그래프 어텐션 기반 복합발전소 센서 중요도를 반영한 NOx 배출 예측모델 연구 = NOx Emission Prediction in Combined Cycle Power Plants Using a Graph Attention Based Model Incorporating Sensor Importance

국문 초록 (Abstract)

2050 탄소중립이 본격화되면서 온실가스 규제 강화되고, 대기관리권역 특별법 시행에 따라 대기오염물질 중 하나인 질소산화물(NOx) 배출 기준이 강화되고 있다. 이에 따라, 복합화력발전소(CCPP, Combined Cycle Power Plants)의 운영 과정에서 배출되는 NOx를 실시간으로 예측하는 것은 효과적인 탈질 제어와 환경 규제 준수를 위해 필수적이다. 그러나 CCPP는 저온 환경에서의 촉매 반응 저하, 빈번한 출력 변동, 대규모 설비 구조로 인한 시간지연과 노이즈 발생으로 인해 NOx 배출량 예측의 정확성을 확보하기 어렵다. 특히, 발전기의 성능 유지와 고장 예방을 위한 정기 점검은 운전점 변화를 유발하여 장기간 일관된 성능을 유지하기 힘든 시간 전이성(temporal transferablilty) 문제를 초래한다. 이에 본 논문은 복잡하고 비선형적인 CCPP의 운전 환경도 NOx 배출량을 견고하고 정밀하게 예측할 수 있는 새로운 프레임워크를 제안한다. 먼저, 복합발전소의 전체 운전 신호를 대상으로 NOx와의 중요도를 학습하는 attention 기반 신호 선택 단계를 설계하였다. 이는 방대한 모니터링 신호 중 핵심 변수를 효과적으로 추출하기 위해 그래프 주의 메커니즘을 활용한다. 이어서, 선택된 신호를 입력으로 사용한 병렬 GATv2-LSTM 예측 알고리즘을 구축하고, 이를 통해 다양한 시간 단계에 걸친 운전 신호의 관계와 시간적 동역학을 효과적으로 포착한다. 실제 발전소 운전 데이터를 활용한 실험 결과, 제안된 방법은 최신 딥러닝 기법들 대비 우수한 예측 정확도를 달성하였다. 또한, 실제 운전 상황을 반영한 노이즈 및 시간적 전이성 문제 측면에서도 모델의 견고성을 입증하였다. 이러한 연구 결과는 CCPP의 탈질 제어 시스템의 최적화 및 강화되는 환경규제 대응을 위한 실질적인 통찰력을 제공할 것으로 기대된다.

목차 (Table of Contents)

• Ⅰ. 서론 1
• Ⅱ. 복합화력발전소 특성 4
• 1. HRSG SCR에서의 NOx 예측 4
• 2. 설비 내 NOx 배출 예측의 한계점 5
• Ⅲ. 이론적 배경 및 전체 프레임워크 7
• 1. 전체적인 이론적 배경 7
• 1) Graph Attention Network (GAT) 7
• 2) Graph Attention Network v2 (GATv2) 9
• 3) Long Short-Term Memory (LSTM) 10
• 2. 제안 프레임워크 구조 설계 11
• 1) 입력신호 선별 단계 11
• 2) NOx 배출량 예측 단계 13
• 3) 제안된 예측 프레임워크 및 검증 지표 15
• Ⅳ. NOx 배출량 예측 결과 및 분석 18
• 1. 데이터 취득 및 학습 전략 18
• 2. 모델 비교 및 성능 분석 20
• 1) 기존 딥러닝 모델 간 예측 성능 비교 20
• 2) 구성요소별 성능 기여도 분석 23
• 3) 노이즈 환경에서의 강건성 평가 25
• 4) 시간 전이성 검증 27
• Ⅴ. 결론 및 향후 계획 29
• □ 참고문헌 30
• □ Abstract 35