| 학회 |
한국화학공학회 |
| 학술대회 |
2022년 봄 (04/20 ~ 04/23, 제주국제컨벤션센터) |
| 권호 |
28권 1호, p.618 |
| 발표분야 |
[주제 9] 에너지 전환 |
| 제목 |
Auto-tuning model for digital twin development based on Bayesian optimization: LNG fuel gas supply system application |
| 초록 |
공정산업에서 Big Data를 이용한 Machine Learning 기술에 대한 수요가 증가하고 있다. 하지만 실제 운전 Data는 범위가 적고 Big Data 기법에 적용하기 힘든 경우가 많다. 이를 해결하기 위해 가상의 운전 조건과 넓은 범위에서의 다량의 Data 확보를 위한 Digital Twin에 대한 필요성이 대두된다. Digital Twin은 시뮬레이션을 통해 현실 속 공정과 유사한 가상의 공정을 만들고 발생할 수 있는 상황을 미리 예측하고 동적 거동을 해석하는 기술이다. 거시적인 공정 전체에 대한 동적 시뮬레이션을 모사해야하기 때문에 Digital Twin의 정확도 확보가 중요하다. 본 연구는 액화천연가스 추진선의 Fuel Gas Supply System (FGSS)을 대상으로 정확도 높은 Digital Twin을 구현하기 위한 자동화된 모델링 기법 개발을 목표로 한다. 이를 위해 주요 장치들에 대한 설정을 변수로 설정하고 주요 운전조건과 운전 Data 사이의 오차들의 합을 목적함수로 설정하여 최적화를 진행하였다. 이를 통해 주요 장치들에 대해 적절한 설정 값을 도출하여 운전 Data와 유사한 정확도 높은 Digital Twin 모델을 구현하였다. 최적화 기법은 복잡한 화학공정에 적합한 인공지능 기반 Bayesian Optimization 기법을 이용하였다. |
| 저자 |
노원준, 박시환, 오시은, 이인규
|
| 소속 |
부산대 |
| 키워드 |
공정시스템(Process Systems Engineering) |
| E-Mail |
|
| 원문파일 |
초록 보기 |
