[에너지포럼 2019-혁신사례④] 스마트 예측시스템으로 설비고장 조기 감지

▲한국동서발전 가술개발원 유동근 차장.

[에너지경제신문 서예온 기자] 한국동서발전 기술개발원 유동근 차장은 ‘딥러닝 기반 보일러설비 고장 정비시기 예측시스템 개발’을 주제로 AI와 접목한 혁신사례 발표에 나섰다.

동서발전이 예측시스템 개발에 나선 것은 보일러튜브 손상원인을 분석하기 위해서다. 보일러튜브는 산화스케일 박리, 산화스케일 형상, 산화스케일 퇴적 등으로 내부 유체로의 열 전달이 이뤄지지 않아 튜브 국부 과열·파열로 이어지고 있다. 이에 동서발전은 튜브의 비정상적 온도 증가 예측을 통해 튜브 누설을 사전에 감지, 이 같은 사태를 방지한다는 목표다.

유동근 차장은 "보일러 튜브는 열 때문에 산화스케일이 떨어지고 생성 과정이 반복되면서 생성된 튜브가 쌓여서 국부과열 압력이 올라가는데 결국 압력을 견디지 못하고 파열된다"며 "비정상적 온도를 사전 예측할 수 있다면 발전소 정지도 막을 수 있을까 해서 연구개발을 진행했다"고 말했다.

동서발전은 보일러 튜브의 ‘Deep Neural Network(깊은 신경망), ‘Convolutional Neural Network(컨볼루션 신경망)’에 딥러닝 기술을 적용했다. 유 차장은 "딥러닝기술의 심층신경망(CNN) 디엔엔(DNN) 기술FH 예측 솔루션을 개발했다"고 밝혔다.

유 차장에 따르면 동서발전은 고장 데이터베이스를 기반으로 고장예측을 진단한다. 당진화력 고장사례를 토대로 데이터베이스 내 입력변수와 설비 상태와의 연관성 여부를 확인한다. 데이터 정제를 통해 약 2000개 센서 태그, 43GB 분량의 데이터를 취득하고 있다.

수집기간(2017년)을 동일한 시간간격(1분/10분 간격)으로 분할해 대푯값(평균값)을 생성한다. 이어 데이터 필터링(filtering)으로 전체 데이터에 대해 총 4회에 걸쳐 비정상 데이터군을 확인하고 필터링을 진행한다. 이후 밀집값(Missing value) 추정을 통해 최신 데이터를 뽑는다. 이와 함께 데이터의 평균과 분산을 이용한 정규화 과정을 거친다.

동서발전은 지난 2017년 10월부터 올해 9월까지 울산과학기술원과 이 같은 기술개발을 진행했다. 그 결과 ▲진단 디비(DB) 구축 ▲고장 원인 진단모듈 개발 ▲정비시기 도래 예측 시각화 ▲자동보고 시스템 마련 등의 성과를 거뒀다.

동서발전은 데이터를 수집하고 고장사례를 표준화했다. 당진화력 발전설비 데이터를 수집하고, 발전소 고장진단 DB(고장 사례별 주요변수 및 변수 간 인과관계 추출)를 구축했다.

또한 인공지능을 기반으로 주요설비 고장을 진단한다. 재과열기 튜브누설 감지(기존 주파수검출 대비 62시간 조기감지) 및 통풍계통 누유(보일러 가동 정지 27.5시간 조기 감지)를 조기 감지할 수 있다.

화력발전소 주요설비 현장에도 적용 중이다. 데이터 및 분석 시각화(분석결과 자동 리포팅)를 진행하는 한편, 당진화력 5~8호기에 해당 시스템을 활용한다.

아울러 동서발전은 문헌, 전문가 의견기반 표준 석탄화력발전소 고장예지관리 데이터베이스 구축을 통해 진단DB를 구축했다. 통풍계통 18건, 순환계통 10건, 급수계통 14건이다.

고장원인 진단모듈 개발에도 나섰다. 튜브누설시 ‘Metal temp’ 비정상적 증가감지를 위한 딥러닝 알고리즘 개발에 나선 것이다. 동시발전은 재열기 누설튜브의 비정상적 온도 증가를 발견해 2015년 1월 당진화력 5호기/BTLD 대비 온도를 62시간 조기에 감지했다.

통풍계통 ‘FAN LO TANK’ 누유 시 압력, 온도 변화 감지를 위한 딥러닝 알고리즘을 개발에도 성공했다. 이는 2017년 당진화력 7호기 고장정지 27.5시간 전 조기감지 등 탱크의 이상징후를 발견하는데 이용됐다. 이외에도 동서발전은 시스템 시각화를 통해 메인화면, 고장예측 트렌드를 분석하고 고장 위험도를 수치화하며 자동 리포팅을 구현하고 있다.