CFB 보일러 오염물질 배출 최적화를 위한 머신러닝 기법 활용

• 영문명: Using machine learning techniques to optimize CFB boiler pollutant emissions
• 발행기관: 한국환경에너지공학회
• 저자명: 황희수(Heesoo Hwang) 김재헌(Jaeheon Kim) 손정모(Jeongmo Son) 정재용(Jaeyong Jeong) 양창원(Changwon Yang) 방병렬(Byungr
• 간행물 정보: 『한국환경에너지공학회 학술대회지』2020년 춘계학술발표회, 23~24쪽, 전체 2쪽
• 주제분류: 공학 > 환경공학
• 파일형태: PDF
• 발행일자: 2020.07.16

국문 초록

CFB 보일러는 다양한 저급연료의 활용이 가능하며 석회석을 이용한 로내 탈황, 900도 내외의 조업 조건을 통해 SOx 및 NOx 등 오염물질 배출을 최소화 할 수 있는 친환경 발전설비 이다[1]. 유동층 시스템의 특성상 탈황, 탈질 효율은 보일러 내 입자의 수력학적 특성과 밀접하게 관련되어 있으며 이를 파악하기 위해서는 수치해석 기법의 활용이 필수적이다[2]. 본 연구에서는 IEA-CFBC 모델에 기반한 1-D CFB 보일러 수치해석 결과를 바탕으로 오염물질 배출과 연관된 주요 조건(석회석 투입량 및 당량비)에 대한 영향을 평가하기 위해 머신러닝 기법의 적용 가능성을 살펴보았다. 수치해석을 통해 얻은 빅 데이터를 머신러닝 모델 훈련에 활용 한 후, 특정 SOx 배출량에 부합하는 유동사의 입도분포 (Particle Size Distribution)를 예측하였다. 그 결과 머신러닝을 통해 예측한 유동사의 평균 입도분포는 수치해석 결과와 평균 0.2067㎛의 오차를 보였으며, 원하는 보일러 운전조건에 부합되는 유동사의 입도분포를 정확히 예측하는 것으로 평가되었다. 석회투입량과 당량비 이외에도 배출량에 크게 영향을 줄 수 있는 석탄의 특성(공업분석, 원소분석, 입도분포) 및 석회의 입도분포에 대한 영향도 같은 방식으로 평가할 예정이다. 본 발표에서는 수치해석 기반 빅 데이터 생성과 머신러닝 적용 과정과 함께 특정 대기오염 배출농도 조건에 부합하는 보일러 운전조건을 도출에 머신러닝 기법을 활용한 사례에 대해서 소개한다.

키워드

순환유동층 보일러 빅 데이터 머신러닝 황산화물 및 질소산화물 수치해석 입도 분포 Circulating fluidized bed boiler Big data Machine learning SOx & NOx Numericalsimulation Particle size distribution