빅데이터, AI를 활용한

발전운영 최적화 사례

< 4 >

미션

4차 산업혁명 기술을 융합하여 발전산업 전 밸류체인에 걸친 가치 창출,

안전 및 환경문제 해결

경험을 바탕으로 한 기술진단 자문, 기술인력을 양성하기 위한 발전기술교육 서비스 제공

기업가치제고

사회적가치창출

건설 운전 정비 연료

Database

경험, 노하우 전문인력

시스템

Effici-

ency

Availa-

bility

Flexi-

bility

Environ-

ment

Safty

발전운영 전문기술에 4차 산업혁명기술을 융합하여

발전운영 전 밸류체인에서 가치를 창출하고 사회적 기여 실현

연혁

2016

2017

2018

2019

솔루션기획실

솔루션개발부

데이타분석부

기술전문센터

발전기술EDU센터

-1

0

1

2

3

4

5

6

7

8

9

10

1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6

적용

용이

성

활 용 도

IoT

디지털 트윈

AI, BigData

클라우드

드론

로봇웨어러블

블록체인

VR, AR

3D프린팅

챗봇

* 버블크기 : 영향력

4차 산업혁명기술 발전분야 적용 (자체 분석결과)

연료/저탄장연료/저탄장 자재조달자재조달 운 전운 전 정 비정 비 전력거래전력거래

안전, 건강, 환경 문제 개선

드론

3D Printing

드론 및 로봇

가상운전

BigData, AI (Health Index, 조기경보, 성능감시, 진동분석)

드론 및 로봇 IoT 안전벨트 위험물 근접경고 위치 추적

BigData, AI(VPP용 출력 예측)

RCM, RBI

RMS (e-Brain센터)

BigData, AI(구매, 혼탄)

Health Index : 설비건전성지수RMS : 원격감시 시스템VPP : 가상발전소RCM : 신뢰도기반정비RBI : 리스크기반점검

발전분야 4차 산업혁명기술 활용 분야

Global Energy Leader in Industry 4.0

4차 산업발전기술

선도

신에너지신산업생태계조성

안전한발전소구현

목표

전략

과제

발전분야 I-4.0 추진전략 체계도

1. 빅데이터 플랫폼 (1)

사내 34개 시스템 약 11억 건, 사외 7개 기관 1,025만건 자동 수집

빅데이터 시스템 구성도

① 하둡환경빅데이터H/W, S/W 도입구축② 발전데이터 표준화 및종합분석구조화

③ 발전ICT 솔루션개발표준환경 확보④ 일반/표준분석템플릿모델정립

⑤ SRA, Tableau 사용자분석도구환경

주요 추진 내역

(개요) 발전설비 Data의 종합적 수집 · 저장 · 분석 · 서비스 환경 구축

1. 빅데이터 플랫폼 (2)

연료연소 통합 정보시스템 구축 울산복합화력 최적 입찰용량 산정설비 건전성 지수 예측 모델 개발 한전 IDPP 앱 과제 실증 환경 구현

빅데이터 분석과제 추진 현황

진행

완료

예정

분석 데이터 획득 절차일반직원

EWP 빅데이터포털접속

EWP 빅데이터 포털

과제착수필요데이터도출

데이터정제 분석

별도DB확보

별도DB 저장엑셀변환

데이터취득

과제착수필요

데이터도출

데이터정제 분석

표준 Template 분석흐름을 따라가면서

분석 진행

EWP 빅데이터 플랫폼

도입 효과

진행

◦ IDPP : Intelligent Digital Power Plant(지능형 디지털 발전소)

2. 해수취수펌프(SLP) 운전 가이드 시스템 (1)

딥러닝 기반 해수취수펌프(SLP)의 기동-정지 운전 가이드 제시

개 요

◦ 해수취수펌프 : 발전소 냉각수 공급 펌프

서해 바다의 조수(해수면) 변화의 차이로 인한 SLP의 취수 성능 변화

현황 및 문제점

사업소 전체에 활용되는 냉각수의 관리 데이터가 많아 업무 피로도 높음

현재 해수위는?앞으로 변화될 방향은?계절에 따른 물때 변화는?

현재 취수구(Intake) 수위는?예측되는 활용 냉각수 양은?SLP 운전대수는 ?

- 동일한 SLP 운영환경에서 해수면 변화에 따른 정확한 SLP 성능 계산이 어려움- 시간성, 계절성으로 변화되는 조수 차이를 예측하는 정확한 데이터 부재

- 해수변화, 취수구(Intake) 수위, 터빈 냉각수 펌프(CWP) 운전대수 등 다수의 데이터를 경험적으로 관리- 순환보직으로 인한 신규 운전원들의 업무피로도 및 인적실수 발생 가능성 多

2. 해수취수펌프(SLP) 운전 가이드 시스템 (2)

도입 효과

• 운전원의 경험과 노하우에 따라 펌프 운영• 정형화된 운전기법 無

☞ 휴먼에러 발생 방지 필요

• 운전 가이드 제시를 통한 업무 피로도 절감• 소모 동력 절감 및 잦은 기동반복횟수 조정• 딥러닝 기술을 활용한 업무 개선

- 조위예측(국립해양조사원) + 사업소내 수위정보 ⇒ 당진 사업소 조위예측 모델- (인공지능) CWP, Intake, SLP 의 운전데이터 + 해수위 ⇒ SLP 최적 기동 모델- 도래하는 예측 SLP 기동/정지 시간에 최적 SLP 선택으로 펌프 피로도 감소※

당진 사업소 해수변화 예측 기동∙정지 판단 및 최적 피로도 펌프 안내

공공데이터와 사업소내 운전 데이터를 활용하여 SLP 최적 운전 시스템개발

개발내용

3. 딥러닝 기반 보일러 주요부품 진단시스템 (1)

개 요

딥러닝 기반으로 운전데이터를 분석하여 주요부품의 고장 및 정비시점 도출

현황 및 문제점

운전값이 정해진 설정치에 도달해야만 인지가능하고, 정비시기 판단 방법은 운전시간에 의존

기존 로직기반 시스템은 고장원인 발견에 장시간 소요, 머신러닝 기반 시스템은 예측정확도향상과 빈번한 엔지니어링, 튜닝이 관건임, 이를 백업할 수 있는 시스템 개발 필요

3. 딥러닝 기반 보일러 주요부품 진단시스템 (2)

개발 내용

보일러 주요 부품의 고장상태를 기존 감시 설비보다 먼저 감지 사전대응 가능

이상징후를 빠르고 정확하게 감지하기 위한 빅데이터 기반의 딥러닝 핵심기술 솔루션 개발

재과열기 튜브누설 감지[기존 주파수검출 대비 62시간 조기감지]

통풍계통 누유 조기 진단[보일러 가동 정지 27.5시간 조기 감지]

Deep

Learning

BTLD

4. 인공지능 기반 최적 혼탄 알고리즘 시스템

룰기반 석탄 혼소결정 데이터 기반 석탄 혼소결정으로 개선

목 적

빅데이터 기반 머신러닝 기법을 활용 석탄 성상과 보일러 및 운탄설비의 상태에 따라최적 혼소 조합을 결정 정확도를 피드백하여 지속 알고리즘을 개선

내 용

기대 효과

• 엑셀식을 이용, 시행착오기법으로 최적 조합 도출• 석탄화력 타입별 고유한 모델식 도출• 실제 출력에 따른 결과값과 예측값 차이분석 미흡

• 데이터 기반 머신러닝기법으로 최적 조합 도출• 실제 결과값과 예측값 차이 분석으로 지속적

예측 모델 진화, 다양한 석탄설비 확대 적용 용이

보일러 상태정보

연료성상&운전정보Data

AI

Model

Prediction

갭분석

연소결과물(SOx, NOx등) 예측값과 실제값의 차이 분석을 통해 모델을 지속 개선

5. 조기경보 시스템 (PreVision) (1)

설비 잠재 고장요인 조기발견 및 사전조치를 통한 안정적 설비 운영

개 요

과거데이터 활용 머신러닝 학습기반의 예측기능

내 용

도입 효과

• 운전원의 현장 순찰 및 트렌드 지속 감시로설비이상징후 파악

• 고장징후(DCS경보) 발생 시 대처 시간 부족

• DCS경보 전 조기경보로 사전조치 시간 확보• 불시정지 최소화로 설비신뢰도 향상(2018년 약 35억원의 예방 재무성과 달성)

◦ PreVision : 사전에(Pre-) 예지(Vision)한다는 의미로 명명된 조기경보시스템

경험, 노하우 기반의 실전형 진단 솔루션 탑재(예정)

동서발전 : 발전설비 운영기술 / 두산중공업 : 발전설비 설계, 제작기술

【차별화 포인트】 양사 역량 결집을 통한 외산 시스템 대비 성능 우위 확보

5. 조기경보 시스템 (PreVision) (2)

적 용

개 요

현황 및 문제점

◦ PHM(Prognostic and Health Management) :4차산업혁명의 도래로 설비의 신뢰성과 함께설비의 가동 효율을 높이는 설비관리 핵심 기술

PHM 기반 발전설비의 건전성 및 고장예측 관리 도구 개발

현재 전체적인 발전설비의 정상 여부를 정량적으로 판단할 수 있는 기준 부재

각종 센서 및 설비에서 발생하는 데이터 중 관리되는 데이터는 한정적

- 출력이 변동되는 상황에서 각종 운전데이터의 정상 여부 기준 불명확함- 운전 경험이 적은 운전원의 경우 현재 발전설비의 건전성 여부 판단 어려움

- 운전원이 모든 센서 데이터를 실시간으로 모니터링 하기는 현실적으로 불가능- 관리되는 주요 데이터 외의 고장에 대한 신속한 대응이 불가

현재 전체적인 발전설비의 정상여부를수치적으로 나타낼 수 없을까?

현재 출력상태에 따른중요 데이터들의 값은 정상적인가?

운전경험이 적은데 현재 운전은정상적인 상태인가?

6. 설비 건전성지수(Health Index) (1)

개발 내용

도입 효과

• 고장 혹은 Trip 전 설비 건전성 판단 도구 부재• 운전경험이 적은 운전원의 설비고장 판단 곤란• 설비공사 이후 관리 데이터 변경으로 관리 어려움

• 발전설비의 현재 건전성 지수 표준화• 건전성 하락 및 이상 발생 시 즉각 안내• 인공지능 기반의 자동 재학습으로 설비 반영

인공지능 및 빅데이터 분석을 통한 발전설비의 다차원 건전성 판단 기준 제시

- 과거 운전데이터를 학습하여 각종 출력에 대응되는 발전 표준데이터 모델 개발- 현재 운전 상태와 표준데이터를 활용한 발전설비 건전성 모니터링 시스템 구축

6. 설비 건전성지수(Health Index) (2)

7. 저탄장 자연발화 예측지수 (1)

현황 및 문제점

석탄 성상만을 활용한 일본의 자연발화 예측지수는 자연발화 소요일 예측 불가

자연발화 징후를 인지하고 사전대응하기 위한 예측지수 개발 요구 발생

저탄장 자연발화 부정적 사례

저품질석탄

저탄기간 장기화

유독가스, 악취

민원증가

7. 저탄장 자연발화 예측지수 (2)

내 용

성상과 환경 변화를 독립적으로 고려한 자연발화 예측지수 개발(예측 정확도 80.5%)

각종 데이터 수집 R활용 데이터 분석 예측지수 개발

저탄기간에 따른 자연발화 위험도 6단계 설정 및 모니터링 화면 개발

※ 해석: 현재 자연발화는 발생하지않았으나(양호) 저탄일수가늘어날수록 다른 탄종 대비자연발화 발생확률이높으므로 “주의”가 요구됨