http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
터빈 사이클의 보정 성능 계산을 위한 급수 유량의 검증 모델
김성근(Seong-Kun Kim),양학진(Hac-Jin Yang),이강희(Kang-Hee Lee),최광희(Kwang-Hee Choi) 대한설비공학회 2012 설비공학 논문집 Vol.24 No.6
Analysis of thermal performance is required for the economic operation of turbine cycle of power plant. We developed corrective model of main feed water flow which is the most important parameter for the precise analysis of turbine cycle performance. Classification model for the identification of feed water flow measurement status was applied to increase the suitability of the corrective model. We used neural network and support vector machine to develop estimation model of main feed water flow with more generalization capability. The estimation model can be used practically to evaluate corrective performance of turbine cycle plant.
발전플랜트 성능데이터 학습에 의한 발전기 출력 추정 모델
양학진(Yang, Hac Jin),김성근(Kim, Seong Kun) 한국산학기술학회 2015 한국산학기술학회논문지 Vol.16 No.12
터빈 발전 사이클에서의 안정적인 발전 출력 유지관리를 위해서는 검증된 성능 측정 데이터 그룹과 이를 바탕으로 한 발전 출력 성능 계산 절차의 수립이 필요하다. ASME PTC(Performance Test Code)의 성능 계산 절차를 기반으로 본 연구 에서는 터빈 출력에 의한 발전기 출력 성능 산정을 위해서 터빈 팽창선 모델과 발전기 출력 측정 데이터의 입력 검증 모델을 구성하였다. 또한 불확실한 측정 데이터에 대한 검증 모델도 구성하였다. 지난 연구에서는 신경회로망과 커널 회귀의 학습 방법을 사용하였으나 본 연구에서는 미측정 데이터에 대한 보완을 하기 위하여 서포트 벡터 머신 모델을 사용하여 발전기 출력 계산 데이터의 학습 모델을 구성하였으며, 학습 모델 구성을 위해서 관련 변수의 선정을 위한 절차와 학습 데이터 구간 을 설정하는 알고리듬을 개발하였다. 학습의 결과 오차는 약 1% 범위 안에 있게 되어 추정 및 학습 모델로서 유용함을 입증 하였다. 이 학습 모델을 사용하여 측정 데이터 중 상실된 부분에 대한 추정 모델을 구성함으로써, 터빈 사이클 보정 성능 계산의 신뢰성을 향상시킬 수 있음을 검증하였다. Establishment of analysis procedures and validated performance measurements for generator output is required to maintain stable management of generator output in turbine power generation cycle. We developed turbine expansion model and measurement validation model for the performance calculation of generator using turbine output based on ASME (American Society of Mechanical Engineers) PTC (Performance Test Code). We also developed verification model for uncertain measurement data related to the turbine and generator output. Although the model in previous researches was developed using artificial neural network and kernel regression, the verification model in this paper was based on algorithms through Support Vector Machine (SVM) model to overcome the problems of unmeasured data. The selection procedures of related variables and data window for verification learning was also developed. The model reveals suitability in the estimation procss as the learning error was in the range of about 1%. The learning model can provide validated estimations for corrective performance analysis of turbine cycle output using the predictions of measurement data loss.
온도 균일도 향상을 위한 대면적 서셉터의 설계 및 성능 시험
양학진(Yang, Hac Jin),김성근(Kim, Seong Kun),조중근(Cho, Jung-Geun) 한국산학기술학회 2015 한국산학기술학회논문지 Vol.16 No.6
서셉터 히터에서 쉬스 열선을 사용하는 방법이 일반화되어 있지만, 대면적 초고온 조건에서는 서셉터의 온도 균일도 성능 저하의 문제가 있다. 본 연구에서는 온도균일도 성능을 향상시킬 수 있도록 판형 형태의 열선을 기본으로 새로운 서셉 터를 설계하여 프로토타입을 개발하였다. 표면 온도 450℃의 고온에서 1.4% 이내로 온도 균일도가 시제작된 서셉터에서 검 증될 수 있었다. 또한 온도 학습 데이터를 이용하여 측정 온도 데이터를 예측할 수 있는 커널 회귀 알고리즘을 개발하고, 이러한 예측 데이터와 측정 데이터의 비교 분석으로 균일도 측정 온도의 신뢰성을 확인할 수 있었다. Although sheath-type heating line is generally used for susceptor heater, performance deterioration problems in temperature uniformity occurs in the case of large scale and high temperature condition. We developed new design and prototype of the susceptor using sheet metal to provide performance improvement in temperature uniformity. Temperature uniformity below 1.4% in the surface temperature condition of 450℃ was verified in the susceptor prototype. Also we developed Kernel regression algorithm to estimate measured temperature using temperature learning data. The reliability of the measured temperature uniformity was confirmed by comparative analysis between predicted data and measured data.