| 초록 |
전 세계적으로 다양한 환경문제에 대응하기 위해서 신재생에너지로의 에너지 전환을 추진하고 있으며, 수소는 탄소중립을 실현하기 위한 친환경 에너지로서 큰 주목을 받고 있다. 수소를 대량으로 그리고 경제적으로 생산할 수 있는 방법은 탄화수소의 개질(reforming)을 통한 수소 생산 공정이 지배적이다. 따라서 녹색 수소로 전환하는 단계에 앞서 회색 수소 생산 공정의 최적화를 통해 더 경제적이고 친환경적인 공정운전을 수행하는 것이 필요하다. 본 연구에서는 수증기 개질 공정(steam methane reforming, SMR)의 실제 운전 데이터를 기반으로 인공신경망을 구축하였다. 이 예측 모델은 공정의 운전조건(유량, 온도, 압력)을 입력 받으면 개질 반응을 통해 생산되는 수소생산량을 예측한다. 그 다음으로 지능형 최적화 알고리즘인 격자 탐색법, 유전자 알고리즘, 입자 군집 최적화 방법을 이용하여 공정의 열효율이 최대가 되도록 공정의 운전조건을 최적화하였다. 세 가지 최적화 알고리즘의 최적화 성능을 결정 변수의 개수에 따라 비교함으로써 각 기법의 상황에 따른 특징을 분석하였다. 최종적으로 제안된 인공신경망 모델 및 최적화 기법을 통해 최대 85.4%의 공정 열효율을 갖는 최적의 운전조건을 찾아낼 수 있었으며, 이를 통해 SMR 공정의 수소 생산성이 증대될 것으로 기대 된다. |
