건전성 지표 개발을 위한 잡음인자가 존재할 때의 오토인코더 기반 특징정보 추출 방법

Abstract

발전소의 주요 감시대상의 운전데이터는 발전출력(MW), 기류 및 연료 유형과 같은 다양한 운전조건을 나타내는 잡음인자의 영향을 크게 받는다. 따라서 건전성 감시를 위해 잡음인자의 효과를 제거한 특징을 추출하는 것이 매우 중요하다. 본 연구에서는 화력발전소의 보일러 빅데이터를 활용하여 연소과정에서 발생하는 용융된 석탄재가 보일러 전열부에 부착하여 발생하는 Slagging & Fouling에 의한 효율 저하를 감시대상으로 선정하고, 오토인코더 모델과 웨이블렛변환기법에 기반한 특징추출 방법을 제안한다. 제안된 방법은 국내 500MW급 초초입계압 발전소의 운전데이터에 적용하여 과열기 전열부의 Slagging & Fouling 에 의한 건전성 악화추세를 측정할 수 있는 특징정보를 추출하였다. 제안된 방법으로 추출된 특징정보의 타당성을 확인하기 위해서 Slagging & Fouling의 발생정도와 높은 상관성을 갖는 슈트블로워의 작동주기와 특징정보의 상관관계를 분석하였다. 또한 석탄성상에 대한 군집분석을 실시하여 Slagging & Fouling 생성을 유발하는 회분의 비율이 높은 탄종일수록 제안방법으로 추출한 특징정보가 높은 Slagging & Fouling 을 보이는 것을 확인하였다. |The power plant's operating data are strongly affected by various covariates such as generating output (MW), Airflow, and Fuel type. Therefore, it is essential to separate those factors from the target of interest when performing feature extraction for health monitoring. In this study, we focused on the heat exchanger's deterioration due to slagging and fouling, which is defined as the undesirable formation of material on the heat exchanger tube. A data-driven deterioration feature extraction method is developed using covariate filtering and autoencoder-based feature extraction methods. The proposed framework is demonstrated using numerical examples and the multi-variate power plant's boiler sensor data.