본 발명은 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템에 관한 것이다. 더욱 상세하게는 최적의 연소효율을 유지하기 위해서 연소가스 계통에 하드웨어 분석기를 설치하여 O2, CO의 농도를 실시간 측정하여 연소용 공기 주입량을 관리하되, 가상센서를 이용하여 분석기의 고장여부를 감시하고, 고장일 경우에는 가상센서의 예측값을 단말기로 출력하는, 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템에 관한 것이다.The present invention relates to a combustion gas measuring device monitoring system through virtual sensor duplication in a hot rolling furnace. More specifically, in order to maintain optimal combustion efficiency, a hardware analyzer is installed in the combustion gas system to measure the concentration of O2 and CO in real time to manage the amount of combustion air injection, and a virtual sensor is used to monitor the analyzer for failure. , This relates to a combustion gas measurement device monitoring system through virtual sensor duplication in a hot rolling furnace that outputs the predicted value of the virtual sensor to a terminal in case of a failure.
정부는 온실가스 감축 및 기후위기 적응대책을 강화하여 2018년 대비 국가 온실가스 배출량을 40% 감축하는 2030년 중장기 국가 온실가스 감축 목표(NDC)를 수립하였고, 2050년까지 탄소 중립을 달성하기로 하였다.The government strengthened greenhouse gas reduction and climate crisis adaptation measures and established a mid- to long-term national greenhouse gas reduction target (NDC) for 2030 to reduce national greenhouse gas emissions by 40% compared to 2018, and decided to achieve carbon neutrality by 2050. .
우리나라 철강 기업들도 2050 탄소 중립 공동 선언문을 발표하였고, 이를 달성하기 위해 다양한 대책을 강구하고 있다.Korean steel companies also announced a joint declaration of 2050 carbon neutrality and are taking various measures to achieve this.
일관제철소에서 발생하는 이산화탄소는 환원 과정에서 80%, 에너지 소모 과정에서 20% 발생한다. 탄소 중립을 위해서는 '수소 환원 제철' 등과 같은 신공정 개발을 통해 환원 과정에서 감축하는 것이 중요하지만, 연소 과정에서 배출하는 이산화탄소도 지속적으로 저감하여야 한다.80% of the carbon dioxide generated from integrated steel mills comes from the reduction process and 20% from the energy consumption process. For carbon neutrality, it is important to reduce carbon dioxide emissions in the reduction process through the development of new processes such as 'hydrogen reduction steelmaking', but carbon dioxide emissions from the combustion process must also be continuously reduced.
가열로나 보일러 등의 연소설비가 운전 중에 배출하는 온실가스는 연소효율과 직접 관련된다. 연소효율은 연소용 공기 주입량에 의해 결정되는데, 연소용 공기를 적정량보다 많이 주입하면 연소가스 배출량이 많아져 연소효율이 저하되고, 연소용 공기를 적정량보다 적게 주입하면 불완전 연소가 발생하여 이때도 연소효율이 저하된다.Greenhouse gases emitted during operation of combustion equipment such as heating furnaces or boilers are directly related to combustion efficiency. Combustion efficiency is determined by the amount of combustion air injected. If more combustion air is injected than the appropriate amount, combustion gas emissions increase and combustion efficiency decreases, and if less combustion air is injected than the appropriate amount, incomplete combustion occurs, which also causes combustion. Efficiency decreases.
두가지 경우 모두 연료 사용량이 증가하고, CO2의 배출량이 증가한다.In both cases, fuel usage increases and CO2 emissions increase.
최고의 연소효율을 달성하기 위해서는 적정량의 공기를 주입해야 하는데, 도 1과 같이 배기가스의 O2와 CO에 의해 결정된다.In order to achieve the highest combustion efficiency, an appropriate amount of air must be injected, which is determined by the O2 and CO of the exhaust gas, as shown in Figure 1.
최적의 연소효율을 유지하기 위해서 연소가스 계통에 하드웨어 분석기를 설치하여 O2, CO의 농도를 실시간 측정하여 연소용 공기 주입량을 관리하여야 한다.In order to maintain optimal combustion efficiency, a hardware analyzer must be installed in the combustion gas system to measure the concentration of O2 and CO in real time to manage the amount of combustion air injection.
종래에는 시료 채취 방식의 지르코늄 분석기를 주로 사용하였는데, 국소값 측정과 느린 응답속도의 단점이 있었다.Previously, zirconium analyzers using the sampling method were mainly used, but they had the disadvantages of measuring local values and slow response speed.
최근에는 TDLS(Tunable Laser Diode Spectroscopy) 분석기가 많이 사용되는데 적외선 영역의 레이저를 이용하여 측정하므로 반응속도가 빠르고, 시스템 수명이 길다.Recently, TDLS (Tunable Laser Diode Spectroscopy) analyzer has been widely used, and since it measures using a laser in the infrared region, it has a fast response speed and a long system lifespan.
이러한 TDLS 분석기는 다른 분석기보다는 신뢰성이 높지만, 여전히 고장의 개연성이 존재하고 지속적인 유지보수가 필요하고, 가격이 고가이다.Although these TDLS analyzers are more reliable than other analyzers, there is still a possibility of failure, continuous maintenance is required, and the price is high.
본 발명이 이루고자 하는 기술적 과제는 종래의 불편한 점을 개선하고자 하는 것으로, 최적의 연소효율을 유지하기 위해서 연소가스 계통에 하드웨어 분석기를 설치하여 O2, CO의 농도를 실시간 측정하여 연소용 공기 주입량을 관리하되, 가상센서를 이용하여 분석기의 고장여부를 감시하고, 고장일 경우에는 가상센서의 예측값을 단말기로 출력하는, 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템을 제공하는 것이다.The technical task to be achieved by the present invention is to improve the inconveniences of the prior art. In order to maintain optimal combustion efficiency, a hardware analyzer is installed in the combustion gas system to measure the concentration of O2 and CO in real time to manage the amount of air injection for combustion. However, it provides a combustion gas measurement device monitoring system through virtual sensor duplication in a hot rolling furnace that monitors whether the analyzer is broken using a virtual sensor and, in case of a malfunction, outputs the predicted value of the virtual sensor to the terminal.
이러한 과제를 해결하기 위한 본 발명의 특징에 따른 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템은,To solve these problems, the combustion gas measuring device monitoring system through virtual sensor duplication in a hot rolling furnace according to the characteristics of the present invention is,
제철소 가열로에 설치된 적어도 하나의 산소 분석기 및 일산화탄소 분석기의 농도정보를 수신하고, 상기 산소 분석기 및 일산화탄소 분석기의 고장여부를 판단하고, 고장여부에 따라 상기 산소 분석기 및 일산화탄소 분석기의 출력값 또는 예측값을 단말기로 출력하는, 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템으로서,Receive concentration information from at least one oxygen analyzer and carbon monoxide analyzer installed in a steel mill heating furnace, determine whether the oxygen analyzer and carbon monoxide analyzer are broken, and send output or predicted values of the oxygen analyzer and carbon monoxide analyzer to the terminal depending on whether the oxygen analyzer or carbon monoxide analyzer is broken. A combustion gas measurement device monitoring system through dual virtual sensors in a hot rolling furnace that outputs,
상기 산소 분석기 및 일산화탄소 분석기에서 출력되는 농도 정보를 수신하는 농도 정보 수신부;a concentration information receiver that receives concentration information output from the oxygen analyzer and the carbon monoxide analyzer;
상기 제철소 가열로의 연료 유량, 공기 투입량, 제품의 온도 및 압력을 포함한 운전 데이터를 수신하는 운전 데이터 수신부;An operation data receiver that receives operation data including fuel flow rate, air input amount, and product temperature and pressure of the steel mill heating furnace;
상기 운전데이터를 이용하여 산소 농도를 예측하여 출력하는 산소 가상 센서부;An oxygen virtual sensor unit that predicts and outputs oxygen concentration using the operation data;
상기 운전데이터를 이용하여 일산화탄소 농도를 예측하여 출력하는 일산화탄소 가상 센서부;A carbon monoxide virtual sensor unit that predicts and outputs carbon monoxide concentration using the operation data;
상기 농도정보 수신부에서 수신된 산소 농도 및 일산화탄소 농도와 상기 산소 가상 센서부 및 일산화탄소 가상 센서부에서 수신되는 예측된 산소농도 및 예측된 일산화탄소 농도를 각각 비교하고, 상기 산소 분석기 및 일산화탄소 분석기의 고장여부를 판단하고, 고장이라고 판단되는 경우 상기 예측된 산소농도 및 예측된 일산화탄소 농도를 상기 단말기로 출력하도록 제어하는 제어부;Compare the oxygen concentration and carbon monoxide concentration received from the concentration information receiver with the predicted oxygen concentration and predicted carbon monoxide concentration received from the oxygen virtual sensor unit and the carbon monoxide virtual sensor unit, respectively, and determine whether the oxygen analyzer and the carbon monoxide analyzer are broken. a control unit that determines and controls to output the predicted oxygen concentration and the predicted carbon monoxide concentration to the terminal if it is determined that there is a failure;
상기 제어부의 제어에 따라 정보를 단말기로 출력하는 송신부를 포함한다.It includes a transmitter that outputs information to the terminal under the control of the controller.
상기 제어부는 상기 산소 분석기 및 일산화탄소 분석기가 고장이 아니라고 판단되는 경우, 상기 농도정보 수신부에서 수신된 산소 농도 및 일산화탄소 농도를 상기 단말기로 출력하도록 제어한다.If it is determined that the oxygen analyzer and the carbon monoxide analyzer are not malfunctioning, the control unit controls the oxygen concentration and carbon monoxide concentration received from the concentration information receiver to be output to the terminal.
상기 제어부는 상기 농도정보 수신부에서 수신된 산소 농도가 상기 산소 가상 센서부에서 수신되는 예측된 산소농도의 표준편차값의 3배 이상인 경우, 상기 산소 분석기의 고장으로 판단한다.The control unit determines that the oxygen analyzer is broken when the oxygen concentration received from the concentration information receiving unit is three times or more than the standard deviation value of the predicted oxygen concentration received from the oxygen virtual sensor unit.
상기 제어부는 상기 농도정보 수신부에서 수신된 일산화탄소 농도가 상기 일산화탄소 가상 센서부에서 수신되는 예측된 일산화탄소 농도의 표준편차값의 3배 이상인 경우, 상기 일산화탄소 분석기의 고장으로 판단한다.The control unit determines that the carbon monoxide analyzer is broken when the carbon monoxide concentration received from the concentration information receiving unit is three times or more than the standard deviation value of the predicted carbon monoxide concentration received from the carbon monoxide virtual sensor unit.
본 발명의 실시예에서는, 최적의 연소효율을 유지하기 위해서 연소가스 계통에 하드웨어 분석기를 설치하여 O2, CO의 농도를 실시간 측정하여 연소용 공기 주입량을 관리하되, 가상센서를 이용하여 분석기의 고장여부를 감시하고, 고장일 경우에는 가상센서의 예측값을 단말기로 출력하는, 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템을 제공할 수 있다.In an embodiment of the present invention, in order to maintain optimal combustion efficiency, a hardware analyzer is installed in the combustion gas system to measure the concentration of O2 and CO in real time to manage the amount of combustion air injection, and a virtual sensor is used to determine whether the analyzer is broken. It is possible to provide a combustion gas measurement device monitoring system through virtual sensor duplication in a hot rolling furnace that monitors and outputs the predicted value of the virtual sensor to the terminal in case of a failure.
도 1은 일반적인 최적연소효율을 위한 과잉 공기 범위를 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템의 구성도이다.
도 3은 본 발명의 실시예에 따른 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템에서 연소가스 분석기 및 가상센서의 위치의 예를 보인 도면이다.
도 4는 본 발명의 실시예에 따른 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템에서 적용되는 머신러닝알고리즘의 예를 보인 도면이다.
도 5는 본 발명의 실시예에 따른 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템의 존3 산소의 시계열 추이를 나타낸 도면이다.
도 6은 본 발명의 실시예에 따른 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템의 스택 산소의 시계열추이를 나타낸 도면이다.
도 7은 본 발명의 실시예에 따른 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템에서 슬라브의 장입도어의 예를 나타낸 도면이다.
도 8은 본 발명의 실시예에 따른 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템에서 모니터링용 화면의 예를 나타낸 도면이다.Figure 1 is a diagram showing the excess air range for general optimal combustion efficiency.
Figure 2 is a configuration diagram of a combustion gas measuring device monitoring system through virtual sensor duplication in a hot rolling furnace according to an embodiment of the present invention.
Figure 3 is a diagram showing an example of the positions of a combustion gas analyzer and a virtual sensor in a combustion gas measuring device monitoring system through virtual sensor duplication in a hot rolling furnace according to an embodiment of the present invention.
Figure 4 is a diagram showing an example of a machine learning algorithm applied in a combustion gas measuring device monitoring system through virtual sensor duplication in a hot rolling furnace according to an embodiment of the present invention.
Figure 5 is a diagram showing the time series trend of zone 3 oxygen of the combustion gas measuring device monitoring system through virtual sensor duplication in a hot rolling furnace according to an embodiment of the present invention.
Figure 6 is a diagram showing the time series trend of stack oxygen in the combustion gas measuring device monitoring system through virtual sensor duplication in a hot rolling furnace according to an embodiment of the present invention.
Figure 7 is a diagram showing an example of a slab charging door in a combustion gas measuring device monitoring system through virtual sensor duplication in a hot rolling furnace according to an embodiment of the present invention.
Figure 8 is a diagram showing an example of a monitoring screen in a combustion gas measuring device monitoring system through virtual sensor duplication in a hot rolling furnace according to an embodiment of the present invention.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Below, with reference to the attached drawings, embodiments of the present invention will be described in detail so that those skilled in the art can easily implement the present invention. However, the present invention may be implemented in many different forms and is not limited to the embodiments described herein. In order to clearly explain the present invention in the drawings, parts unrelated to the description are omitted, and similar parts are given similar reference numerals throughout the specification.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.Throughout the specification, when a part is said to “include” a certain element, this means that it may further include other elements rather than excluding other elements, unless specifically stated to the contrary.
본 발명에서는 TDLS 분석기 고장을 감시하고, 고장 시에 백업하는 분석기의 이중화 용도로서 가상센서를 제안한다.The present invention proposes a virtual sensor for monitoring TDLS analyzer failures and for redundant analyzer backup in case of failure.
배기가스 가상센서는 연료 유량, 공기 투입량, 제품의 온도, 압력 등 운전 데이터를 이용하여 연소가스 성분의 농도를 예측하는 소프트웨어 센서이다.The exhaust gas virtual sensor is a software sensor that predicts the concentration of combustion gas components using operating data such as fuel flow rate, air input amount, product temperature, and pressure.
미국과 유럽에서는 굴뚝에서 배출하는 대기오염물질을 측정하여 환경 당국(EPA) 전송하는 하드웨어 분석 시스템인 CEMS(Continuous Emission Monitoring System)와 함께 소프트웨어 분석 시스템인 PEMS (Predictive Emission Monitoring System)도 법적으로 인정하고 있다.In the United States and Europe, the Continuous Emission Monitoring System (CEMS), a hardware analysis system that measures air pollutants emitted from chimneys and transmits them to the Environmental Protection Agency (EPA), and the Predictive Emission Monitoring System (PEMS), a software analysis system, are legally recognized. there is.
CEMS의 분석기에 대응하는 것이 PEMS의 가상센서이다. 본 발명에서는 PEMS 가상센서를 이용하여 제철소 가열로의 내부에 설치된 TDLS 분석기의 이중화를 통해 최적의 연소효율을 유지함으로써 제철소에서 발생하는 온실가스 저감에 기여하고자 한다.The virtual sensor of PEMS corresponds to the analyzer of CEMS. The present invention aims to contribute to reducing greenhouse gases generated in steel mills by maintaining optimal combustion efficiency through duplication of TDLS analyzers installed inside the steel mill heating furnace using a PEMS virtual sensor.
도 2는 본 발명의 실시예에 따른 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템의 구성도이다.Figure 2 is a configuration diagram of a combustion gas measuring device monitoring system through virtual sensor duplication in a hot rolling furnace according to an embodiment of the present invention.
도 2를 참조하면, 본 발명의 실시예에 따른 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템은,Referring to Figure 2, the combustion gas measuring device monitoring system through virtual sensor duplication in a hot rolling furnace according to an embodiment of the present invention,
제철소(200) 가열로에 설치된 적어도 하나의 산소 분석기(210) 및 일산화탄소 분석기(220)의 농도정보를 수신하고, 상기 산소 분석기(210) 및 일산화탄소 분석기(220)의 고장여부를 판단하고, 고장여부에 따라 상기 산소 분석기(210) 및 일산화탄소 분석기(220)의 출력값 또는 예측값을 단말기(300)로 출력하는, 가상센서를 이용한 제철소(200) 가열로의 연소가스 분석기 고장 감시 시스템으로서,Receives concentration information from at least one oxygen analyzer 210 and carbon monoxide analyzer 220 installed in the heating furnace of the steel mill 200, determines whether the oxygen analyzer 210 and carbon monoxide analyzer 220 are broken, and determines whether the oxygen analyzer 210 and the carbon monoxide analyzer 220 are broken. A system for monitoring the failure of a combustion gas analyzer in a heating furnace of a steel mill (200) using a virtual sensor, which outputs the output values or predicted values of the oxygen analyzer (210) and the carbon monoxide analyzer (220) to the terminal (300) according to the system,
상기 산소 분석기(210) 및 일산화탄소 분석기(220)에서 출력되는 농도 정보를 수신하는 농도 정보 수신부(110);a concentration information receiver 110 that receives concentration information output from the oxygen analyzer 210 and the carbon monoxide analyzer 220;
상기 제철소(200) 가열로의 연료 유량, 공기 투입량, 제품의 온도 및 압력을 포함한 운전 데이터를 수신하는 운전 데이터 수신부(120);An operation data receiver 120 that receives operation data including fuel flow rate, air input amount, and product temperature and pressure of the heating furnace of the steel mill 200;
상기 운전데이터를 이용하여 산소 농도를 예측하여 출력하는 산소 가상 센서부(130);An oxygen virtual sensor unit 130 that predicts and outputs oxygen concentration using the operation data;
상기 운전데이터를 이용하여 일산화탄소 농도를 예측하여 출력하는 일산화탄소 가상 센서부(140);A carbon monoxide virtual sensor unit 140 that predicts and outputs carbon monoxide concentration using the operation data;
상기 농도정보 수신부에서 수신된 산소 농도 및 일산화탄소 농도와 상기 산소 가상 센서부(130) 및 일산화탄소 가상 센서부(140)에서 수신되는 예측된 산소농도 및 예측된 일산화탄소 농도를 각각 비교하고, 상기 산소 분석기(210) 및 일산화탄소 분석기(220)의 고장여부를 판단하고, 고장이라고 판단되는 경우 상기 예측된 산소농도 및 예측된 일산화탄소 농도를 상기 단말기(300)로 출력하도록 제어하는 제어부(150);The oxygen concentration and carbon monoxide concentration received from the concentration information receiving unit are compared with the predicted oxygen concentration and predicted carbon monoxide concentration received from the oxygen virtual sensor unit 130 and the carbon monoxide virtual sensor unit 140, respectively, and the oxygen analyzer ( 210) and a control unit 150 that determines whether the carbon monoxide analyzer 220 is broken and, if determined to be broken, outputs the predicted oxygen concentration and the predicted carbon monoxide concentration to the terminal 300;
상기 제어부(150)의 제어에 따라 정보를 단말기(300)로 출력하는 송신부(160)를 포함한다.It includes a transmission unit 160 that outputs information to the terminal 300 under the control of the control unit 150.
이러한 구성을 가진 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템의 동작은 다음과 같다.The operation of the combustion gas measuring device monitoring system through virtual sensor duplication in a hot rolling furnace with this configuration is as follows.
먼저, 제철소(200) 가열로 내에 위치한 적어도 하나의 산소 분석기(210) 및 일산화탄소 분석기(220)에서 농도 정보가 각각 출력되고, 농도 정보 수신부(110)는 산소 및 일산화 탄소 농도 정보를 수신한다.First, concentration information is output from at least one oxygen analyzer 210 and carbon monoxide analyzer 220 located in the heating furnace of the steel mill 200, and the concentration information receiver 110 receives the oxygen and carbon monoxide concentration information.
또한, 운전 데이터 수신부(120)는 상기 제철소(200) 가열로의 각 센서 또는 센서 장치(230)로 부터 연료 유량, 공기 투입량, 제품의 온도 및 압력을 포함한 운전 데이터를 수신한다.Additionally, the operation data receiver 120 receives operation data including fuel flow rate, air input amount, and product temperature and pressure from each sensor or sensor device 230 of the heating furnace of the steel mill 200.
그리고 나서, 산소 가상 센서부(130)는 상기 운전데이터를 이용하여 산소 농도를 예측하여 출력한다.Then, the oxygen virtual sensor unit 130 predicts the oxygen concentration using the operation data and outputs it.
또한, 일산화탄소 가상 센서부(140)는 상기 운전데이터를 이용하여 일산화탄소 농도를 예측하여 출력한다.Additionally, the carbon monoxide virtual sensor unit 140 uses the operation data to predict the carbon monoxide concentration and outputs it.
그러면, 제어부(150)는 상기 농도정보 수신부에서 수신된 산소 농도 및 일산화탄소 농도와 상기 산소 가상 센서부(130) 및 일산화탄소 가상 센서부(140)에서 수신되는 예측된 산소농도 및 예측된 일산화탄소 농도를 각각 비교하고, 상기 산소 분석기(210) 및 일산화탄소 분석기(220)의 고장여부를 판단하고, 고장이라고 판단되는 경우 상기 예측된 산소농도 및 예측된 일산화탄소 농도를 상기 단말기(300)로 출력하도록 제어한다.Then, the control unit 150 calculates the oxygen concentration and carbon monoxide concentration received from the concentration information receiving unit and the predicted oxygen concentration and predicted carbon monoxide concentration received from the oxygen virtual sensor unit 130 and the carbon monoxide virtual sensor unit 140, respectively. After comparing, it is determined whether the oxygen analyzer 210 and the carbon monoxide analyzer 220 are broken, and if it is determined to be broken, the predicted oxygen concentration and the predicted carbon monoxide concentration are controlled to be output to the terminal 300.
이때, 상기 제어부(150)는 상기 산소 분석기(210) 및 일산화탄소 분석기(220)가 고장이 아니라고 판단되는 경우, 상기 농도정보 수신부에서 수신된 산소 농도 및 일산화탄소 농도를 상기 단말기(300)로 출력하도록 제어한다.At this time, if the control unit 150 determines that the oxygen analyzer 210 and the carbon monoxide analyzer 220 are not malfunctioning, the control unit 150 controls to output the oxygen concentration and carbon monoxide concentration received from the concentration information receiving unit to the terminal 300. do.
특히, 상기 제어부(150)는 상기 농도정보 수신부에서 수신된 산소 농도가 상기 산소 가상 센서부(130)에서 수신되는 예측된 산소농도의 표준편차값의 3배 이상인 경우, 상기 산소 분석기(210)의 고장으로 판단한다.In particular, the control unit 150 controls the oxygen analyzer 210 when the oxygen concentration received from the concentration information receiver is three times or more than the standard deviation value of the predicted oxygen concentration received from the oxygen virtual sensor unit 130. It is judged to be a malfunction.
또한, 상기 제어부(150)는 상기 농도정보 수신부에서 수신된 일산화탄소 농도가 상기 일산화탄소 가상 센서부(140)에서 수신되는 예측된 일산화탄소 농도의 표준편차값의 3배 이상인 경우, 상기 일산화탄소 분석기(220)의 고장으로 판단한다.In addition, the control unit 150 controls the carbon monoxide analyzer 220 when the carbon monoxide concentration received from the concentration information receiving unit is three times or more than the standard deviation value of the predicted carbon monoxide concentration received from the carbon monoxide virtual sensor unit 140. It is judged to be a malfunction.
그러면 송신부(160)는 상기 제어부(150)의 제어에 따라 정보를 단말기(300)로 출력하고 단말기(300)는 정보를 모니터에 표시한다.Then, the transmitter 160 outputs information to the terminal 300 under the control of the control unit 150, and the terminal 300 displays the information on the monitor.
이하에서는 상기 동작 과정을 좀 더 상세히 설명한다.Below, the operation process will be described in more detail.
도 3은 본 발명의 실시예에 따른 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템에서 연소가스 분석기 및 가상센서의 위치의 예를 보인 도면이다.Figure 3 is a diagram showing an example of the positions of a combustion gas analyzer and a virtual sensor in a combustion gas measuring device monitoring system through virtual sensor duplication in a hot rolling furnace according to an embodiment of the present invention.
제철소(200)의 주조 공정에서 생산된 슬라브(slab)는 열연 공정에서 일정한 두께의 롤 형태의 철강제품으로 가공된다Slabs produced in the casting process of the steel mill 200 are processed into roll-shaped steel products of a certain thickness in the hot rolling process.
열연 공장의 가열로에 공급된 슬라브는 예열대, 가열대, 균열대를 거치면서 일정 온도까지 가열된다.Slabs supplied to the heating furnace of a hot rolling mill are heated to a certain temperature while passing through a preheating zone, a heating zone, and a cracking zone.
강판의 재질에 따라 일정 온도로 가열되는데, 연료는 각 대의 상부와 하부의 가스 버너를 통해 연소용 공기와 함께 공급된다.It is heated to a certain temperature depending on the material of the steel plate, and fuel is supplied along with combustion air through gas burners at the top and bottom of each unit.
가열로 내의 TDLS 연소가스 분석기는 도 2와 같이 4곳에 5기(O2 4기, CO 1기)가 설치된다.Five TDLS combustion gas analyzers in the heating furnace are installed in four locations (4 O2, 1 CO) as shown in Figure 2.
설치 위치를 편의상 Zone 1, Zone 2, Zone 3, Stack으로 부르기로 한다.For convenience, the installation locations will be called Zone 1, Zone 2, Zone 3, and Stack.
연소에 필요한 공기는 공기비 제어를 통해 조절된다.The air required for combustion is controlled through air ratio control.
본 발명의 대상 가열로는 예열대 상부 공기비에 대해 TDLS O2 분석기 측정값을 기준으로 트림(trim) 제어를 실시한다.The heating furnace subject to the present invention performs trim control based on the TDLS O2 analyzer measurement value for the air ratio at the top of the preheating zone.
산소 농도 분석기 또는 일산화탄소 농도 분석기로 구성되는 TDLS 분석기에 고장이 발생하면 제어부(150)의 일예인 트림 제어기의 PV(Process Variable)를 가상센서 예측값으로 변경한다.If a failure occurs in the TDLS analyzer, which consists of an oxygen concentration analyzer or a carbon monoxide concentration analyzer, the PV (Process Variable) of the trim controller, which is an example of the control unit 150, is changed to the virtual sensor predicted value.
도 4는 본 발명의 실시예에 따른 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템에서 적용되는 머신러닝알고리즘의 예를 보인 도면이고,Figure 4 is a diagram showing an example of a machine learning algorithm applied in a combustion gas measurement device monitoring system through virtual sensor duplication in a hot rolling furnace according to an embodiment of the present invention;
도 5는 본 발명의 실시예에 따른 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템의 존3 산소의 시계열 추이를 나타낸 도면이고,Figure 5 is a diagram showing the time series trend of zone 3 oxygen of the combustion gas measuring device monitoring system through virtual sensor duplication in a hot rolling furnace according to an embodiment of the present invention;
도 6은 본 발명의 실시예에 따른 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템의 스택 산소의 시계열추이를 나타낸 도면이고,Figure 6 is a diagram showing the time series trend of stack oxygen of the combustion gas measuring device monitoring system through virtual sensor duplication in a hot rolling furnace according to an embodiment of the present invention;
도 7은 본 발명의 실시예에 따른 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템에서 슬라브의 장입도어의 예를 나타낸 도면이다.Figure 7 is a diagram showing an example of a slab charging door in a combustion gas measuring device monitoring system through virtual sensor duplication in a hot rolling furnace according to an embodiment of the present invention.
도 4를 참조하면, TDLS 분석 항목의 가상센서는 회귀 성능이 우수한 것으로 알려진 4가지 기법을 후보에 포함하고, 실제 데이터를 통해 비교하여 가장 정확한 것을 선택하여 사용할 수 있다.Referring to FIG. 4, the virtual sensor in the TDLS analysis item includes four candidate techniques known to have excellent regression performance, and the most accurate one can be selected and used by comparing them with actual data.
4가지 기법은, 부분최소제곱법(partial least square; PLS), 역전파 인공신경망(artificial neural network; ANN), 오토인코더(autoencoder; A-ANN), XGBoost(extreme gradient boosting)을 포함한다.The four techniques include partial least squares (PLS), backpropagation artificial neural network (ANN), autoencoder (A-ANN), and extreme gradient boosting (XGBoost).
여기서, PLS는 잠재변수를 이용하여 예측식을 구하는 기법으로 선형식이지만 노이즈가 포함된 데이터를 처리하는 데 장점을 갖는 것으로 알려져 있다.Here, PLS is a technique for obtaining a prediction equation using latent variables, and although it is linear, it is known to have advantages in processing data containing noise.
ANN은 비선형적인 상관관계를 표현할 수 있는 장점이 있다.ANN has the advantage of being able to express non-linear correlations.
A-ANN은 PLS와 ANN의 장점을 취하고자 하는 기법으로 오토인코더를 통해 잠재변수를 도출하여 노이즈를 소거하고, ANN을 통해 비선형성을 표현한다.A-ANN is a technique that seeks to take advantage of PLS and ANN. It derives latent variables through an autoencoder, eliminates noise, and expresses nonlinearity through ANN.
XGBoost는 여러 모델을 조합하여 하나의 값을 도출하는 앙상블 기법으로 최근에 부각되는 기법이다.XGBoost is a recently emerging ensemble technique that combines multiple models to derive a single value.
도 4에 네 가지 머신러닝 기법을 도식적으로 표현하였다.Figure 4 schematically depicts four machine learning techniques.
파이썬 라이브러리(Scikit learn, Tensorflow, Xgboost)를 통해 4가지 기법을 구성하여 적용하였다.Four techniques were configured and applied through Python libraries (Scikit learn, Tensorflow, Xgboost).
가상센서의 학습을 위해 2021년 07월부터 10월까지 4개월 동안 1분 간격의 운전 데이터를 수집하였다.To train the virtual sensor, driving data was collected at 1-minute intervals for 4 months from July to October 2021.
TDLS 연소가스 분석기 O2와 CO의 다섯 항목을 포함하여 총 108개의 센서 측정값을 수집하였다.A total of 108 sensor measurements were collected, including five items from the TDLS combustion gas analyzer O2 and CO.
수집한 데이터에서 피크나 비정상적인 데이터, 그리고 정상범위를 벗어나는 것을 제거하여 총 105,045개의 데이터를 준비하였다.A total of 105,045 pieces of data were prepared by removing peaks, abnormal data, and those outside the normal range from the collected data.
수집한 데이터 중에서 10분 간격으로 데이터를 추출하여 전체의 10%를 시험용 데이터로 준비하고, 이를 제외하고 전체의 90% 데이터를 이용하여 학습을 실시하였다. 학습을 통해 개발한 모델을 시험용 데이터로 평가하여 R2(결정계수)와 RA(Relative Accuracy)를 표 1과 표 2에 나타내었다. 여기서 RA는 상대오차를 의미하며 오차를 측정값의 평균으로 나눈 값이다.Among the collected data, data was extracted at 10-minute intervals and 10% of the total was prepared as test data. Excluding this, learning was conducted using 90% of the total data. The model developed through learning was evaluated using test data, and R2 (coefficient of determination) and RA (Relative Accuracy) are shown in Tables 1 and 2. Here, RA means relative error and is the error divided by the average of the measured values.
PLS에서 잠재변수의 개수는 NIPALS(Nonlinear Iterative Partial Least Squares) 알고리즘을 적용하여 결정하였다.In PLS, the number of latent variables was determined by applying the NIPALS (Nonlinear Iterative Partial Least Squares) algorithm.
R2의 차이에 대해 1% 기준을 적용하여 잠재변수 개수를 결정하였으며, Zone 1 O2부터 Stack O2까지 잠재변수의 개수는 각각 5, 6, 4, 3, 5였다.The number of latent variables was determined by applying a 1% standard to the difference in R2, and the number of latent variables from Zone 1 O2 to Stack O2 was 5, 6, 4, 3, and 5, respectively.
표 1에서 알 수 있듯이 R2는 Zone 1 O2가 75.2%로 가장 높았으나 Zone 1 CO와 Stack O2는 60% 수준으로 상대적으로 낮았다.As can be seen in Table 1, Zone 1 O2 had the highest R2 at 75.2%, but Zone 1 CO and Stack O2 were relatively low at 60%.
RA는 표 2에서 알 수 있듯이 Zone 1 CO를 제외하고 70~85% 수준이었다.As can be seen in Table 2, RA was at the level of 70-85%, excluding Zone 1 CO.
ANN을 구성하기 위해 필요한 층의 개수와 각 층별 노드의 개수는 경험법칙으로 결정하였으며, 층의 개수는 4개로 설정하였다.The number of layers and the number of nodes for each layer required to construct the ANN were determined by empirical rules, and the number of layers was set to 4.
두 개의 은닉층의 노드 개수는 각각 40개와 20개로 설정하였다. 학습률과 드롭아웃 비율은 시행착오 방법으로 최적의 값을 찾아 적용하였다.The number of nodes in the two hidden layers was set to 40 and 20, respectively. The learning rate and dropout rate were applied by finding the optimal values using a trial and error method.
시험용 데이터에 대한 R2는 Zone 3 O2가 91.5%로 가장 높았으며, Zone 1 CO와 Stack O2가 70%대로 상대적으로 낮았다. R2와 ANN 모두 PLS보다 우수하였다.The R2 for the test data was the highest for Zone 3 O2 at 91.5%, and Zone 1 CO and Stack O2 were relatively low at 70%. Both R2 and ANN were superior to PLS.
A-ANN을 구성하기 위해 필요한 층의 개수는 다섯 개로 은닉층을 3개 설정하였다. 은닉층의 노드 개수는 ANN을 참고하여 40개, 20개, 40개를 적용하였다. 회귀 결과는 분석 항목별로 다소 차이는 있으나 전체적으로 ANN과 유사한 결과를 보였다. R2는 Zone 2의 O2가 92.2%로 가장 우수하였으며 앞의 두 기법처럼 Zone 1 CO가 가장 낮았다.The number of layers needed to construct A-ANN was five, and three hidden layers were set. The number of nodes in the hidden layer was 40, 20, and 40, referring to ANN. The regression results were somewhat different for each analysis item, but overall showed similar results to ANN. R2 was the best with Zone 2 O2 at 92.2%, and like the previous two techniques, Zone 1 CO was the lowest.
RA도 앞의 두 기법보다 평균적으로 우수하였으며, 특히 Zone 1 CO가 44.6%로 많이 개선되었다. RA was also superior to the previous two techniques on average, and in particular, Zone 1 CO was greatly improved at 44.6%.
XGBoost에서 트리의 개수, 학습률, 학습 횟수는 시행착오 방법으로 최적의 값을 찾아 적용하였다. XGBoost의 회귀 결과는 표 1과 같이 앞의 다른 방법보다 우수하였다. R2 90% 이상이 Zone 1 O2, Zone 2 O2, Zone 3 O2 세 항목이었으며, Zone 1 CO와 Stack O2는 90%에 미치지 못했지만 80% 이상이었다. R2와 함께 RA도 앞의 세 가지 기법보다In XGBoost, the optimal values for the number of trees, learning rate, and number of learning were found and applied using a trial and error method. The regression results of XGBoost were superior to other previous methods, as shown in Table 1. More than 90% of R2 was in three items: Zone 1 O2, Zone 2 O2, and Zone 3 O2. Zone 1 CO and Stack O2 were less than 90%, but were over 80%. Along with R2, RA is also better than the previous three techniques.
모두 높았으며, 특히 Zone CO가 65.6%로 많이 개선되었다.All were high, especially Zone CO, which was greatly improved to 65.6%.
전체적으로 XGBoost가 가장 우수한 결과를 보였다. Zone 3 O2에 대한 회귀 결과를 시계열 추이로 나타내면 도 5와 같으며 검정 굵은 선의 측정값에 XGBoost 예측값이 가장 잘 근사함을 알 수 있다. Stack O2의 R2가 낮은 이유는 분석기가 장입 도어에 근접하여 설치되어 있어서 외부로부터 공기 유입의 영향을 가장 크게 받는 것으로 추정된다.Overall, XGBoost showed the best results. When the regression results for Zone 3 O2 are expressed as a time series trend, it is shown in Figure 5, and it can be seen that the XGBoost predicted value best approximates the measured value of the black thick line. The reason why Stack O2's R2 is low is because the analyzer is installed close to the charging door, which is presumed to be most affected by air inflow from the outside.
도 6에 의하면 PLS가 장입 도어에 의한 피크를 예측하는데 가장 성능이 낮고 XGBoost가 가장 높다.According to Figure 6, PLS has the lowest performance in predicting the peak caused by the charging door, and XGBoost has the highest performance.
전체적으로 도 7의 장입 도어에 의한 외부 공기 영향을 최소화할 수 있다면 훨씬 우수한 가상센서 결과를 도출할 수 있을 것으로 사료된다.Overall, it is believed that much better virtual sensor results can be obtained if the influence of external air caused by the charging door of Figure 7 can be minimized.
이중화 용도로서 가상센서를 TDLS의 고장을 판별하는데 사용함에 있어서 잔차분석법을 적용하였다. 가상센서 예측값과 분석기 측정값의 차이를 비교하여 고장 여부를 판단한다.The residual analysis method was applied when using a virtual sensor to determine TDLS failure for redundancy purposes. Compare the difference between the virtual sensor's predicted value and the analyzer's measured value to determine whether there is a failure.
본 발명에서는 차이가 학습 결과에서 구한 표준편차의 3배수보다 크면 고장으로 판단하였다. 고장이 감지되면 TDLS 측정값 대신에 가상센서 출력값을 O2 제어기의 입력값으로 전환하도록 스위치 로직을 구성할 수 있다.In the present invention, if the difference is greater than 3 times the standard deviation obtained from the learning results, it is judged to be a failure. When a fault is detected, the switch logic can be configured to convert the virtual sensor output value to the input value of the O2 controller instead of the TDLS measurement value.
도 8은 본 발명의 실시예에 따른 열연 가열로에서 가상센서 이중화를 통한 연소가스 측정기기 모니터링 시스템에서 모니터링용 화면의 예를 나타낸 도면이다.Figure 8 is a diagram showing an example of a monitoring screen in a combustion gas measuring device monitoring system through virtual sensor duplication in a hot rolling furnace according to an embodiment of the present invention.
가상센서 모델이 정확하더라도, 모델의 입력 변수인 온도, 압력, 유량 등의 센서가 오지시하면 가상센서 예측값도 오차를 가진다.Even if the virtual sensor model is accurate, if sensors such as temperature, pressure, and flow rate, which are input variables of the model, give incorrect indications, the virtual sensor predicted values will also have errors.
따라서 가상센서는 센서의 고장을 식별하고, 고장 시에 측정값 대신에 정확한 예측값을 제공하는 기능이 필수적이다. 본 발명에서는 가상센서 예측에 사용된 변수 중에서 기여도가 큰 40개의 센서에 대해 고장을 감시하였다.Therefore, it is essential for virtual sensors to identify sensor failures and provide accurate predicted values instead of measured values in the event of a failure. In the present invention, failures were monitored for 40 sensors with large contributions among the variables used in virtual sensor prediction.
연소가스 가상센서를 개발하듯이 센서 예측 모델 40개를 각각 개별적으로 구하려면 많은 시간을 필요로 한다.As with developing a combustion gas virtual sensor, it takes a lot of time to individually obtain 40 sensor prediction models.
본 발명에서는 다수의 센서 모델을 한꺼번에 구할 수 있는 MIMO (Multi Input and Multi Output) 방식의 머신러닝 기법을 적용하였다. 이를 위해 PCA와 A-ANN을 후보 기법으로 선정하였으며, 파이썬 라이브러리(Scikit Learn, Tensorflow)를 이용하여 구성하였다.In the present invention, a MIMO (Multi Input and Multi Output) type machine learning technique that can obtain multiple sensor models at once was applied. For this purpose, PCA and A-ANN were selected as candidate techniques, and were configured using Python libraries (Scikit Learn, Tensorflow).
머신러닝에 사용한 데이터는 앞에서 가상센서 개발을 위해 수집한 데이터를 이용하였다. 2021년 07월부터 10월까지 4개월 동안 1분 간격의 운전 데이터에서 피크나 비정상적인 데이터, 그리고 정상범위를 벗어나는 것을 제거하고 10분 간격으로 데이터를 추출하여 시험용 데이터를 준비하였고, 나머지 90%의 데이터를 이용하여 학습을 실시하였다.The data used for machine learning was previously collected for virtual sensor development. For four months from July to October 2021, peaks, abnormal data, and things outside the normal range were removed from the driving data at 1-minute intervals, and data was extracted at 10-minute intervals to prepare test data, and the remaining 90% of the data was collected. Learning was conducted using .
학습용 데이터를 이용하여 개발한 모델을 시험용 데이터에 대해 적용하여 표 3의 결과를 얻었다.The model developed using the training data was applied to the test data to obtain the results in Table 3.
표 3을 참조하면, 대부분의 R2와 RA가 90% 이상으로 성능이 매우 우수하였으며, PCA보다 A-ANN의 예측 정확성이 더 우수하였다.Referring to Table 3, most R2 and RA performed very well, above 90%, and the prediction accuracy of A-ANN was better than PCA.
센서 예측 모델의 예측값과 센서 측정값의 차이를 이용하여 고장을 식별하는 잔차분석법을 적용하여 센서의 고장을 식별하였다.Sensor failure was identified by applying a residual analysis method that identifies failure using the difference between the predicted value of the sensor prediction model and the sensor measurement value.
본 발명에서는 3시그마를 기준으로 잔차가 이보다 크면 고장으로 판단하고 센서의 예측값으로 출력하여 연소가스 분석기 가상센서의 입력 값으로 출력하였다.In the present invention, if the residual is greater than 3 sigma, it is judged to be a failure, and the predicted value of the sensor is output as the input value of the virtual sensor of the combustion gas analyzer.
도 8을 참조하면, 운전자 또는 정비자는 PLC 화면에서 O2와 CO를 확인하고 이와 별도로 정비자는 웹 화면을 확인하도록 하였다.Referring to FIG. 8, the driver or mechanic checked O2 and CO on the PLC screen, and separately, the mechanic had to check the web screen.
도 8과 같이 모니터링 화면은 총 5개의 영역으로 구성되어 있다.As shown in Figure 8, the monitoring screen consists of a total of 5 areas.
분석기 고장 감시 표, 센서 고장 감시 표, 분석기 측정값 시계열 추이 그래프, 가열로 연소 상태를 확인하기 위한 Zone 1 O2와 CO, 부위별 온도의 설정값과 측정값으로 구성되어 있다.It consists of an analyzer failure monitoring table, a sensor failure monitoring table, a time series trend graph of analyzer measurement values, Zone 1 O2 and CO to check the combustion status of the furnace, and set and measured values of temperature for each part.
실행 주기는 1분으로 설정하였다.The execution cycle was set to 1 minute.
분석기 고장이 발생하면 가상센서 예측값이 즉시 PLC 제어기의 TDLS 분석값을 대체하고 그 사실을 화면을 통해 알 수 있다.If an analyzer failure occurs, the virtual sensor predicted value immediately replaces the PLC controller's TDLS analysis value, and this fact can be seen on the screen.
이와 같이 본 발명에서는 제철소(200) 가열로 내의 연소가스의 농도를 측정하는 고가의 TDLS 분석기를 백업하는 용도로 연소가스의 O2와 CO 가상센서를 개발하였으며, 그 과정을 통해 얻은 결론은 다음과 같다.In this way, in the present invention, a virtual sensor for O2 and CO of combustion gas was developed to back up the expensive TDLS analyzer that measures the concentration of combustion gas in the furnace of the steel mill 200, and the conclusions obtained through the process are as follows. .
첫째, 연소가스 O2와 CO 가상센서 개발을 위해 4가지 머신러닝 기법을 비교하였으며, XGBoost가 가장 정확하였다. 시험 데이터에 대해 예측한 결과, 다섯 개의 분석 항목 모두 R2(결정계수)는 80% 이상이었고 RA(Relative Accuracy)는 Zone 1 CO를 제외하고 모두 89% 이상으로 우수하였다.First, four machine learning techniques were compared to develop combustion gas O2 and CO virtual sensors, and XGBoost was the most accurate. As a result of predicting the test data, R2 (coefficient of determination) for all five analysis items was above 80%, and RA (Relative Accuracy) was excellent at over 89% for all except Zone 1 CO.
둘째, 분석기 가상센서의 입력 변수로 사용되는 센서의 예측 모델 개발을 위해 PCA와 A-ANN을 비교하였으며, A-ANN이 더 정확하였다. 시험 데이터에 대해 예측한 결과, 총 40개의 센서 중 39개 센서의 R2와 RA가 모두 90% 이상으로 우수하였다.Second, PCA and A-ANN were compared to develop a prediction model for sensors used as input variables for the analyzer's virtual sensor, and A-ANN was more accurate. As a result of predicting the test data, the R2 and RA of 39 sensors out of a total of 40 sensors were both excellent at over 90%.
셋째, 머신러닝 기법의 성능 차이는 슬라브의 장입 도어가 열릴 때 외부 공기 주입으로 인한 비선형적인 거동에 의한 것으로 판단하였으며, 이 부분에서 XGBoost가 더 우수한 것으로 분석하였다.Third, the difference in performance of the machine learning technique was determined to be due to non-linear behavior due to external air injection when the slab charging door is opened, and XGBoost was analyzed to be superior in this area.
이상의 결과로부터 연소가스 분석기의 고장 감시 및 고장 시 대체하는 이중화 용도의 가상센서를 통해 가열로 내 O2, CO 농도를 정확하게 제어함으로써 가열로의 연소 최적화를 달성하여 제철소(200) 온실가스 저감에 기여할 것으로 기대한다.From the above results, it is expected to contribute to the reduction of greenhouse gases in the steel mill (200) by achieving combustion optimization in the furnace by accurately controlling the O2 and CO concentrations in the furnace through a redundant virtual sensor that monitors and replaces the combustion gas analyzer in case of failure. Expect.
본 발명의 실시예에서는, 최적의 연소효율을 유지하기 위해서 연소가스 계통에 하드웨어 분석기를 설치하여 O2, CO의 농도를 실시간 측정하여 연소용 공기 주입량을 관리하되, 가상센서를 이용하여 분석기의 고장여부를 감시하고, 고장일 경우에는 가상센서의 예측값을 단말기(300)로 출력할 수 있다.In an embodiment of the present invention, in order to maintain optimal combustion efficiency, a hardware analyzer is installed in the combustion gas system to measure the concentration of O2 and CO in real time to manage the amount of combustion air injection, and a virtual sensor is used to determine whether the analyzer is broken. can be monitored, and in case of a malfunction, the predicted value of the virtual sensor can be output to the terminal 300.
이상에서 설명한 본 발명의 실시예는 장치 및 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시예의 기재로부터 본 발명이 속하는 기술분야의 전문가라면 쉽게 구현할 수 있는 것이다.The embodiments of the present invention described above are not only implemented through devices and methods, but may also be implemented through a program that realizes the function corresponding to the configuration of the embodiment of the present invention or a recording medium on which the program is recorded. The implementation can be easily implemented by an expert in the technical field to which the present invention belongs based on the description of the embodiments described above.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.Although the embodiments of the present invention have been described in detail above, the scope of the present invention is not limited thereto, and various modifications and improvements made by those skilled in the art using the basic concept of the present invention defined in the following claims are also possible. It falls within the scope of rights.
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220150884AKR102776083B1 (en) | 2022-11-11 | 2022-11-11 | Flue Gas Analyzer Monitoring System Using Virtual Sensor Dualization for Reheating Furnace |
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220150884AKR102776083B1 (en) | 2022-11-11 | 2022-11-11 | Flue Gas Analyzer Monitoring System Using Virtual Sensor Dualization for Reheating Furnace |
| Publication Number | Publication Date |
|---|---|
| KR20240069911Atrue KR20240069911A (en) | 2024-05-21 |
| KR102776083B1 KR102776083B1 (en) | 2025-03-07 |
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220150884AActiveKR102776083B1 (en) | 2022-11-11 | 2022-11-11 | Flue Gas Analyzer Monitoring System Using Virtual Sensor Dualization for Reheating Furnace |
| Country | Link |
|---|---|
| KR (1) | KR102776083B1 (en) |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN119436865A (en)* | 2025-01-10 | 2025-02-14 | 北京利德衡环保工程有限公司 | A full-process CO2 collaborative treatment process system and control method |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05345929A (en)* | 1992-06-12 | 1993-12-27 | Kawasaki Steel Corp | Detection of abnormality of value registered by radiation thermometer for continuous annealing furnace |
| JP2001026815A (en)* | 1999-07-14 | 2001-01-30 | Kawasaki Steel Corp | Operation of continuous heating furnace |
| JP2006274425A (en)* | 2005-03-30 | 2006-10-12 | Nippon Steel Corp | Steel material heating furnace combustion control method, combustion control device, and computer program |
| KR102267286B1 (en)* | 2020-12-28 | 2021-06-22 | (주)테크다스 | Tele-Monitoring System(TMS) analyzer fault detection and back-up system using data driven machine learning technology |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05345929A (en)* | 1992-06-12 | 1993-12-27 | Kawasaki Steel Corp | Detection of abnormality of value registered by radiation thermometer for continuous annealing furnace |
| JP2001026815A (en)* | 1999-07-14 | 2001-01-30 | Kawasaki Steel Corp | Operation of continuous heating furnace |
| JP2006274425A (en)* | 2005-03-30 | 2006-10-12 | Nippon Steel Corp | Steel material heating furnace combustion control method, combustion control device, and computer program |
| KR102267286B1 (en)* | 2020-12-28 | 2021-06-22 | (주)테크다스 | Tele-Monitoring System(TMS) analyzer fault detection and back-up system using data driven machine learning technology |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN119436865A (en)* | 2025-01-10 | 2025-02-14 | 北京利德衡环保工程有限公司 | A full-process CO2 collaborative treatment process system and control method |
| Publication number | Publication date |
|---|---|
| KR102776083B1 (en) | 2025-03-07 |
| Publication | Publication Date | Title |
|---|---|---|
| EP0712509B1 (en) | Virtual continuous emission monitoring system with sensor validation | |
| EP2423768B1 (en) | Sensor validation and value replacement for continuous emissions monitoring | |
| US5386373A (en) | Virtual continuous emission monitoring system with sensor validation | |
| US5970426A (en) | Emission monitoring system | |
| Korpela et al. | Indirect NOx emission monitoring in natural gas fired boilers | |
| KR102776083B1 (en) | Flue Gas Analyzer Monitoring System Using Virtual Sensor Dualization for Reheating Furnace | |
| CN112668196A (en) | Mechanism and data hybrid driven generation type countermeasure network soft measurement modeling method | |
| Hasnen et al. | Semi-supervised adaptive PLS soft-sensor with PCA-based drift correction method for online valuation of NOx emission in industrial water-tube boiler | |
| US7266460B2 (en) | NOx software sensor | |
| Katipamula et al. | Automated proactive techniques for commissioning air-handling units | |
| Wang et al. | A two-tier approach to the data-driven modeling on thermal efficiency of a BFG/coal co-firing boiler | |
| CN113515042A (en) | Multi-mode dry quenching burnt loss rate real-time calculation system and calculation method | |
| KR20230050085A (en) | Smart Performance Monitoring System Using Real-time Efficiency Control Limit for Industrial Boilers | |
| Cheng et al. | An accurate predictive emissions monitoring system (PEMS) for an ethylene furnace | |
| Qin et al. | A self-validating inferential sensor for emission monitoring | |
| Lee et al. | Adaptive multivariate regression modeling based on model performance assessment | |
| Calisto et al. | Diagnostic system for boilers and furnaces using CFD and neural networks | |
| Chien et al. | A performance study of PEMS applied to the Hsinta power station of Taipower | |
| Lee et al. | Application of multivariate statistical models to prediction of NO x emissions from complex industrial heater systems | |
| Karpenko et al. | Control of boiler equipments during starting and stopping periods and methods of optimizing these processes through the use of a decision support system with a machine vision subsystem | |
| CN120760156A (en) | Power plant fuel blending combustion optimization method based on multi-source data and deep learning | |
| KR20250097067A (en) | A system for monitoring abnormal operating conditions using Machine Learning and a method using it | |
| CN120777544A (en) | NOx emission concentration prediction system of circulating fluidized bed boiler | |
| CN120198251A (en) | A method, device, electronic device and storage medium for calculating heat balance of combustible waste gas | |
| Briggs et al. | Predictive Emissions Monitoring System(PEMS) for a paper mill power boiler |
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application | St.27 status event code:A-0-1-A10-A12-nap-PA0109 | |
| PA0201 | Request for examination | St.27 status event code:A-1-2-D10-D11-exm-PA0201 | |
| D13-X000 | Search requested | St.27 status event code:A-1-2-D10-D13-srh-X000 | |
| D14-X000 | Search report completed | St.27 status event code:A-1-2-D10-D14-srh-X000 | |
| P11-X000 | Amendment of application requested | St.27 status event code:A-2-2-P10-P11-nap-X000 | |
| P13-X000 | Application amended | St.27 status event code:A-2-2-P10-P13-nap-X000 | |
| R18-X000 | Changes to party contact information recorded | St.27 status event code:A-3-3-R10-R18-oth-X000 | |
| PG1501 | Laying open of application | St.27 status event code:A-1-1-Q10-Q12-nap-PG1501 | |
| PE0902 | Notice of grounds for rejection | St.27 status event code:A-1-2-D10-D21-exm-PE0902 | |
| E13-X000 | Pre-grant limitation requested | St.27 status event code:A-2-3-E10-E13-lim-X000 | |
| P11-X000 | Amendment of application requested | St.27 status event code:A-2-2-P10-P11-nap-X000 | |
| P13-X000 | Application amended | St.27 status event code:A-2-2-P10-P13-nap-X000 | |
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration | St.27 status event code:A-1-2-D10-D22-exm-PE0701 | |
| PR0701 | Registration of establishment | St.27 status event code:A-2-4-F10-F11-exm-PR0701 | |
| PR1002 | Payment of registration fee | St.27 status event code:A-2-2-U10-U11-oth-PR1002 | |
| PG1601 | Publication of registration | St.27 status event code:A-4-4-Q10-Q13-nap-PG1601 |