심층신경망 기법을 이용한 재열 가스터빈 입구온도 예측모델에 관한 연구

Study on the Prediction Model of Reheat Gas Turbine Inlet Temperature using Deep Neural Network Technique

국내 전력계통의 주파수 조정용 발전기로 사용되고 있는 가스터빈은 탄소중립 정책과 더불어 신속한 기동· 정지 및 높은 열효율 등으로 인해 이용률이 증가하고 있다. 가스터빈은 고온의 화염을 이용하여 터빈을 회전시키기 때문에 터빈 입구온도가 기기의 성능과 수명을 좌우하는 핵심요소로 작용하고 있다. 하지만 입구온도는 직접적인 측정이 불가능함에 따라 제작사가 산출한 온도를 이용하거나, 현장 경험을 토대로 하여 예측된 온도를 적용하고 있어서 가스터빈의 안정적인 운전 및 유지관리에 많은 어려움을 겪고 있다. 이에 본 연구에서는 인공신경망에서 많이 사용되고 있는 DNN(: Deep Neural Network) 기반으로 하는 재열 가스터빈의 입구온도를 예측할 수 있는 모델을 제시하고 실측 데이터를 기반으로 제안된 DNN의 성능을 검증하고자 한다.

Gas turbines, which are used as generators for frequency regulation of the domestic power system, are increasing in use due to the carbon-neutral policy, quick startup and shutdown, and high thermal efficiency. Since the gas turbine rotates the turbine using high-temperature flame, the turbine inlet temperature is acting as a key factor determining the performance and lifespan of the device. However, since the inlet temperature cannot be directly measured, the temperature calculated by the manufacturer is used or the temperature predicted based on field experience is applied, which makes it difficult to operate and maintain the gas turbine in a stable manner. In this study, we present a model that can predict the inlet temperature of a reheat gas turbine based on Deep Neural Network (DNN), which is widely used in artificial neural networks, and verify the performance of the proposed DNN based on actual data.