기 터빈의 기동이 종료된 시점까지의 운전 데이터인, 검증 장치.
  18. 제17항에 있어서,
    상기 검증부는, 상기 모델링된 열수력 모델의 운전 데이터와 상기 제2 운전 데이터 사이의 오차가 미리 설정된 범위 이내인 경우, 상기 모델링이 건전한 것으로 판단하는, 검증 장치.
KR1020200180030A 2020-12-21 2020-12-21 터빈 제어 검증 시스템, 및 터빈 제어 검증 장치 KR102601898B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200180030A KR102601898B1 (ko) 2020-12-21 2020-12-21 터빈 제어 검증 시스템, 및 터빈 제어 검증 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200180030A KR102601898B1 (ko) 2020-12-21 2020-12-21 터빈 제어 검증 시스템, 및 터빈 제어 검증 장치

Publications (2)

Publication Number Publication Date
KR20220089421A KR20220089421A (ko) 2022-06-28
KR102601898B1 true KR102601898B1 (ko) 2023-11-14

Family

ID=82268231

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200180030A KR102601898B1 (ko) 2020-12-21 2020-12-21 터빈 제어 검증 시스템, 및 터빈 제어 검증 장치

Country Status (1)

Country Link
KR (1) KR102601898B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013161480A (ja) * 2012-02-06 2013-08-19 General Electric Co <Ge> 蒸気タービン性能試験システム及び方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101006576B1 (ko) 2008-10-29 2011-01-10 한국전력공사 증기터빈 제어시스템 검증용 시뮬레이터
EP2762852A1 (en) * 2013-02-05 2014-08-06 Siemens Aktiengesellschaft Automatic Testing System for a Gas Turbine
KR20160129177A (ko) 2015-04-29 2016-11-09 한국전력공사 증기터빈 동특성 시뮬레이터, 가스터빈 동특성 시뮬레이터, 그를 이용하는 터빈 발전기 제어 장치 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013161480A (ja) * 2012-02-06 2013-08-19 General Electric Co <Ge> 蒸気タービン性能試験システム及び方法

Also Published As

Publication number Publication date
KR20220089421A (ko) 2022-06-28

Similar Documents

Publication Publication Date Title
CN1991652B (zh) 可编程逻辑控制器和中央单元之间通信的通信方法及自动远程监控和诊断系统
EP3392469B1 (en) Compressor water-wash advisory
WO2022010377A1 (ru) Способ и система удаленного мониторинга и прогнозирования состояния технологических объектов
JP2017133495A (ja) 適応エンジンモデルのトルク配分最適化
US20140142766A1 (en) Methods and systems to improve power plant performance by corrective set points
CA2977778C (en) Method for improving process/equipment fault diagnosis
KR20100036819A (ko) 원자력발전소 제어계통 성능검증 장치 및 방법
JP2002004879A (ja) 発電プラント統括運転指令システム
CN103291465B (zh) 一种用于操作燃气轮机发动机的构件的方法
EP3081787B1 (en) Application of probabilistic control in gas turbine tuning for fuel flow-emissions parameters, related control systems and computer porgram
JP2008511922A (ja) システムモニタリングモデルの更新用システム、デバイス、及び方法
RU2654552C2 (ru) Способ и устройство генерирования команды расхода топлива для впрыска в камеру сгорания газотурбинного двигателя
KR102601898B1 (ko) 터빈 제어 검증 시스템, 및 터빈 제어 검증 장치
US8874418B2 (en) Systems and methods for automated simulation of a propulsion system and testing of propulsion control systems
US9611791B2 (en) Application of probabilistic control in gas turbine tuning for fuel flow-power output parameters, related control systems, computer program products and methods
US9599032B2 (en) Application of probabilistic control in gas turbine tuning for emissions-fuel flow parameters, related control systems, computer program products and methods
CN106884727B (zh) 在燃气涡轮调节中对功率输出-排放参数的概率控制
CN101794634A (zh) 压水堆核电站除氧器压力设定值数字化计算方法
US9599033B2 (en) Application of probabilistic control in gas turbine tuning for fuel flow-exhaust energy parameters, related control systems, computer program products and methods
US9599025B2 (en) Application of probabilistic control in gas turbine tuning for power output-exhaust energy parameters, related control systems, computer program products and methods
CN109976186A (zh) 仿真测试系统
US9599026B2 (en) Application of probabilistic control in gas turbine tuning for exhaust energy-power output parameters, related control systems, computer program products and methods
US9599030B2 (en) Application of probabilistic control in gas turbine tuning for exhaust energy-fuel flow parameters, related control systems, computer program products and methods
EP3081786B1 (en) Application of probabilistic control in gas turbine tuning for exhaust energy-emissions parameters, related control systems and computer porgram.
US9599027B2 (en) Application of probabilistic control in gas turbine tuning for emissions-exhaust energy parameters, related control systems, computer program products and methods

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20201221

PA0201 Request for examination
PG1501 Laying open of application
E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20230620

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20231108

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20231109

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20231110

End annual number: 3

Start annual number: 1

PG1601 Publication of registration