에너지 산업에서의 데이터 분석

일반적으로 여러분은 다음 두 가지 전략 중 하나 또는 둘 다를 따르게 될 것입니다.

• 생태 발자국을 줄이기 위해 배출량을 감축합니다.
• 허가된 한도를 준수하여 값비싼 벌금이나 영업 정지를 피하십시오.

어떤 관점에서 보더라도, 그래프에서 보여주는 것처럼 이는 여전히 어려운 과제입니다.

(이미지 © Carl Bozzuto, CIBO 컨설턴트): 청록색 원은 최대 효율 지점을 나타냅니다. 이 그래프에 따르면 NOx 배출량을 줄이기 위해 연소 공기량을 줄이는 것은 효율을 떨어뜨리고 COx 배출량을 급격히 증가시키는 매우 바람직하지 않은 부작용을 초래하므로 실행 가능한 해결책이 아닙니다. 반대로 COx 배출량을 줄이기 위해 연소 공기를 과다하게 사용하는 것도 효율 저하와 NOx 배출량 증가로 이어져 바람직하지 않습니다. 데이터 분석은 이러한 종류의 딜레마를 해결할 수 있는 도구를 제공합니다.

보일러 또는 연소 터빈의 작동 데이터와 CEMS(공기질 관리 시스템) 데이터를 데이터 분석에 활용하면 배출량에 대한 전체적인 그림을 파악할 수 있습니다. 또한 그래프에 나타난 관계를 변경하지 않고 배출량을 개선하거나 유지할 수 있는 기회가 있는지 여부를 파악할 수 있으며, 일반적으로 그러한 기회가 있습니다.

데이터 분석을 통해 보일러 및 연소 터빈 배출과 관련된 일반적인 질문에 대한 답변을 얻을 수 있습니다.

• 내 공장의 배출량에 영향을 미치는 요인 중 내가 놓치고 있는 것이 있나요? 어떤 요인들이 배출량에 긍정적/부정적인 영향을 미치나요?
• 계절성은 배출량에 어떤 영향을 미칩니까?
• 우리는 인증 한도에서 얼마나 멀리 또는 얼마나 가까이에서 운영할 수 있으며, 필요한 안전 여유는 얼마입니까?

연료비가 낮은 시기에도 효율성 향상은 장비 유형 및 운전 모드에 따라 연간 2~6%의 비용 절감을 가져올 수 있으며, 이 경우에도 별도의 장비 변경 없이 효과를 볼 수 있습니다. 보일러와 터빈은 일반적으로 부하가 높을 때 최적의 효율로 작동하도록 설계되어 있으므로, 부하가 낮은 운전 모드 또한 매우 흔하게 발생하기 때문에 이러한 모드를 최적화하는 것이 특히 중요합니다.

(이미지 © 네이트 버하노비츠, 미시간 주립대학교): 그래프에서 볼 수 있듯이, 1965년에 설치되어 원래 석탄을 연료로 사용하다가 천연가스를 연료로 사용하도록 개조된 50년 이상 된 보일러를 83% 이상의 전체 효율로 꾸준히 가동할 수 있습니다. 주황색 점은 가장 일반적인 작동 모드를 나타냅니다. 드릴다운 기능을 통해 이러한 작동 모드를 유발하는 요인을 분석할 수 있으므로, 추가 분석 및 최적화에 쉽게 활용할 수 있습니다.

데이터 분석을 통해 운영 효율성에 가장 큰 긍정적 또는 부정적 영향을 미치는 운영 요소(변수)를 파악할 수 있습니다. 이는 엔지니어와 운영자에게 어떤 요소를 강화하고 어떤 요소를 완화해야 하는지에 대한 명확한 지침을 제공합니다. 다변량 분석은 또한 미처 인지하지 못했던 인과 관계를 밝혀낼 수 있도록 도와줍니다. 이를 통해 운영자 교육 및 공장 운영에 대한 전반적인 이해도를 높일 수 있습니다.

데이터 분석 과정에서 생성되는 다변량 모델 기반의 모니터링 및 제어를 통해 공장을 항상 최적의 조건으로 운영할 수 있습니다. 만약 편차가 발생하더라도 당사의 제어 소프트웨어는 사람이 알아차리기 훨씬 전에 이를 감지하여 거의 즉시 수정할 수 있도록 합니다.

데이터 분석을 통해 보일러 및 터빈 효율성과 비용 절감에 관한 일반적인 질문에 대한 답변을 얻을 수 있습니다.

• 공장 운영 효율성에 가장 큰 영향을 미치는 요인/변수는 무엇입니까?
• 이러한 영향 요인들은 발전소의 운전 모드 또는 부하 수준에 따라 어떻게 달라지나요?
• 어떻게 하면 이러한 요소들을 활용하여 항상 최대한 효율적으로 운영할 수 있을까요?
• 제가 미처 파악하지 못한 운영에 영향을 미치는 요인들 사이에 인과 관계가 있는 걸까요?

운영 차질과 계획되지 않은 가동 중단은 업계의 큰 골칫거리입니다. 물론, 유지보수 일정은 많은 도움이 되며 보험이나 업계 표준에 따라 필수적입니다. 연간 정기 점검은 대부분 부하가 낮은 시간대에 실시하는 것이 가장 바람직합니다. 하지만 정기 점검 기간 외에는 장비 고장으로 인한 예상치 못한 문제 발생을 방지할 수 있는 방법은 없을까요? 다변량 데이터 분석 기법을 활용한 운영 분석 및 모니터링이 바로 그 해답입니다.

장비 수명은 유지보수와 밀접한 관련이 있는 주제입니다. 그렇다면 유지보수 필요성뿐만 아니라 장비의 서비스 수명 종료 시점까지 예측할 수 있을까요? 자본 투자가 필요한 시점을 파악하는 것은 재정 계획 수립에 큰 도움이 됩니다. 저희 그래프는 이것이 가능하다는 것을 보여줍니다.

제트 터빈의 수명 예측 시뮬레이션 결과입니다. 오른쪽은 수명 100% 시점(수명 종료 시점) 예측이고, 왼쪽은 수명 60% 시점 예측입니다. 과거 데이터를 통해 알려진 장비 수명의 60% 시점에서는 이미 정확한 예측이 가능하며, 단기 및 중기 수명에서는 예측값과 실제 수명이 매우 잘 일치합니다. 장기 수명에서는 다소 편차가 있지만, 모델이 수명을 과대평가하는 경우는 드뭅니다. 따라서 과거 상태 데이터는 장비의 수명을 예측하는 데 도움이 됩니다.

데이터 분석을 활용하여 보일러 및 터빈 유지보수와 수명 예측에 관한 일반적인 질문에 대한 답변을 제공합니다.

• 완전한 상태 기반 유지보수가 가능한가요? 아니면 설비 가동 시간을 최적화하기 위한 다른 전략은 무엇이 있을까요?
• 장비 상태와 관련된 요인/변수는 무엇이며, 목적 달성에 필요한 모든 것을 기록하고 있습니까?
• 내 장비의 남은 수명을 어떻게 예측할 수 있을까요?
• 내 장비의 수명을 연장할 수 있는 방법이 있을까요?