KR102807059B1 - Method for improving fidelity of simulator - Google Patents
Method for improving fidelity of simulator Download PDFInfo
- Publication number
- KR102807059B1 KR102807059B1 KR1020210108785A KR20210108785A KR102807059B1 KR 102807059 B1 KR102807059 B1 KR 102807059B1 KR 1020210108785 A KR1020210108785 A KR 1020210108785A KR 20210108785 A KR20210108785 A KR 20210108785A KR 102807059 B1 KR102807059 B1 KR 102807059B1
- Authority
- KR
- South Korea
- Prior art keywords
- fidelity
- simulator
- parameter values
- data
- simulation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
시뮬레이터 충실도 개선 방법이 개시된다. 본 발명의 시뮬레이터 충실도 개선 방법은 충실도 판별부가 실 운영 시스템의 실 운영 데이터와 시뮬레이션 데이터를 비교하여 오차 연산을 수행하고 오차 연산 결과에 따라 시뮬레이터가 기 설정된 충실도 판별 기준을 만족하는지 여부를 판별하는 단계; 시뮬레이터가 충실도 판별 기준을 만족하는지 여부에 따라, 핵심 파라미터 추출부가 공정기기의 공정모델의 핵심 파라미터 값을 추출하는 단계; 업데이트부가 핵심 파라미터 값을 공정모델에 적용하여 공정모델을 업데이트하는 단계; 시뮬레이션 시스템이 공정모델을 활용하여 시뮬레이션을 수행하는 단계; 및 충실도 판별부가 시뮬레이션 시스템의 시뮬레이션 수행 결과에 따라 최적 핵심 파라미터 값을 결정하는 단계를 포함하는 것을 특징으로 한다.A method for improving simulator fidelity is disclosed. The method for improving simulator fidelity of the present invention is characterized by including a step in which a fidelity determination unit performs error calculation by comparing actual operation data of an actual operation system with simulation data, and determines whether the simulator satisfies a preset fidelity determination criterion based on the error calculation result; a step in which a key parameter extraction unit extracts key parameter values of a process model of a process device based on whether the simulator satisfies the fidelity determination criterion; a step in which an update unit applies the key parameter values to the process model to update the process model; a step in which a simulation system performs a simulation using the process model; and a step in which the fidelity determination unit determines an optimal key parameter value based on the simulation performance result of the simulation system.
Description
본 발명은 시뮬레이터 충실도 개선 방법에 관한 것으로서, 보다 상세하게는 발전소의 실 운영 데이터와 연계하여 발전소 공정 기기들의 파라미터를 조정함으로써 발전소 시뮬레이터의 충실도를 개선하는 시뮬레이터 충실도 개선 방법에 관한 것이다.The present invention relates to a method for improving the fidelity of a simulator, and more particularly, to a method for improving the fidelity of a power plant simulator by adjusting parameters of power plant process devices in conjunction with actual operating data of the power plant.
발전소의 시뮬레이터는 발전소 현장설비를 수학적으로 모사하여 발전소를 실제 운영하는 것과 같이 모의할 수 있는 기술이며, 안정적인 발전소 운영을 위해 운전 요원 훈련용으로 개발되어 활용되고 있다. 또한, 시뮬레이터는 디지털 제어시스템의 적용 전 제어 로직 시험과 인터록 시험 그리고 운전 조작반(HMI) 시험, 기존 제어 로직 개선 시험 등 제어 검증용으로도 활용되고 있다. 최근에는 엔지니어링 사전 검증, 설계 활용 등 엔지니어링용으로 활용되고 있는 추세이다.The power plant simulator is a technology that can simulate the actual operation of the power plant by mathematically simulating the power plant field equipment, and is developed and utilized for training operating personnel for stable power plant operation. In addition, the simulator is also utilized for control verification such as control logic testing and interlock testing before applying digital control systems, operating control panel (HMI) testing, and improvement testing of existing control logic. Recently, it is being utilized for engineering purposes such as engineering pre-verification and design utilization.
한편, 발전소의 스마트 플랜트화를 위해 감시 진단 시스템의 개발과 실증에 대한 연구가 활발히 진행되고 있다. 감시 진단의 정확도와 효용성을 높이기 위해서는 고장 상황에 대한 데이터와 검증 체계가 필요하지만 고장 상황에 대한 데이터를 취득하기 쉽지 않으며, 검증 체계가 갖추어져 있지 않은 상황이다. 이에, 고장 모의 데이터 생성과 검증에 시뮬레이터가 많이 활용되고 있다.Meanwhile, research on the development and verification of a monitoring and diagnosis system is actively being conducted to make power plants smart. In order to increase the accuracy and effectiveness of monitoring and diagnosis, data on failure situations and a verification system are required, but it is not easy to obtain data on failure situations, and a verification system is not in place. Accordingly, simulators are widely used to generate and verify failure simulation data.
시뮬레이터는 발전소 공정을 모사하는 공정모델과 제어 로직을 모사하는 제어 모델, 고장모사/원격시험, 훈련 시나리오 상정 등을 가능하게 하는 강사 조작반, 공정모델, 제어 모델과 연계하여 발전 출력을 조정할 수 있는 운전 조작반, 공정 변수를 모니터링하고, 일부 조작이 가능한 소프트(하드) 패널로 구성되어진다.The simulator consists of a process model that simulates the power plant process, a control model that simulates the control logic, an instructor control panel that enables fault simulation/remote testing, and training scenarios, an operation control panel that can adjust power generation output in conjunction with the process model and control model, and a soft (hard) panel that monitors process variables and allows for some manipulation.
시뮬레이터의 충실도는 공정모델에 의해 많이 좌우되므로 현재 충실도 개선을 위해서는 전문가의 수동 개입에 의해 공정모델(펌프, 팬, 밸브 등)의 파라미터 조정 작업을 수행하고 있다.Since the fidelity of the simulator is greatly influenced by the process model, currently, in order to improve fidelity, the parameters of the process model (pump, fan, valve, etc.) are adjusted through manual intervention by experts.
시뮬레이터의 충실도 시험은 열평형상태(Steady-state)와 과도상태(Transient)로 구분하여 수행하며, 실 운영 시스템의 운영 데이터와 시뮬레이션 데이터에 대한 모델 오차가 적을수록 시뮬레이터의 충실도는 우수하다할 수 있다.The fidelity test of the simulator is performed by dividing it into a steady-state and a transient state, and the smaller the model error between the operating data of the actual operating system and the simulation data, the better the fidelity of the simulator.
본 발명의 배경기술은 대한민국 등록특허공보 10-1771468호(2017.08.21)의 '시뮬레이션 수행 방법'에 개시되어 있다.The background technology of the present invention is disclosed in ‘Simulation Performance Method’ of Korean Patent Publication No. 10-1771468 (August 21, 2017).
본 발명은 전술한 문제점을 개선하기 위해 창안된 것으로서, 본 발명의 일 측면에 따른 목적은 발전소 실 운영 데이터와 연계하여 발전소 공정 기기들의 파라미터를 조정함으로써 발전소 시뮬레이터의 충실도를 개선하는 시뮬레이터 충실도 개선 방법을 제공하는 것이다. The present invention has been created to improve the above-mentioned problems, and an object of one aspect of the present invention is to provide a method for improving the fidelity of a power plant simulator by adjusting parameters of power plant process devices in conjunction with actual power plant operation data.
본 발명의 일 측면에 따른 시뮬레이터 충실도 개선 방법은 충실도 판별부가 실 운영 시스템의 실 운영 데이터와 시뮬레이션 데이터를 비교하여 오차 연산을 수행하고 오차 연산 결과에 따라 시뮬레이터가 기 설정된 충실도 판별 기준을 만족하는지 여부를 판별하는 단계; 상기 시뮬레이터가 상기 충실도 판별 기준을 만족하는지 여부에 따라, 핵심 파라미터 추출부가 공정기기의 공정모델의 핵심 파라미터 값을 추출하는 단계; 업데이트부가 상기 핵심 파라미터 값을 상기 공정모델에 적용하여 상기 공정모델을 업데이트하는 단계; 시뮬레이션 시스템이 상기 공정모델을 활용하여 시뮬레이션을 수행하는 단계; 및 상기 충실도 판별부가 상기 시뮬레이션 시스템의 시뮬레이션 수행 결과에 따라 최적 핵심 파라미터 값을 결정하는 단계를 포함하는 것을 특징으로 한다.A method for improving simulator fidelity according to one aspect of the present invention is characterized by including the steps of: a fidelity determination unit comparing actual operation data of an actual operation system with simulation data to perform error calculation and determining whether the simulator satisfies a preset fidelity determination criterion based on the result of the error calculation; a key parameter extraction unit extracting key parameter values of a process model of a process device based on whether the simulator satisfies the fidelity determination criterion; a step of an update unit applying the key parameter values to the process model to update the process model; a step of a simulation system performing a simulation utilizing the process model; and a step of the fidelity determination unit determining optimal key parameter values based on the simulation performance result of the simulation system.
본 발명의 상기 시뮬레이터가 기 설정된 충실도 판별 기준을 만족하는지 여부를 판별하는 단계는, 상기 실 운영 데이터와 상기 시뮬레이션 데이터 간의 상기 오차 연산을 통해 상기 공정모델의 정확도를 산출하는 단계; 및 상기 공정모델의 정확도가 상기 충실도 판별 기준을 만족하는 지 여부를 판단하는 단계를 포함하는 것을 특징으로 한다.The step of determining whether the simulator of the present invention satisfies a preset fidelity determination criterion is characterized by including a step of calculating the accuracy of the process model through the error calculation between the actual operation data and the simulation data; and a step of determining whether the accuracy of the process model satisfies the fidelity determination criterion.
본 발명의 상기 오차 연산은 열평형상태 연산 및 과도상태 연산 중 적어도 하나를 포함하고, 상기 열평형상태 연산에서는 상기 실 운영 데이터와 상기 시뮬레이션 데이터 간의 오차 범위를 토대로 판별하고, 상기 과도상태 연산에서는 과도상태에서의 시뮬레이션 데이터의 응동 방향과 기준 발전소에서의 데이터 응동 방향과의 일치 여부, 기준 발전소에서의 해당 알람 발생 여부, 해당 동작 발생 여부, 과도 응답 시간이 기준 발전소 응답 시간의 설정범위 이내인지 여부 중 적어도 하나를 토대로 판별하는 것을 특징으로 한다.The error operation of the present invention includes at least one of a thermal equilibrium operation and a transient operation, and in the thermal equilibrium operation, the determination is made based on an error range between the actual operation data and the simulation data, and in the transient operation, the determination is made based on at least one of whether the response direction of the simulation data in the transient state matches the response direction of the data in the reference power plant, whether a corresponding alarm has occurred in the reference power plant, whether a corresponding operation has occurred, and whether the transient response time is within a set range of the reference power plant response time.
본 발명의 상기 공정기기의 공정모델의 핵심 파라미터 값을 추출하는 단계는, 상기 공정 기기를 발전소의 펌프와 팬으로 구분하는 단계; 및 상기 공정 기기가 상기 펌프인지 또는 상기 팬인지에 따라 목적 함수가 최소가 되도록 상기 핵심 파라미터 값을 추출하는 단계를 포함하는 것을 특징으로 한다.The step of extracting the core parameter values of the process model of the process equipment of the present invention is characterized by including the step of dividing the process equipment into a pump and a fan of a power plant; and the step of extracting the core parameter values so that the objective function is minimized depending on whether the process equipment is the pump or the fan.
본 발명의 상기 공정 기기가 상기 펌프인지 또는 상기 팬인지에 따라 목적 함수가 최소가 되도록 상기 핵심 파라미터 값을 추출하는 단계는, 상기 펌프인지 또는 상기 팬인지에 따라 핵심 파라미터를 추출하는 단계; 및 상기 실 운영 데이터를 활용하여 오차 개선을 위한 모델 오차 최소화 알고리즘 구동을 통해 상기 핵심 파라미터 값을 추정하는 단계를 포함하는 것을 특징으로 한다.The step of extracting the key parameter values so that the objective function is minimized depending on whether the process device of the present invention is the pump or the fan is characterized by including the step of extracting the key parameters depending on whether it is the pump or the fan; and the step of estimating the key parameter values by operating a model error minimization algorithm for error improvement using the actual operation data.
본 발명의 상기 핵심 파라미터는 상기 펌프와 상기 팬 각각의 정격 속도와 특성곡선 중 적어도 하나를 포함하는 것을 특징으로 한다.The core parameters of the present invention are characterized in that they include at least one of a rated speed and a characteristic curve of each of the pump and the fan.
본 발명의 상기 모델 오차 최소화 알고리즘은, 비선형 최소자승법(NLS: Nonlinear Least Squares), 유전자 알고리즘(GA: Genetic Algorithm), 입자 군집 기반 확률적 최적화 기법(PSO: Particle Swarm Optimization), 차등 진화 알고리즘(DE: Differential Evolution) 중 적어도 하나를 포함하는 것을 특징으로 한다.The model error minimization algorithm of the present invention is characterized by including at least one of a nonlinear least squares method (NLS), a genetic algorithm (GA), a particle swarm optimization technique based on particle swarms (PSO), and a differential evolution algorithm (DE).
본 발명의 상기 공정 기기가 상기 펌프인지 또는 상기 팬인지에 따라 목적 함수가 최소가 되도록 상기 핵심 파라미터 값을 추출하는 단계는, 상기 핵심 파라미터 값이 단조조건을 만족하지 않으면 상기 핵심 파라미터 값을 재추정하는 단계를 더 포함하는 것을 특징으로 한다.The step of extracting the key parameter values so that the objective function is minimized depending on whether the process device of the present invention is the pump or the fan is characterized in that it further includes a step of re-estimating the key parameter values if the key parameter values do not satisfy the monotonic condition.
본 발명의 상기 핵심 파라미터 값이 단조조건을 만족하지 않으면 상기 핵심 파라미터 값을 재추정하는 단계는, 상기 핵심 파라미터 값이 상기 단조조건을 만족하는지를 판단하는 단계; 상기 핵심 파라미터 값이 상기 단조조건을 만족하지 않으면, 상기 핵심 파라미터 값이 상기 단조조건을 만족하도록 상기 핵심 파라미터 값의 범위를 조정하는 단계; 및 상기 핵심 파라미터 값의 범위를 조정한 후 상기 모델 오차 최소화 알고리즘 구동을 통해 상기 핵심 파라미터 값을 추정하는 단계를 포함하는 것을 특징으로 한다.The step of re-estimating the core parameter value when the core parameter value of the present invention does not satisfy the monotonic condition is characterized by including the step of determining whether the core parameter value satisfies the monotonic condition; the step of adjusting the range of the core parameter value so that the core parameter value satisfies the monotonic condition when the core parameter value does not satisfy the monotonic condition; and the step of estimating the core parameter value by operating the model error minimization algorithm after adjusting the range of the core parameter value.
본 발명의 상기 핵심 파라미터 값이 상기 단조조건을 만족하도록 상기 핵심 파라미터 값의 범위를 조정하는 단계는, 상기 목적 함수를 최소화하는 특성곡선상의 탐색 기준점 좌표 주변의 좌표 주변값을 고려하여 서로 침범하지 않는 탐색 범위를 설정하는 것을 특징으로 한다.The step of adjusting the range of the core parameter values so that the core parameter values of the present invention satisfy the monotonic condition is characterized by setting a search range that does not invade each other by considering the coordinate surrounding values around the search reference point coordinates on the characteristic curve that minimizes the objective function.
본 발명의 상기 시뮬레이션 시스템의 시뮬레이션 수행 결과에 따라 최적 핵심 파라미터 값을 결정하는 단계는, 기 설정된 모델 오차 최소화 알고리즘별로 상기 실 운영 데이터와 상기 시뮬레이션 데이터 간의 오차 연산을 수행하여 상기 핵심 파라미터 값을 검출하고, 상기 핵심 파라미터 값이 상기 충실도 판별 기준을 만족하는지 판단하는 단계; 및 상기 핵심 파라미터 값이 상기 충실도 판별 기준을 만족하는지에 따라 상기 핵심 파라미터 값을 상기 최적 핵심 파라미터 값으로 결정하는 단계를 포함하는 것을 특징으로 한다.The step of determining an optimal key parameter value according to a simulation performance result of the simulation system of the present invention is characterized by including a step of detecting the key parameter value by performing an error operation between the actual operation data and the simulation data according to a preset model error minimization algorithm, and determining whether the key parameter value satisfies the fidelity determination criterion; and a step of determining the key parameter value as the optimal key parameter value according to whether the key parameter value satisfies the fidelity determination criterion.
본 발명의 상기 모델 오차 최소화 알고리즘은 비선형 최소자승법(NLS: Nonlinear Least Squares), 유전자 알고리즘(GA: Genetic Algorithm), 입자 군집 기반 확률적 최적화 기법(PSO: Particle Swarm Optimization), 차등 진화 알고리즘(DE: Differential Evolution) 중 적어도 하나를 포함하는 것을 특징으로 한다.The model error minimization algorithm of the present invention is characterized by including at least one of a nonlinear least squares method (NLS), a genetic algorithm (GA), a particle swarm optimization technique based on particle swarms (PSO), and a differential evolution algorithm (DE).
본 발명의 일 측면에 따른 시뮬레이터 충실도 개선 방법은 발전소 실 운영 데이터와 연계하여 발전소 공정 기기들의 파라미터를 조정함으로써 발전소 운영 환경변화에 대응한 고 충실도의 시뮬레이터를 구현할 수 있다.A method for improving simulator fidelity according to one aspect of the present invention can implement a high-fidelity simulator that responds to changes in the operating environment of a power plant by adjusting parameters of power plant process devices in conjunction with actual power plant operation data.
본 발명의 다른 측면에 따른 시뮬레이터 충실도 개선 방법은 발전소 고장 진단 시스템의 개발 및 유지비용을 절감하고, 발전소 최적 운영과 정비 및 관리를 보다 효율적으로 수행할 수 있도록 지원한다. A method for improving simulator fidelity according to another aspect of the present invention reduces development and maintenance costs of a power plant fault diagnosis system and supports more efficient performance of optimal operation, maintenance and management of a power plant.
도 1 은 본 발명의 일 실시예에 따른 시뮬레이터 충실도 개선 장치의 블럭 구성도이다.
도 2 는 본 발명의 일 실시예에 따른 시뮬레이터 충실도 개선 방법의 순서도이다.
도 3 은 본 발명의 일 실시예에 따른 가변속 팬 특성곡선을 나타낸 도면이다.
도 4 는 본 발명의 일 실시예에 따른 단조 곡선이 위배된 특성곡선을 나타낸 도면이다.
도 5 는 본 발명의 일 실시예에 따른 단조 조건의 충족을 위한 범위 설정 예를 나타낸 도면이다.
도 6 은 본 발명의 일 실시예에 따른 발전소 실 공정 데이터를 나타낸 도면이다.
도 7 은 본 발명의 일 실시예에 따른 각 알고리즘별 추정된 펌프의 특성 곡선을 나타낸 도면이다.
도 8 은 본 발명의 일 실시예에 따른 추정된 파라미터 적용 BFP-A 출력 데이터 비교 결과를 나타낸 도면이다.FIG. 1 is a block diagram of a simulator fidelity improvement device according to one embodiment of the present invention.
FIG. 2 is a flowchart of a method for improving simulator fidelity according to one embodiment of the present invention.
FIG. 3 is a drawing showing a variable speed fan characteristic curve according to one embodiment of the present invention.
FIG. 4 is a drawing showing a characteristic curve in which a monotonic curve is violated according to one embodiment of the present invention.
FIG. 5 is a drawing showing an example of setting a range for satisfying a forging condition according to one embodiment of the present invention.
FIG. 6 is a diagram showing actual process data of a power plant according to one embodiment of the present invention.
FIG. 7 is a diagram showing the characteristic curves of the estimated pump for each algorithm according to one embodiment of the present invention.
FIG. 8 is a diagram showing the results of comparing BFP-A output data with estimated parameter application according to one embodiment of the present invention.
이하에서는 본 발명의 일 실시예에 따른 시뮬레이터 충실도 개선 방법을 첨부된 도면들을 참조하여 상세하게 설명한다. 이러한 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 이용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. Hereinafter, a method for improving simulator fidelity according to an embodiment of the present invention will be described in detail with reference to the attached drawings. In this process, the thickness of lines and the size of components illustrated in the drawings may be exaggerated for the sake of clarity and convenience of explanation. In addition, the terms described below are terms defined in consideration of their functions in the present invention, and may vary depending on the intention or custom of the user or operator. Therefore, the definitions of these terms should be made based on the contents throughout this specification.
도 1 은 본 발명의 일 실시예에 따른 시뮬레이터 충실도 개선 장치의 블럭 구성도이고, 도 2 는 본 발명의 일 실시예에 따른 시뮬레이터 충실도 개선 방법의 순서도이며 도 3 은 본 발명의 일 실시예에 따른 가변속 팬 특성곡선을 나타낸 도면이며, 도 4 는 본 발명의 일 실시예에 따른 단조 곡선이 위배된 특성곡선을 나타낸 도면이며, 도 5 는 본 발명의 일 실시예에 따른 단조 조건의 충족을 위한 범위 설정 예를 나타낸 도면이며 도 6 은 본 발명의 일 실시예에 따른 발전소 실 공정 데이터를 나타낸 도면이며, 도 7 은 본 발명의 일 실시예에 따른 각 알고리즘별 추정된 펌프의 특성 곡선을 나타낸 도면이며, 도 8 은 본 발명의 일 실시예에 따른 추정된 파라미터 적용 BFP-A 출력 데이터 비교 결과를 나타낸 도면이다.FIG. 1 is a block diagram of a simulator fidelity improvement device according to an embodiment of the present invention, FIG. 2 is a flowchart of a simulator fidelity improvement method according to an embodiment of the present invention, FIG. 3 is a diagram showing a variable speed fan characteristic curve according to an embodiment of the present invention, FIG. 4 is a diagram showing a characteristic curve in which a monotonic curve is violated according to an embodiment of the present invention, FIG. 5 is a diagram showing an example of setting a range for satisfying a monotonic condition according to an embodiment of the present invention, FIG. 6 is a diagram showing actual process data of a power plant according to an embodiment of the present invention, FIG. 7 is a diagram showing a characteristic curve of an estimated pump for each algorithm according to an embodiment of the present invention, and FIG. 8 is a diagram showing a comparison result of BFP-A output data with estimated parameter application according to an embodiment of the present invention.
도 1 을 참조하면, 본 발명의 일 실시예에 따른 시뮬레이터 충실도 개선 장치는 데이터 전처리부(20) 및 공정모델 오차 처리부(30)를 포함한다.Referring to FIG. 1, a simulator fidelity improvement device according to one embodiment of the present invention includes a data preprocessing unit (20) and a process model error processing unit (30).
데이터 전처리부(20)는 실 운영 시스템(10)으로부터 실 운영 데이터를 수집하고, 수집된 실 운영 데이터에 대한 전처리를 수행하여 공정모델 오차 처리부(30)에 입력한다. The data preprocessing unit (20) collects actual operation data from the actual operation system (10), performs preprocessing on the collected actual operation data, and inputs it into the process model error processing unit (30).
실 운영 데이터에는 실 운영 시스템(10)으로 입력되는 입력 데이터 및 실 운영 시스템(10)으로부터 출력되는 출력 데이터가 포함될 수 있다. The actual operating data may include input data input into the actual operating system (10) and output data output from the actual operating system (10).
데이터 전처리부(20)는 운영 데이터에 대한 운영 데이터 샘플링(Sampling the data), 로 패스 필터 등을 이용한 노이즈 제거(Data filtering), 운영 데이터 간의 단위를 일치시키는 데이터 정규화(Data normalization) 등을 수행한다. 전처리 과정은 상기한 실시예에 한정되는 것은 아니며, 특별히 한정되는 것은 아니다. The data preprocessing unit (20) performs sampling of the operating data, noise removal using a low-pass filter, etc. (Data filtering), and data normalization to match the units between the operating data. The preprocessing process is not limited to the above-described embodiment and is not particularly limited.
실 운영 시스템(10)은 발전소에서 실제 운영되는 실제 대상 공정일 수 있다. The actual operating system (10) may be an actual target process actually operated in a power plant.
공정모델 오차 처리부(30)는 데이터 전처리부(20)에 의해 전처리된 운영 데이터를 시뮬레이션 데이터와 비교하여 시뮬레이션의 충실도를 판별하고 판별 결과에 따라 공정모델의 핵심 파라미터 값을 조정하여 공정모델의 오차를 감소시킨다. The process model error processing unit (30) compares the operation data preprocessed by the data preprocessing unit (20) with the simulation data to determine the fidelity of the simulation and adjusts the key parameter values of the process model according to the determination result to reduce the error of the process model.
공정모델 오차 처리부(30)는 시뮬레이션을 수행하는 시뮬레이션 시스템(34), 데이터 전처리부(20)로부터 입력된 실 운영 데이터와 시뮬레이션 데이터를 비교하여 오차 연산을 수행하고 오차 연산 결과에 따라 시뮬레이터가 기 설정된 충실도 판별 기준을 만족하는지 여부를 판별한 후, 이 판별 결과에 따라 최적의 핵심 파라미터 값을 결정하는 충실도 판별부(31), 시뮬레이터가 상기한 충실도 판별 기준을 만족하는지 여부에 따라 펌프와 팬의 각 공정모델의 핵심 파라미터를 추출하고 핵심 파라미터와 운영 데이터를 적용하여 핵심 파라미터 값을 추출한 후, 해당 핵심 파라미터 값이 단조조건을 만족하는지를 판단하는 핵심 파라미터 추출부(32), 및 핵심 파라미터 값이 단조조건을 만족하는지 여부에 따라 핵심 파라미터 값을 공정모델에 적용하여 공정모델을 업데이트하는 업데이트부(33)를 포함한다. The process model error processing unit (30) includes a simulation system (34) that performs a simulation, a fidelity determination unit (31) that compares actual operation data input from the data preprocessing unit (20) with simulation data to perform an error calculation, determines whether the simulator satisfies a preset fidelity determination criterion based on the error calculation result, and then determines an optimal key parameter value based on the determination result, a key parameter extraction unit (32) that extracts key parameters of each process model of a pump and a fan based on whether the simulator satisfies the fidelity determination criterion, applies the key parameters and operation data to extract the key parameter values, and then determines whether the corresponding key parameter values satisfy a monotonic condition, and an update unit (33) that updates the process model by applying the key parameter values to the process model based on whether the key parameter values satisfy the monotonic condition.
시뮬레이션 시스템(34)은 공정모델을 이용하여 시뮬레이션을 수행한다. 시뮬레이션 시스템(34)은 대상 공정에 대한 시뮬레이터에 사용되는 공정모델일 수 있다.The simulation system (34) performs a simulation using a process model. The simulation system (34) may be a process model used in a simulator for a target process.
공정모델은 미분방정식 기반의 동적 모델, 정적 대수 방정식 모델, 성능 곡선 모델 등 다양한 형태로 표현될 수 있으며, 특별히 한정되는 것은 아니다. The process model can be expressed in various forms, such as a dynamic model based on differential equations, a static algebraic equation model, and a performance curve model, and is not particularly limited.
공정모델은 표현 방식에 따라 구체적인 표현이 달라질 수 있으나 일반화하면 아래의 수학식 1과 같이 표현할 수 있다.The process model may have different specific expressions depending on the expression method, but can be generalized as shown in the mathematical expression 1 below.
여기서 y는 시뮬레이션 출력을 의미하고, x는 입력을 포함하는 시뮬레이션 상태 데이터를 의미한다. 또한 β는 공정모델식에 사용되는 공정 파라미터를 의미한다. 공정모델식 f가 공정 특성을 적절히 반영하고 있다고 하면, 시뮬레이터의 충실도는 공정 파라미터 벡터 β에 의해 결정된다.Here, y represents the simulation output, x represents the simulation state data including the input, and β represents the process parameter used in the process model equation. If the process model equation f adequately reflects the process characteristics, the fidelity of the simulator is determined by the process parameter vector β.
충실도 판별부(31)는 데이터 전처리부(20)로부터 입력된 실 운영 데이터와 시뮬레이션 데이터를 비교하여 오차 연산을 수행하고 오차 연산 결과에 따라 시뮬레이터가 기 설정된 충실도 판별 기준을 만족하는지 여부를 판별한다. 또한, 충실도 판별부(31)는 시뮬레이터가 충실도 판별 기준을 만족하면 해당 핵심 파라미터 값을 최적 핵심 파라미터 값으로 결정한다. The fidelity determination unit (31) compares the actual operation data input from the data preprocessing unit (20) with the simulation data, performs an error calculation, and determines whether the simulator satisfies the preset fidelity determination criteria based on the error calculation results. In addition, the fidelity determination unit (31) determines the corresponding key parameter values as the optimal key parameter values if the simulator satisfies the fidelity determination criteria.
좀 더 구체적으로 설명하면, 충실도 판별부(31)는 유사한 조건의 실 운영 데이터와 시뮬레이션 데이터를 연계한다. To explain more specifically, the fidelity determination unit (31) links real operation data and simulation data under similar conditions.
유사한 조건이라 함은 같은 출력 부하, 런백(Runback) 등 발전소 실제 현장과 시뮬레이터의 상황이 비슷한 상태를 의미한다. Similar conditions mean that the actual power plant site and the simulator situation are similar, such as the same output load and runback.
즉, 충실도 판별부(31)는 실 운영 데이터와 시뮬레이션 데이터를 비교하여 오차 연산을 수행하고 오차 연산 결과가 충실도 판별 기준을 만족하는지를 판별한다. 충실도 판별 기준은 사용자에 의해 설정될 수 있다. That is, the fidelity determination unit (31) performs error calculation by comparing actual operation data and simulation data and determines whether the error calculation result satisfies the fidelity determination criterion. The fidelity determination criterion can be set by the user.
핵심 파라미터 추출부(32)는 충실도 판별부(31)의 판별 결과에 따라 공정모델의 핵심 파라미터 값을 추출하고, 추출된 핵심 파라미터 값이 단조조건을 만족하는지 판별한다. The core parameter extraction unit (32) extracts the core parameter values of the process model based on the determination results of the fidelity determination unit (31) and determines whether the extracted core parameter values satisfy the monotonic condition.
업데이트부(33)는 핵심 파라미터 값을 이용하여 공정모델을 업데이트한다. 핵심 파라미터 값이 단조조건을 만족하지 않으면, 업데이트부(33)는 핵심 파라미터 값의 단조조건 만족을 위한 범위를 조정한다. The update unit (33) updates the process model using the core parameter values. If the core parameter values do not satisfy the monotonic condition, the update unit (33) adjusts the range for satisfying the monotonic condition of the core parameter values.
이하, 본 발명의 일 실시예에 따른 시뮬레이터 충실도 개선 방법을 도 2 내지 도 9 를 참조하여 상세하게 설명한다.Hereinafter, a method for improving simulator fidelity according to one embodiment of the present invention will be described in detail with reference to FIGS. 2 to 9.
도 2 를 참조하면, 먼저 데이터 전처리부(20)는 발전소의 실 운영 데이터를 입력받아 전처리 과정을 수행한다. Referring to Figure 2, first, the data preprocessing unit (20) receives actual operating data of the power plant and performs a preprocessing process.
충실도 판별부(31)는 데이터 전처리부(20)에 의해 전처리된 실 운영 데이터를 시뮬레이션 데이터와 비교하여 오차 연산을 수행한다(S10).The fidelity determination unit (31) compares the actual operation data preprocessed by the data preprocessing unit (20) with the simulation data and performs an error calculation (S10).
이 경우, 충실도 판별부(31)는 아래의 수학식 2를 통해 실 운영 데이터와 시뮬레이션 데이터 간의 오차 연산을 통해 공정모델의 정확도를 산출한다.In this case, the fidelity determination unit (31) calculates the accuracy of the process model by calculating the error between the actual operation data and the simulation data using the mathematical expression 2 below.
이어, 충실도 판별부(31)는 실 운영 데이터와 시뮬레이션 데이터 간의 오차 연산 결과가 기 설정된 충실도 판별 기준을 만족하는지 여부를 판별한다(S20). Next, the fidelity determination unit (31) determines whether the error calculation result between the actual operation data and the simulation data satisfies the preset fidelity determination criteria (S20).
이러한 오차 연산에 있어서, 열평형상태 연산(steady-state operation)에서의 모델 충실도는 발전소 기준 데이터가 이용 가능한 100% 부하와 25% 이상의 중간부하대에서 시뮬레이션된 계산 값과, 발전소의 기준 데이터와의 모델 정확도에 기반하여 판단한다. In these error calculations, the model fidelity in steady-state operation is judged based on the model accuracy between the simulated calculated values at 100% load and intermediate loads of 25% or more for which plant reference data are available and the plant reference data.
정확도를 계산하는 모델 오차 계산식은 수학식 2와 같으며, 열평형상태 연산에서의 모델 충실도 기준은 표 1과 같다. The model error calculation formula for calculating accuracy is as shown in Equation 2, and the model fidelity criteria in thermal equilibrium state calculations are as shown in Table 1.
표 1을 보면 energy and mass balance와 연관된 주요 파라미터와 그렇지 않은 파라미터에 대한 모델 정확도 기준이 다름을 알 수 있다. 주요 파라미터는 1~2[%] 이내의 모델 오차를 요구하며, 이 외의 파라미터는 10[%] 이내의 모델 오차 범위를 요구한다. Table 1 shows that the model accuracy criteria for major parameters related to energy and mass balance and those not related to energy and mass balance are different. Major parameters require a model error range of 1 to 2 [%], while other parameters require a model error range of 10 [%].
과도상태 연산(transient operation)은 몰펑크션(malfunction), 부하변동시험 등 열평형상태가 아닌 플랜트 상태를 의미한다. 과도상태 연산에서의 모델 충실도는 모델 정확도보다는 아래와 같은 충실도 기준으로 성능을 판단한다. 여기서, 충실도 기준은 과도상태에서의 시뮬레이션 데이터의 응동 방향과 기준 발전소에서의 데이터 응동 방향과의 일치 여부, 기준 발전소에서의 해당 알람 발생 여부, 해당 동작 발생 여부, 과도 응답 시간이 기준 발전소 응답 시간의 20% 이내인지 여부 등을 확인한다.Transient operation refers to a plant state other than thermal equilibrium, such as malfunction and load variation test. In transient operation, model fidelity is evaluated based on the following fidelity criteria rather than model accuracy. Here, the fidelity criteria include whether the response direction of the simulation data in the transient state is consistent with the response direction of the data in the reference plant, whether the corresponding alarm occurs in the reference plant, whether the corresponding operation occurs, and whether the transient response time is within 20% of the response time of the reference plant.
공정모델의 정확도가 충실도 판별 기준을 만족하지 않으면, 핵심 파라미터 추출부(32)는 해당 공정 기기를 펌프와 팬으로 구분한다. If the accuracy of the process model does not satisfy the fidelity determination criterion, the core parameter extraction unit (32) classifies the process equipment into a pump and a fan.
통상적으로, 발전소의 기기들 중 펌프와 팬은 중요한 역할을 수행한다. Typically, pumps and fans play an important role among the equipment in a power plant.
펌프로는 탈기기에서 탈기된 급수를 가압하여 고압급수가열기와 절탄기를 거쳐 보일러에 공급하는 보일러 급수펌프(BFP : Boiler Feed Water Pump)가 있다.There is a boiler feed water pump (BFP) that pressurizes the deaerated feed water in the deaerator and supplies it to the boiler through the high-pressure feed water heater and economizer.
팬은 연료의 연소에 필요한 공기를 노에 공급하고, 연소에 의해 발생한 배기가스를 연돌로 배출하는 작용하는 통풍계통에 많이 존재한다. Fans are found in many ventilation systems that supply the air necessary for combustion of fuel to the furnace and discharge the exhaust gases generated by combustion into the chimney.
통풍계통에는 대기에서 공기를 흡입하여 윈드 박스(Wind Box)를 거쳐 각 버너로 연소용 공기(2차 공기)를 공급하는 압입 송풍기(FDF : Forced Draft Fan), 배기가스를 내부에서 흡입하여 연돌로 거쳐 대기로 배출시키는 유인 송풍기(IDF : Induced Draft Fan), 미분기 내부의 석탄을 건조시키고 분쇄된 미분탄을 버너로 이송하여 노 내부로 분사시키는 일차 송풍기(PAF : Primary Air Fan), 절탄기 출구에서 약 400℃ 정도의 배기가스를 취출하여 노 하부에 공급합으로써 증기의 온도를 조절하는 가스 재순환 송풍기(GRF : Gas Reciculation Fan) 등이 있다.The ventilation system includes a Forced Draft Fan (FDF) that draws in air from the atmosphere and supplies combustion air (secondary air) to each burner through a wind box; an Induced Draft Fan (IDF) that draws in exhaust gas from the inside and exhausts it into the atmosphere through a chimney; a Primary Air Fan (PAF) that dries the coal inside the pulverizer and transports the pulverized pulverized coal to the burner and sprays it into the furnace; and a Gas Reciculation Fan (GRF) that extracts exhaust gas of about 400℃ from the economizer exit and supplies it to the bottom of the furnace to control the temperature of the steam.
먼저, 핵심 파라미터 추출부(31)는 공정 기기를 펌프와 팬으로 구분하는데 공정 기기가 펌프인지를 판단한다(S30). First, the core parameter extraction unit (31) distinguishes the process equipment into a pump and a fan and determines whether the process equipment is a pump (S30).
단계 S30에서의 판단 결과 공정 기기가 펌프가 아니면, 핵심 파라미터 추출부(31)는 팬을 가변속 팬과 정속 팬으로 구분하고 팬이 가변속 팬인지 판단한다(S40).If the judgment result at step S30 indicates that the process device is not a pump, the core parameter extraction unit (31) distinguishes the fan into a variable speed fan and a constant speed fan and determines whether the fan is a variable speed fan (S40).
단계 S40에서의 판단 결과 팬이 가변속 팬이면, 핵심 파라미터 추출부(31)는 도 3 에 도시된 바와 같이 인렛 가이드 배인(inlet guide vane) 위치에 따라 작동점의 위치를 결정하고(S50), 작동점에 가장 근접한 두 개의 성능 곡선을 상한 특성곡선과 하한 특성곡선으로 선정한다(S60). If the judgment result in step S40 is that the fan is a variable speed fan, the core parameter extraction unit (31) determines the position of the operating point according to the position of the inlet guide vane as shown in FIG. 3 (S50), and selects the two performance curves closest to the operating point as the upper limit characteristic curve and the lower limit characteristic curve (S60).
도 3 을 참조하면, 펌프와 팬의 핵심 파라미터는 특성곡선이다. Referring to Figure 3, the key parameters of the pump and fan are the characteristic curves.
가변속 팬은 인렛 가이드 배인의 위치에 따라 상한 특성곡선과 하한 특성곡선이 달라진다. Variable speed fans have different upper and lower characteristic curves depending on the location of the inlet guide vane.
공정 기기가 펌프이거나, 공정 기기가 가변속 팬이 아니거나, 또는 가변속 팬에 대한 작동점에 가장 근접한 두 개의 성능 곡선을 상한 특성곡선과 하한 특성곡선으로 선정한 후에는, 핵심 파라미터 추출부(32)는 펌프와 팬의 공정모델 각각의 핵심 파라미터를 추출한다(S70). 핵심 파라미터에는 펌프와 팬의 정격 속도와 특성곡선이 포함될 수 있다. After selecting the two performance curves closest to the operating point for the process device, whether the process device is a pump or is not a variable speed fan, or a variable speed fan, as the upper and lower limit characteristic curves, the key parameter extraction unit (32) extracts key parameters of each of the process models of the pump and the fan (S70). The key parameters may include the rated speed and characteristic curves of the pump and the fan.
이 경우, 핵심 파라미터 추출부(32)는 물리법칙, 수학 수식 및 경험에 의해 분석된 자료를 토대로 각 공정모델 별로 데이터베이스화하여 핵심 파라미터를 추출할 수 있다.In this case, the core parameter extraction unit (32) can extract core parameters by creating a database for each process model based on data analyzed by physical laws, mathematical formulas, and experience.
좀 더 구체적으로 설명하면, 통상적으로 원심펌프(Centrifugal Pump)는 펌프 안의 임펠러(impeller, 회전날개)나 프로펠러를 회전시켜 발생하는 원심력 혹은 추진력을 이용, 액체를 토출하는 펌프로 회전날개차의 원심력에 의해 액체가 밀려나면서 생긴 부압으로 액체를 흡입한다. 원심펌프는 연속적으로 액체를 흡입하여 밀어올리는 것이 가능하고 대량이송이 가능하지만, 출구 측의 압력 변동에 영향을 받기 쉽다. To explain more specifically, a centrifugal pump is a pump that discharges liquid by using centrifugal force or thrust generated by rotating an impeller or propeller inside the pump, and sucks in liquid by the negative pressure generated when the liquid is pushed out by the centrifugal force of the rotating vane. A centrifugal pump can continuously suck in and push up liquid and can transport large quantities, but it is easily affected by pressure fluctuations at the outlet.
유체는 임펠러의 중심에서 유입되어 토출구 밖으로 흐르는 사이 압력 및 속도에너지를 얻어 배출된다.The fluid enters the center of the impeller and flows out of the discharge port, where it acquires pressure and velocity energy and is discharged.
펌프는 일반적으로 off-mode, 2nd-quadrant, Normal, 4nd-quadrant로 이루어진 4개의 작동모드가 있으며, 각 작동모드에 따라서 급수의 체적유량 계산식이 달라진다. 각 작동모드에 따른 시스템 모델 식은 다음과 같이 구성된다.The pump generally has four operating modes: off-mode, 2nd-quadrant, Normal, and 4th-quadrant, and the calculation formula for the volumetric flow rate of feedwater is different depending on each operating mode. The system model equation for each operating mode is composed as follows.
먼저, off-mode의 시스템 모델식은 아래의 수학식 3과 같다.First, the system model equation for off-mode is as shown in mathematical equation 3 below.
여기서, Rwe는 유입되는 급수의 밀도(kg/m3)이고, Rwl는 유출되는 급수의 밀도(kg/m3)이며, Ravg는 유입되는 급수와 유출되는 급수의 평균 밀도(kg/m3)이다. Here, R we is the density of the incoming water (kg/m 3 ), R wl is the density of the outgoing water (kg/m 3 ), and R avg is the average density of the incoming and outgoing water (kg/m 3 ).
여기서, Pwe는 유입되는 급수의 압력(bar)이고, Pwl는 유출되는 급수의 압력(bar)이며, ΔPavg는 펌프의 수도 밀도에 따른 압력차이(bar)다. Here, P we is the incoming feedwater pressure (bar), P wl is the outgoing feedwater pressure (bar), and ΔP avg is the pressure difference (bar) depending on the water density of the pump.
이때, KDH는 펌프의 표고 차이(Elevation difference)이며, 본 실시예에서는 KDH = 0으로 간주한다. 따라서, 수학식 4는 로 단순화될 수 있다.At this time, KDH is the elevation difference of the pump, and in this embodiment, KDH = 0. Therefore, mathematical expression 4 is can be simplified to
수학식 3, 4를 활용하면 펌프에서 유출되는 급수의 질량 유량을 계산할 수 있다. 하지만, 유출되는 급수의 질량 유량은, 유입되는 급수의 압력과 유출되는 급수의 압력 간의 압력차에 따라서 계산식이 달라지며, 이는 아래의 수학식들과 같다.Using mathematical equations 3 and 4, the mass flow rate of the feedwater discharged from the pump can be calculated. However, the calculation formula for the mass flow rate of the discharged feedwater varies depending on the pressure difference between the pressure of the incoming feedwater and the pressure of the discharged feedwater, as shown in the mathematical equations below.
여기서, Wwl은 펌프의 유출도는 급수의 질량 유량(kg/sec)이고, KFC는 플로우 컨덕턴스(flow conductance)이다.Here, W wl is the discharge capacity of the pump, the mass flow rate of feedwater (kg/sec), and KFC is the flow conductance.
본 실시예에서는, 펌프에 유입되는 급수의 질량 유량과 유출되는 급수의 질량 유량이 같다고 가정한다. 즉, 로 규정한다.In this embodiment, it is assumed that the mass flow rate of the feedwater flowing into the pump and the mass flow rate of the feedwater flowing out are equal. That is, It is stipulated as follows.
다음으로, 2nd-quadrant operation의 시스템 모델식은 아래의 수학식 8과 같다.Next, the system model equation for the 2nd-quadrant operation is as shown in mathematical equation 8 below.
여기서, Head는 수두(m)이다.Here, Head is the water head (m).
2nd-quadrant에서도 유출되는 급수의 질량 유량은 off-mode와 같이 유입되는 급수의 압력과 유출되는 급수의 압력차에 따라서 계산식이 달라지며, 압력차 조건에 따른 질량유량 계산식은 수학식 6, 7과 같다.In the 2nd quadrant, the mass flow rate of the discharged water is calculated differently depending on the pressure difference between the incoming water pressure and the discharged water pressure, as in the off-mode. The mass flow rate calculation formula according to the pressure difference condition is as shown in Equations 6 and 7.
다음으로, Normal operation에서의 체적 유량은 수학식 9와 같이 정의된다.Next, the volume flow rate in normal operation is defined as in mathematical expression 9.
여기서, Q는 유출되는 급수의 체적 유량(m3/sec )이고, Speed는 펌프의 회전속도(rpm)이며, K2는 펌프의 정격 회전속도(rpm)이다.Here, Q is the volumetric flow rate of the discharged feedwater (m 3 /sec), Speed is the rotational speed of the pump (rpm), and K2 is the rated rotational speed of the pump (rpm).
A는 이며, B는 이다.A is , and B is am.
KQT는 펌프 유량(flowrate)의 특성 테이블(m3/sec)이고, KHT는 펌프 수두(head)의 특성 테이블(m)이다. KQT is the characteristic table of pump flowrate (m 3 /sec), and KHT is the characteristic table of pump head (m).
수학식 9의 체적 유량을 이용하면, 질량유량은 수학식 10과 같이 표현할 수 있다.Using the volume flow rate of mathematical expression 9, the mass flow rate can be expressed as
여기서, K1는 병렬배치된 펌프의 수이다.Here, K1 is the number of parallel-connected pumps.
본 실시예에서는, 펌프에 유입되는 급수의 질량 유량과 유출되는 급수의 질량 유량이 같다고 가정한다. 즉, 로 규정한다.In this embodiment, it is assumed that the mass flow rate of the feedwater flowing into the pump and the mass flow rate of the feedwater flowing out are equal. That is, It is stipulated as follows.
마지막으로, 4nd-quadrant operation에서의 체적유량과 질량유량 계산식은 수학식 11과 12로 정의된다.Finally, the equations for calculating the volume flow rate and mass flow rate in the 4th-quadrant operation are defined by Equations 11 and 12.
각 작동모드에 따른 시스템 모델식 분석을 통해 핵심 파라미터를 정리한 결과, 핵심 파라미터는 병렬 배치된 펌프의 수(K1), 펌프의 정격 회전속도(K2), 펌프 특성곡선(KQTID, KHTID)일 수 있다. As a result of organizing the key parameters through the analysis of the system model according to each operating mode, the key parameters can be the number of parallel-arranged pumps (K1), the rated rotation speed of the pump (K2), and the pump characteristic curve (KQT ID , KHT ID ).
이들 중 병렬 배치되는 펌프의 수는 정확하게 파악할 수 있는 파라미터이므로 추정해야 할 대상으로 볼 필요가 없다. The number of pumps arranged in parallel among these is a parameter that can be determined precisely and therefore does not need to be considered as an object to be estimated.
펌프의 성능에 큰 영향을 미치거나 정확한 형상을 취득하기 어려우며 펌프의 사용조건 및 사용기간 등 여러 원인에 의해 형상(특성)이 변화될 수 있는 펌프 특성곡선을 정확히 예측하는 것이 중요하다. 이러한 점을 고려하여, 핵심 파라미터로는 펌프의 정격 회전속도와 각각 다수의 포인트에 대해 값을 갖는 테이블 형식의 특성곡선이 선정될 수 있다. It is important to accurately predict the pump characteristic curve, which can have a significant impact on the performance of the pump, is difficult to obtain an accurate shape, and can change shape (characteristics) due to various reasons such as the usage conditions and usage period of the pump. Considering this, the rated rotation speed of the pump and a characteristic curve in the form of a table with values for each of several points can be selected as key parameters.
이어, 핵심 파라미터 추출부(32)는 데이터 전처리부(20)로부터 단위 환산과 같은 전처리 과정을 거친 해당 공정모델에서의 실 운영 데이터를 입력받는다(S80).Next, the core parameter extraction unit (32) receives actual operation data from the corresponding process model that has undergone a preprocessing process such as unit conversion from the data preprocessing unit (20) (S80).
입력 데이터와 출력 데이터 및 파라미터는 아래의 표 2와 같다.The input data, output data, and parameters are as shown in Table 2 below.
입력
input
출력
output of power
여기서, 입력 데이터 중 현장의 실 운영시스템과 시뮬레이터의 단위가 일치하지 않는 경우가 있으므로, 데이터 전처리부(20)는 시뮬레이터 적용을 위해 현장 실 운영시스템의 데이터 단위를 시뮬레이터의 데이터 단위로 변환하여 적용한다.Here, since there are cases where the units of the actual operating system on site and the simulator do not match among the input data, the data preprocessing unit (20) converts the data units of the actual operating system on site into the data units of the simulator for application to the simulator.
이어, 핵심 파라미터 추출부(32)는 데이터 전처리부(20)로부터 입력된 실 운영 데이터를 활용하여 오차 개선을 위한 모델 오차 최소화 알고리즘 구동을 통해 핵심 파라미터 값을 추정한다(S90). Next, the core parameter extraction unit (32) estimates the core parameter values by using the actual operation data input from the data preprocessing unit (20) and running a model error minimization algorithm for error improvement (S90).
핵심 파라미터 추출부(32)는 핵심 파라미터 추출과 입출력 데이터 입력 과정을 적용하여 핵심파라미터 값을 추정할 수 있다. The core parameter extraction unit (32) can estimate core parameter values by applying the core parameter extraction and input/output data input processes.
핵심 파라미터는 표 2에 나타낸 바와 같이 펌프 특성 테이블(KQT/KHT)과 펌프 정격 속도(K2)이다. The key parameters are the pump characteristic table (KQT/KHT) and the pump rated speed (K2) as shown in Table 2.
핵심 파라미터 값 추정에 활용된 모델 오차 최소화 알고리즘으로는 비선형 최소자승법(NLS: Nonlinear Least Squares), 유전자 알고리즘(GA: Genetic Algorithm), 입자 군집 기반 확률적 최적화 기법(PSO: Particle Swarm Optimization), 차등 진화 알고리즘(DE: Differential Evolution) 등 기법이 활용될 수 있으나, 특별히 한정되는 것은 아니다. Model error minimization algorithms used to estimate key parameter values include, but are not limited to, nonlinear least squares (NLS), genetic algorithms (GA), particle swarm optimization (PSO), and differential evolution algorithms (DE).
비선형 최소자승법은 알고리즘 특성상 초기 예측값이 필요하므로, K2_SIM, KHT_SIM, KQT_SIM와 같은 시뮬레이터 적용 파라미터를 초기 예측값으로 활용하였다.Since the nonlinear least squares method requires initial prediction values due to the nature of the algorithm, simulator application parameters such as K2_SIM, KHT_SIM, and KQT_SIM were used as initial prediction values.
핵심 파라미터 추출부(32)는 핵심 파라미터 값을 목적 함수를 활용하여 파라미터 벡터 β를 추정한다. 핵심 파라미터 추출부(32)는 목적 함수를 최소화하는 것을 목표로 핵심 파라미터 값을 추출한다. The core parameter extraction unit (32) estimates the parameter vector β by utilizing the core parameter values and the objective function. The core parameter extraction unit (32) extracts the core parameter values with the goal of minimizing the objective function.
목적함수는 모델 오차 최소화 알고리즘 적용을 위해 적용된다. 목적 함수는 아래의 수학식 13과 같이 정의된다. The objective function is applied to apply the model error minimization algorithm. The objective function is defined as in the mathematical expression 13 below.
여기서, Wwl,real plant는 펌프의 유출되는 질량 유량에 대한 실 운영 데이터이고, Wwl,simulator는 펌프의 유출되는 질량 유량에 대한 시뮬레이션 데이터이다. Here, W wl,real plant is the actual operating data for the discharged mass flow rate of the pump, and W wl,simulator is the simulation data for the discharged mass flow rate of the pump.
목적 함수는 예측하고자 하는 목적에 따라 수학식 14와 같이 유출되는 질량 유량(Wwl) 뿐만 아니라 유출되는 압력까지 고려하여 설정할 수 있으며, 다양한 형태로 변화시킬 수 있다.The objective function can be set by considering not only the mass flow rate (W wl ) but also the pressure flowing out, as in Equation 14, depending on the purpose to be predicted, and can be changed in various forms.
여기서, Pwl,real plant는 펌프의 유출되는 압력에 대한 실 운영 데이터이고, Pwl,simulator는 펌프의 유출되는 압력에 대한 시뮬레이션 데이터이다. Here, P wl,real plant is the actual operating data for the discharge pressure of the pump, and P wl,simulator is the simulation data for the discharge pressure of the pump.
이어, 핵심 파라미터 추출부(32)는 핵심 파라미터 값이 특성곡선의 단조(Monotonicity) 조건을 만족하는지 여부를 판단한다(S100). Next, the core parameter extraction unit (32) determines whether the core parameter value satisfies the monotonicity condition of the characteristic curve (S100).
단계 S100에서의 판단 결과, 핵심 파라미터 값이 특성곡선의 단조(Monotonicity)조건을 만족하지 않으면, 핵심 파라미터 추출부(32)는 핵심 파라미터 값의 단조조건 만족을 위한 핵심 파라미터 값의 범위를 조정한다(S110). As a result of the judgment in step S100, if the core parameter value does not satisfy the monotonicity condition of the characteristic curve, the core parameter extraction unit (32) adjusts the range of the core parameter value to satisfy the monotonicity condition of the core parameter value (S110).
이때, 핵심 파라미터 추출부(32)는 입력된 데이터를 활용하여 오차 개선을 위한 모델 오차 최소화 알고리즘을 재구동하여 핵심 파라미터 값을 추정한다(S90).At this time, the core parameter extraction unit (32) re-runs the model error minimization algorithm for error improvement using the input data to estimate the core parameter values (S90).
도 4 의 NLS Curve를 보면, 예측된 성능곡선이 단조감소(Monotonic decrease)하지 않는 현상을 확인할 수 있다. 기본적인 기계요소의 특성곡선은 단조 특성을 가져야 하며, 펌프와 팬 역시 단조조건을 만족시켜야 한다. 하지만, 현재의 알고리즘을 통한 결과는 이러한 조건을 만족시키지 못하고 있다.Looking at the NLS Curve in Fig. 4, we can see that the predicted performance curve does not monotonically decrease. The characteristic curves of basic machine elements should have monotonic characteristics, and the pump and fan should also satisfy the monotonic condition. However, the results from the current algorithm do not satisfy these conditions.
이에, 목적 함수를 최소화하는 특성곡선을 추정하는 과정에서 핵심 파라미터 값이 단조 조건을 위배하지 않도록, 핵심 파라미터 추출부(32)는 기 설정된 설정형태, 예컨대 사각형태의 범위를 도 5 와 같이 설정하였다.Accordingly, in order to prevent the key parameter values from violating the monotonic condition during the process of estimating the characteristic curve that minimizes the objective function, the key parameter extraction unit (32) sets the range to a preset setting shape, for example, a rectangular shape, as shown in Fig. 5.
도 5 를 참조하면, 핵심 파라미터 추출부(32)는 특성곡선상의 탐색 기준점(예시. A, B, C) 좌표 주변의 좌표 주변값을 고려하여 서로 침범하지 않는 사각형의 탐색 범위(수학식 15)를 설정한다. Referring to Fig. 5, the core parameter extraction unit (32) sets a search range (Mathematical Formula 15) of a rectangle that does not invade each other by considering the coordinate surrounding values of the coordinates of the search reference points (e.g. A, B, C) on the characteristic curve.
이에 따라, 탐색기준점들이 서로 탐색 범위를 침범하지 않게 되고, 특성곡선을 따라 이동하므로 단조조건 충족이 가능하게 된다. Accordingly, the search reference points do not invade each other's search range and move along the characteristic curve, making it possible to satisfy the monotonic condition.
도 5 의 특성곡선에서 처음과 마지막 점은 고정된 점이고, 나머지 중간에 있는 점(예시. A, B, C)가 추정되는 점이다.In the characteristic curve of Fig. 5, the first and last points are fixed points, and the remaining intermediate points (e.g. A, B, C) are estimated points.
이 경우, 핵심 파라미터 추출부(32)는 오차 개선을 위한 모델 오차 최소화 알고리즘을 활용하여 핵심 파라미터 값을 추정한다(S90).In this case, the core parameter extraction unit (32) estimates the core parameter values by utilizing a model error minimization algorithm for error improvement (S90).
핵심 파라미터인 펌프 특성 테이블(KQT/KHT)과 펌프 정격 속도(K2)를 추정하기 위해 도 6 의 발전소 보일러 급수펌프 A(BFP-A : Boiler Feedwater Pump A)의 실 공정 데이터를 입출력 데이터로 활용한 것을 예시로 설명한다. This is explained as an example of using the actual process data of the boiler feedwater pump A (BFP-A: Boiler Feedwater Pump A) of Fig. 6 as input/output data to estimate the key parameters, the pump characteristic table (KQT/KHT) and the pump rated speed (K2).
실 공정 데이터를 활용한 오차 최소화 기법 적용 결과 도 7 의 특성곡선과 표 3의 펌프 정격 속도 추정 결과를 얻을 수 있었다.As a result of applying the error minimization technique using real process data, the characteristic curve in Fig. 7 and the pump rated speed estimation results in Table 3 were obtained.
한편, 단계 S100에서의 판단 결과, 핵심 파라미터 값이 단조조건을 만족하면, 업데이트부(33)는 핵심 파라미터 값을 이용하여 공정모델을 업데이트한다(S120). 이에 따라, 실제 현장의 공정 기기와 유사한 상황이 구현될 수 있다. Meanwhile, if the judgment result in step S100 shows that the core parameter value satisfies the monotonic condition, the update unit (33) updates the process model using the core parameter value (S120). Accordingly, a situation similar to an actual process device in the field can be implemented.
한편, 상기한 바와 같이 핵심 파라미터 값이 단조조건을 만족하여 공정모델을 업데이트하면, 시뮬레이션 시스템(34)은 업데이트된 공정모델을 활용하여 시뮬레이션을 수행한다(S130). Meanwhile, when the core parameter values satisfy the monotonic condition as described above and the process model is updated, the simulation system (34) performs a simulation using the updated process model (S130).
도 7 과 표 3의 결과를 공정모델에 업데이트하고 시뮬레이션을 수행한 결과 도 8의 출력 데이터 결과와 표 4의 오차를 확인할 수 있었다.By updating the process model with the results of Fig. 7 and Table 3 and performing a simulation, we were able to confirm the output data results of Fig. 8 and the error of Table 4.
표 4의 Error Index1(%)와 Error Index2는 파라미터 추정 성능평가를 위한 평가지표로 수학식 16과 17로 표현된다. Error Index1(%) and Error Index2 in Table 4 are evaluation indices for parameter estimation performance evaluation and are expressed in mathematical expressions 16 and 17.
Error Index1(%)와 Error Index2는 모두 공정 출력값 예측 오차에 대한 RMS(Root Mean Square) 값이다.Error Index1(%) and Error Index2 are both RMS (Root Mean Square) values for the process output prediction error.
Error Index1은 오차값을 실제 공정의 출력값으로 나누어 정규화(Normalize)하여 백분율로 나타낸 것이다.Error Index1 is the error value normalized by dividing it by the actual process output value and expressed as a percentage.
Error Index1는 정규화된 평균제곱근 오차(Normailzed Root Mean Square Error : NRMSE)이며, 물리적 크기나 성질이 전혀 다른 대상에 대한 비교평가시에 사용될 수 있는 지표이다.Error Index1 is the Normalized Root Mean Square Error (NRMSE), which is an index that can be used when comparing and evaluating objects with completely different physical sizes or properties.
Error Index는 본질적으로 추정 값 또는 모델이 예측한 값과 실제 환경에서 관찰되는 값의 차이를 다룰 때 사용되는 척도인 평균제곱근 오차(Root Mean Square Error : RMSE)이며, 제어 시스템의 정확도의 평가에 사용될 수 있다. Error Index is essentially the Root Mean Square Error (RMSE), a measure used when dealing with the difference between the estimated value or the value predicted by the model and the value observed in the actual environment, and can be used to evaluate the accuracy of the control system.
각 발전소 구성 요소에 대한 일반적인 공정 예측 정확도는 Error Index2로 평가가 가능하며, 개별 구성 요소 사이의 공정예측 성능의 상대 우열을 평가하고자 할 때는 Error Index1로 평가할 수 있다.The general process prediction accuracy for each power plant component can be evaluated by Error Index2, and when evaluating the relative superiority of process prediction performance between individual components, it can be evaluated by Error Index1.
이어, 충실도 판별부(31)는 각 알고리즘별로 나타난 결과를 충실도 판별을 위해 오차 연산을 수행한다. Next, the fidelity determination unit (31) performs error calculations on the results displayed for each algorithm to determine fidelity.
즉, 충실도 판별부(31)는 비선형 최소자승법, 유전자 알고리즘, 입자 군집 기반 확률적 최적화 기법, 및 차등 진화 알고리즘별로 실 운영 데이터와 시뮬레이션 데이터 간의 오차를 검출한다(S140).That is, the fidelity determination unit (31) detects errors between actual operation data and simulation data by nonlinear least squares method, genetic algorithm, particle swarm-based probabilistic optimization technique, and differential evolution algorithm (S140).
이어, 충실도 판별부(31)는 이들 알고리즘 중 적어도 1개 이상 알고리즘 추정 결과, 즉 핵심 파라미터 값이 충실도 판별 기준을 만족하는지를 판별한다(S150). Next, the fidelity determination unit (31) determines whether at least one of these algorithms, the algorithm estimation result, i.e., the core parameter value, satisfies the fidelity determination criterion (S150).
이 경우, 충실도 판별부(31)는 Error Index1(%) 기준 0.5 미만, Error Index2 기준 0.4 미만과 같이 기 설정된 충실도 판별 기준을 결정한다. In this case, the fidelity judgment unit (31) determines a preset fidelity judgment criterion, such as less than 0.5 for Error Index1 (%) and less than 0.4 for Error Index2.
표 4의 오차 결과를 적용하면 DE와 PSO 알고리즘의 추정 결과가 기준을 만족하는 것을 확인할 수 있다. 1개 이상의 알고리즘 추정 결과가 충실도 판별 기준을 만족하였으므로 충실도 판별부(31)는 성능 분석을 통한 최적 핵심파라미터 값을 결정할 수 있다. Applying the error results in Table 4, it can be confirmed that the estimation results of the DE and PSO algorithms satisfy the criteria. Since one or more algorithm estimation results satisfy the fidelity determination criteria, the fidelity determination unit (31) can determine the optimal key parameter values through performance analysis.
한편, 단계 S150에서의 판별 결과, 적어도 1개 이상 알고리즘 추정 결과가 충실도 판별 기준을 만족하지 않으면, 단계 S30으로 리턴하여 그 이후의 과정을 수행한다.Meanwhile, if the determination result in step S150 shows that at least one algorithm estimation result does not satisfy the fidelity determination criterion, the process returns to step S30 and performs the process thereafter.
반면에, 1개 이상 알고리즘 추정 결과가 충실도 판별 기준을 만족하면, 충실도 판별부(31)는 알고리즘별 성능 분석, 예컨대 예측 결과의 일관성, 민감성, 연산 시간 등을 통해 해당 핵심 파라미터 값을 최적 핵심 파라미터 값으로 결정하여 적용한다(S160, S170). On the other hand, if one or more algorithm estimation results satisfy the fidelity determination criterion, the fidelity determination unit (31) determines and applies the corresponding key parameter values as the optimal key parameter values through performance analysis of each algorithm, such as consistency, sensitivity, and computation time of the prediction results (S160, S170).
이와 같이, 본 발명의 일 실시예에 따른 시뮬레이터 충실도 개선 방법은 발전소 실 운영 데이터를 연계하여 발전소 공정 기기들의 파라미터를 조정함으로써 발전소 운영 환경변화에 대응한 고 충실도의 시뮬레이터를 구현할 수 있다.In this way, a method for improving simulator fidelity according to one embodiment of the present invention can implement a high-fidelity simulator that responds to changes in the power plant operating environment by adjusting parameters of power plant process devices by linking actual power plant operation data.
또한, 본 발명의 일 실시예에 따른 시뮬레이터 충실도 개선 방법은 발전소 고장 진단 시스템의 개발 및 유지비용을 절감하고, 발전소 최적 운영과 정비 및 관리를 보다 효율적으로 수행할 수 있도록 지원한다. In addition, a method for improving simulator fidelity according to one embodiment of the present invention reduces development and maintenance costs of a power plant fault diagnosis system and supports more efficient performance of optimal operation, maintenance, and management of a power plant.
본 명세서에서 설명된 구현은, 예컨대, 방법 또는 프로세스, 장치, 소프트웨어 프로그램, 데이터 스트림 또는 신호로 구현될 수 있다. 단일 형태의 구현의 맥락에서만 논의(예컨대, 방법으로서만 논의)되었더라도, 논의된 특징의 구현은 또한 다른 형태(예컨대, 장치 또는 프로그램)로도 구현될 수 있다. 장치는 적절한 하드웨어, 소프트웨어 및 펌웨어 등으로 구현될 수 있다. 방법은, 예컨대, 컴퓨터, 마이크로프로세서, 집적 회로 또는 프로그래밍가능한 로직 디바이스 등을 포함하는 프로세싱 디바이스를 일반적으로 지칭하는 프로세서 등과 같은 장치에서 구현될 수 있다. 프로세서는 또한 최종-사용자 사이에 정보의 통신을 용이하게 하는 컴퓨터, 셀 폰, 휴대용/개인용 정보 단말기(personal digital assistant: "PDA") 및 다른 디바이스 등과 같은 통신 디바이스를 포함한다.The implementations described herein may be implemented, for example, as a method or process, an apparatus, a software program, a data stream or a signal. Even if discussed in the context of only a single form of implementation (e.g., discussed only as a method), the implementation of the discussed features may also be implemented in other forms (e.g., as an apparatus or a program). The apparatus may be implemented using suitable hardware, software, firmware, and the like. The method may be implemented in an apparatus such as a processor, which generally refers to a processing device including, for example, a computer, a microprocessor, an integrated circuit, or a programmable logic device. A processor also includes a communication device such as a computer, a cell phone, a personal digital assistant ("PDA"), and other devices that facilitate communication of information between end-users.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며 당해 기술이 속하는 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위에 의하여 정해져야할 것이다.Although the present invention has been described with reference to the embodiments shown in the drawings, these are merely exemplary, and those skilled in the art will understand that various modifications and equivalent other embodiments are possible from this. Accordingly, the true technical protection scope of the present invention should be determined by the following patent claims.
10: 실 운영 시스템 20: 데이터 전처리부
30: 공정모델 오차 처리부 31: 충실도 판별부
32: 핵심 파라미터 추출부 33: 업데이트부
34: 시뮬레이션 시스템 10: Real operating system 20: Data preprocessing unit
30: Process model error processing unit 31: Fidelity determination unit
32: Core parameter extraction section 33: Update section
34: Simulation System
Claims (12)
상기 시뮬레이터가 상기 충실도 판별 기준을 만족하는지 여부에 따라, 핵심 파라미터 추출부가 공정 기기의 공정모델의 핵심 파라미터 값을 추출하는 단계;
업데이트부가 상기 핵심 파라미터 값을 상기 공정모델에 적용하여 상기 공정모델을 업데이트하는 단계;
시뮬레이션 시스템이 상기 공정모델을 활용하여 시뮬레이션을 수행하는 단계; 및
상기 충실도 판별부가 상기 시뮬레이션 시스템의 시뮬레이션 수행 결과에 따라 최적 핵심 파라미터 값을 결정하는 단계를 포함하고,
상기 공정 기기의 공정모델의 핵심 파라미터 값을 추출하는 단계는, 상기 공정 기기를 발전소의 펌프와 팬으로 구분하는 단계; 및 상기 공정 기기가 상기 펌프인지 또는 상기 팬인지에 따라 목적 함수가 최소가 되도록 상기 핵심 파라미터 값을 추출하는 단계를 포함하며,
상기 공정 기기가 상기 펌프인지 또는 상기 팬인지에 따라 목적 함수가 최소가 되도록 상기 핵심 파라미터 값을 추출하는 단계는, 상기 핵심 파라미터 값이 단조조건을 만족하지 않으면 상기 핵심 파라미터 값을 재추정하는 단계를 더 포함하는 것을 특징으로 하는 시뮬레이터 충실도 개선 방법.A step in which a fidelity determination unit compares the actual operation data of an actual operation system with the simulation data, performs error calculation, and determines whether the simulator satisfies the preset fidelity determination criteria based on the error calculation result;
A step of extracting key parameter values of a process model of a process device by a key parameter extraction unit depending on whether the above simulator satisfies the above fidelity determination criterion;
A step of updating the process model by applying the above core parameter values to the process model;
A step in which the simulation system performs a simulation using the above process model; and
The above fidelity determination unit includes a step of determining an optimal key parameter value according to the simulation performance result of the simulation system,
The step of extracting the core parameter values of the process model of the above process equipment includes the step of dividing the process equipment into a pump and a fan of a power plant; and the step of extracting the core parameter values so that the objective function is minimized depending on whether the process equipment is the pump or the fan.
A method for improving simulator fidelity, characterized in that the step of extracting the key parameter values so that the objective function is minimized depending on whether the process device is the pump or the fan further includes the step of re-estimating the key parameter values if the key parameter values do not satisfy a monotonic condition.
상기 실 운영 데이터와 상기 시뮬레이션 데이터 간의 상기 오차 연산을 통해 상기 공정모델의 정확도를 산출하는 단계; 및
상기 공정모델의 정확도가 상기 충실도 판별 기준을 만족하는 지 여부를 판단하는 단계를 포함하는 것을 특징으로 하는 시뮬레이터 충실도 개선 방법. In the first paragraph, the step of determining whether the simulator satisfies the preset fidelity determination criterion is:
A step of calculating the accuracy of the process model through the error calculation between the actual operation data and the simulation data; and
A method for improving simulator fidelity, characterized by including a step of determining whether the accuracy of the above process model satisfies the fidelity determination criterion.
상기 열평형상태 연산에서는 상기 실 운영 데이터와 상기 시뮬레이션 데이터 간의 오차 범위를 토대로 판별하고,
상기 과도상태 연산에서는 과도상태에서의 시뮬레이션 데이터의 응동 방향과 기준 발전소에서의 데이터 응동 방향과의 일치 여부, 기준 발전소에서의 해당 알람 발생 여부, 해당 동작 발생 여부, 과도 응답 시간이 기준 발전소 응답 시간의 설정범위 이내인지 여부 중 적어도 하나를 토대로 판별하는 것을 특징으로 하는 시뮬레이터 충실도 개선 방법. In the second paragraph, the error operation includes at least one of a thermal equilibrium operation and a transient operation,
In the above thermal equilibrium state calculation, the error range between the actual operating data and the simulation data is determined based on the
A method for improving simulator fidelity, characterized in that, in the above transient state operation, it is determined based on at least one of whether the response direction of simulation data in the transient state matches the response direction of data at the reference power plant, whether a corresponding alarm occurs at the reference power plant, whether a corresponding operation occurs, and whether the transient response time is within the set range of the response time of the reference power plant.
상기 펌프인지 또는 상기 팬인지에 따라 핵심 파라미터를 추출하는 단계; 및
상기 실 운영 데이터를 활용하여 오차 개선을 위한 모델 오차 최소화 알고리즘 구동을 통해 상기 핵심 파라미터 값을 추정하는 단계를 포함하는 것을 특징으로 하는 시뮬레이터 충실도 개선 방법. In the first paragraph, the step of extracting the key parameter values so that the objective function is minimized depending on whether the process device is the pump or the fan is,
A step of extracting key parameters depending on whether it is the above pump or the above fan; and
A method for improving simulator fidelity, characterized by including a step of estimating the key parameter values by operating a model error minimization algorithm for error improvement by utilizing the above real operation data.
상기 펌프와 상기 팬 각각의 정격 속도와 특성곡선 중 적어도 하나를 포함하는 것을 특징으로 하는 시뮬레이터 충실도 개선 방법. In the fifth paragraph, the key parameter is
A method for improving simulator fidelity, characterized in that it includes at least one of the rated speed and characteristic curve of each of the pump and the fan.
비선형 최소자승법(NLS: Nonlinear Least Squares), 유전자 알고리즘(GA: Genetic Algorithm), 입자 군집 기반 확률적 최적화 기법(PSO: Particle Swarm Optimization), 차등 진화 알고리즘(DE: Differential Evolution) 중 적어도 하나를 포함하는 것을 특징으로 하는 시뮬레이터 충실도 개선 방법. In the fifth paragraph, the model error minimization algorithm,
A method for improving simulator fidelity, characterized by including at least one of a nonlinear least squares (NLS) method, a genetic algorithm (GA), a particle swarm optimization (PSO) based stochastic optimization technique, and a differential evolution algorithm (DE).
상기 핵심 파라미터 값이 상기 단조조건을 만족하는지를 판단하는 단계;
상기 핵심 파라미터 값이 상기 단조조건을 만족하지 않으면, 상기 핵심 파라미터 값이 상기 단조조건을 만족하도록 상기 핵심 파라미터 값의 범위를 조정하는 단계; 및
상기 핵심 파라미터 값의 범위를 조정한 후 상기 모델 오차 최소화 알고리즘 구동을 통해 상기 핵심 파라미터 값을 추정하는 단계를 포함하는 것을 특징으로 하는 시뮬레이터 충실도 개선 방법. In the fifth paragraph, if the core parameter value does not satisfy the monotonic condition, the step of re-estimating the core parameter value is:
A step of determining whether the above core parameter values satisfy the above monotonic condition;
If the above core parameter value does not satisfy the above monotonic condition, a step of adjusting the range of the above core parameter value so that the above core parameter value satisfies the above monotonic condition; and
A method for improving simulator fidelity, characterized by including a step of estimating the key parameter values by operating the model error minimization algorithm after adjusting the range of the key parameter values.
상기 목적 함수를 최소화하는 특성곡선상의 탐색 기준점 좌표 주변의 좌표 주변값을 고려하여 서로 침범하지 않는 탐색 범위를 설정하는 것을 특징으로 하는 시뮬레이터 충실도 개선 방법. In the 9th paragraph, the step of adjusting the range of the core parameter value so that the core parameter value satisfies the monotonic condition is,
A method for improving simulator fidelity, characterized in that it sets a search range that does not invade each other by considering the coordinate surrounding values around the search reference point coordinates on the characteristic curve that minimizes the above objective function.
기 설정된 모델 오차 최소화 알고리즘별로 상기 실 운영 데이터와 상기 시뮬레이션 데이터 간의 오차 연산을 수행하여 상기 핵심 파라미터 값을 검출하고, 상기 핵심 파라미터 값이 상기 충실도 판별 기준을 만족하는지 판단하는 단계; 및
상기 핵심 파라미터 값이 상기 충실도 판별 기준을 만족하는지에 따라 상기 핵심 파라미터 값을 상기 최적 핵심 파라미터 값으로 결정하는 단계를 포함하는 것을 특징으로 하는 시뮬레이터 충실도 개선 방법. In the first paragraph, the step of determining the optimal key parameter value according to the simulation performance result of the simulation system is as follows.
A step of detecting the key parameter values by performing error calculations between the actual operation data and the simulation data according to a preset model error minimization algorithm, and determining whether the key parameter values satisfy the fidelity determination criteria; and
A method for improving simulator fidelity, characterized by comprising a step of determining the core parameter value as the optimal core parameter value based on whether the core parameter value satisfies the fidelity determination criterion.
비선형 최소자승법(NLS: Nonlinear Least Squares), 유전자 알고리즘(GA: Genetic Algorithm), 입자 군집 기반 확률적 최적화 기법(PSO: Particle Swarm Optimization), 차등 진화 알고리즘(DE: Differential Evolution) 중 적어도 하나를 포함하는 것을 특징으로 하는 시뮬레이터 충실도 개선 방법. In the 11th paragraph, the model error minimization algorithm
A method for improving simulator fidelity, characterized by including at least one of a nonlinear least squares (NLS) method, a genetic algorithm (GA), a particle swarm optimization (PSO) based stochastic optimization technique, and a differential evolution algorithm (DE).
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210108785A KR102807059B1 (en) | 2021-08-18 | 2021-08-18 | Method for improving fidelity of simulator |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210108785A KR102807059B1 (en) | 2021-08-18 | 2021-08-18 | Method for improving fidelity of simulator |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230026770A KR20230026770A (en) | 2023-02-27 |
| KR102807059B1 true KR102807059B1 (en) | 2025-05-15 |
Family
ID=85329501
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210108785A Active KR102807059B1 (en) | 2021-08-18 | 2021-08-18 | Method for improving fidelity of simulator |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102807059B1 (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120041742A1 (en) | 2010-08-12 | 2012-02-16 | International Business Machines Corporation | Dynamically Adjusting Simulation Fidelity Based on Changes in Activity Levels of Components |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100920604B1 (en) * | 2007-08-20 | 2009-10-08 | 주식회사 삼안 | Optimal generation simulation operation control system and method of tidal power plant |
| KR101837653B1 (en) * | 2011-09-30 | 2018-03-13 | 한국전력공사 | Power plant simulator |
| WO2018138880A1 (en) * | 2017-01-27 | 2018-08-02 | 三菱日立パワーシステムズ株式会社 | Model parameter value estimation device and estimation method, program, recording medium with program recorded thereto, and model parameter value estimation system |
-
2021
- 2021-08-18 KR KR1020210108785A patent/KR102807059B1/en active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120041742A1 (en) | 2010-08-12 | 2012-02-16 | International Business Machines Corporation | Dynamically Adjusting Simulation Fidelity Based on Changes in Activity Levels of Components |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230026770A (en) | 2023-02-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106773666B (en) | Model parameter obtaining method for pressurized water reactor primary circuit system | |
| CN108647428B (en) | Turbofan engine adaptive component level simulation model construction method | |
| Kim | A new performance adaptation method for aero gas turbine engines based on large amounts of measured data | |
| CN103489032B (en) | Aerial engine air passage parts Gernral Check-up method based on particle filter | |
| CN108829928A (en) | A kind of turboshaft engine self-adaptive component grade simulation model construction method | |
| CN111581821B (en) | Heating unit peak regulation capacity determining method based on actually measured performance parameters | |
| CN113011039B (en) | A heavy-duty gas turbine control system verification platform and verification method | |
| CN111142381B (en) | Control-oriented NCB type steam turbine heating system composite dynamic modeling method | |
| JP2002501584A (en) | Estimation method of blade temperature in steam turbine | |
| CN107239606A (en) | A kind of Sensitivity Analysis Method for presurized water reactor system dynamic model parameter evaluation | |
| CN109002741B (en) | A method and system for simulating power transfer between primary and secondary circuit systems of a pressurized water reactor nuclear power unit | |
| CN118030207A (en) | State monitoring method and system of gas turbine | |
| Huang et al. | Gas path deterioration observation based on stochastic dynamics for reliability assessment of aeroengines | |
| CN117454582A (en) | A system-level twin model initialization method combining mechanism and optimization algorithm | |
| KR102807059B1 (en) | Method for improving fidelity of simulator | |
| Yoon et al. | Analysis of performance deterioration of a micro gas turbine and the use of neural network for predicting deteriorated component characteristics | |
| CN115795661A (en) | Steam turbine dynamic response modeling method and system considering energy storage effect of regenerative system | |
| Zaccaria et al. | A model-based solution for gas turbine diagnostics: Simulations and experimental verification | |
| CN102967393B (en) | Supercritical unit boiler separator outlet temperature on-line calibration method | |
| Bettocchi et al. | Set up of a robust neural network for gas turbine simulation | |
| CN118939963A (en) | A method for correcting gas turbine maintenance cycle based on online fault diagnosis | |
| CN116257943B (en) | A method for simulating pressure parameters of nuclear power steam turbine | |
| Zaccaria et al. | Adaptive control of micro gas turbine for engine degradation compensation | |
| CN113312800B (en) | Data simulation method for power station industrial control safety target range | |
| Tsoutsanis et al. | Performance assessment of classical and fractional controllers for transient operation of gas turbine engines |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20210818 |
|
| PA0201 | Request for examination |
Patent event code: PA02012R01D Patent event date: 20210824 Comment text: Request for Examination of Application Patent event code: PA02011R01I Patent event date: 20210818 Comment text: Patent Application |
|
| PG1501 | Laying open of application | ||
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20240108 Patent event code: PE09021S01D |
|
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20240919 Patent event code: PE09021S01D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20250307 |
|
| PG1601 | Publication of registration |