-   급탄기의 정상 운전 상태를 모사하는 고정확도 LSTM 기반 예측 모델 구축

-   실측값과 예측값의 차이를 기반으로 한 4단계 이상 탐지 알고리즘 개발

-   도메인 지식 기반 가상 이상 시나리오 생성 및 시스템 성능 검증

-   실제 발전소 운전 데이터를 활용한 통합 모니터링 시스템 구현

[2-1. 데이터 수집 및 변수 선정]

한국남동발전 영흥발전본부에서 2024년 1월부터 12월까지 수집된 527,041건의 실시간 운전 데이터를 활용하였다. 해당 데이터는 급탄기 온도, 속도, 무게, 수요 등 총 20개의 변수로 구성되어 있으며, 상관관계 분석과 현장 운전원 인터뷰를 통해 10개의 입력 변수를 최종 선정하였다. 목표 변수는 석탄 유량으로 설정하여 정상 운전 상태를 예측하고 실측값과의 차이로 이상을 탐지하도록 설계하였다.

[2-2. LSTM 기반 유량 예측 모델]

급탄기 유량 데이터의 단기간 높은 자기 상관성을 고려하여 LSTM 기반 시퀀스 예측 모델을 채택하였다. 과거 10개 시점의 시퀀스를 참조하여 예측하며, cosine 기반 learning rate scheduling을 통해 local minima를 방지하였다. 수동 조작 모드 데이터는 screening하여 자동 조작 모드 데이터만 학습에 활용하였다.

[2-3. 4단계 이상 탐지 알고리즘]

현장 운전원과의 인터뷰를 기반으로 4단계 이상 탐지 로직을 설계하였다. 1단계에서 수동 조작 모드를 screening하고, 2단계에서 잔차 오차 검정, 3단계에서 예측 신뢰구간 검정을 수행하며, 4단계에서는 정상 데이터 기반 유량-수요 비율을 기준으로 심각한 이상 여부를 판단한다.

[2-4. 가상 이상 시나리오 설계]

실제 운전 데이터가 모두 정상 상태로만 수집되어, 도메인 지식 기반의 3가지 가상 이상 시나리오를 생성하여 성능 평가에 활용하였다.

- Drift: 장기간 성능 저하로 인한 점진적 변동

- Spike: 센서 오류나 짧은 기기 고장으로 인한 급격한 변동

- Stuck: 급탄기 막힘으로 인한 값 고착 또는 변동

본 연구는 화력 발전소 급탄기를 대상으로 LSTM 기반 실시간 이상 탐지 시스템을 개발하였으며, 예측 모델 R² 0.9759, 이상 탐지 F1-Score 0.9327, AUROC 0.9545의 우수한 성능을 달성하였다. 4단계 이상 탐지 로직과 3D 시각화 대시보드를 포함한 통합 모니터링 시스템을 구축하여 현장 적용 가능성을 확인하였다.

-   실제 이상 데이터 수집을 통한 모델 성능 강화 및 이상 판별 기준 구간 최적화

-   Control Chart 기반 경보 시스템 추가를 통한 탐지 신뢰성 제고

-   보일러, 터빈 등 다른 발전소 설비로의 확장 적용 및 예측 정비 스케줄링 시스템 연계