황산화물 배출 농도 저감을 위한

유연탄 빅데이터 분석

2018 공공 빅데이터 우수사례 경진대회

2018.11.28

Contents

1. 회사소개 (연혁)

한국남부발전㈜는 “ 안정적 전력공급 ” 과 “ 국민경제 발전에 기여 ” 하고자

2001년 4월 한국전력공사에 분사한 “ 대한민국 대표 에너지 공기업 ” 입니다.

주요연혁

1. 회사소개 (발전설비 현황)

한국남부발전㈜는 하동화력을 주력으로 하여, 전국 주요 기점지역에서 우리나라

“ 총 발전설비 용량의 9.6%을 차지 ” 하고 있는 발전회사입니다.

2. 추진 배경 (대외환경)

환경문제에 대한 관심이 높아짐에 따라 “ 미세먼지 대응 ” 을 위한 “ 종합대책 발표 ”

2. 추진 배경 (배경 Story)

유연탄 “ 품질증명서와 실제 값 간의 차이 ” 로 “ 설비의 적정관리가 어려움 ”

부정확한 유연탄 투입에 따른 대기오염물질 배출기준 초과 가능성 증가와

안정적인 설비운영 저해, 재료비, 설비유지비 등 비용 증가

품질증명서

유연탄 선적

국적 / 탄광 에 따른

유연탄 성분에 대한

“품질이 상이함”

유연탄 혼탄

투입량 산정

발전 (연소)

유연탄 연소

부정확한 유연탄 투입은

“출력감소”와

“설비고장의 인원”

탈황 (SOx 제거)

화학 반응

SOx 제거 위한 이론값과 실제 발생량 편차로

“배출기준 초과 우려＂

품질증명서와 실제

측정값과 상이해 유연탄

“투입량 산정 難”

다양한 유연탄 혼탄 시 정확한 유연탄 성분값 필요

대기질 적정관리를 위해서는 정확한 SOx 배출농도가 필요

연소 前 연소 中

데이터 분석기반의 Insight로 Clean Energy 기술확보

3. 추진 목적

데이터 분석기반의 Insight 창출로 “ 안정적인 설비운영 ” 과 “ 대기오염 물질

배출 최소화 ” 로 신뢰받는 국민의 기업 달성

“더” 깨끗한 에너지로 신뢰받는 국민의 기업

안정적 설비운영

최적의 유연탄, 석회석

투입량 계산으로

발전설비 안정적 운영

미세먼지 최소화

미세먼지 주요원인인

유연탄 사용량을 절감

하여 미세먼지 최소화

예산·비용 절감

재료비, 유지보수비 등

예산·비용 절감으로

경제성, 효율성 향상

“유연탄 사용량 최적화”와 “황산화물 배출 최소화” 실현

추진방향

추진목적

지향점

4. 추진 내용

2단계 예측을 통해 “ 유연탄 투입량 최적화 ” 와 “ 황산화물 배출 초소화 ”

품질증명서

국적 / 탄광에 따른

품질을 분석하여

“기준정보 작성”

투입량 산정 유연탄 연소

정확한 유연탄 투입으로

“안정적 발전출력과

설비운영 실현”

화학반응

황산화물 배출농도 사전

예측으로 “대기오염

물질 안정적 관리”

예측기반의 유연탄

성분 사전예측으로

“정확한 투입량 산정”

유연탄 선적 유연탄 투입 발전 (연소) 탈황 (SOx 제거)

연소 前 연소 中

[1단계-연소前] 유연탄 성분 예측 [2단계-연소中] 황산화물 배출농도 예측

“황산화물 배출 최소화＂ “유연탄 사용량 최적화＂

유연탄 성분 특성값 분석

유연탄 성분값 예측지표 개발

이론값↔실제값 차이 원인분석

유연탄 황 함량 예측모델 개발

4. 추진 내용

[1단계] 유연탄 성분값 예측

개 요 1 활용 데이터 2

분석 내용 3

“공급사에서 제공하는 품질증명서와

분석 결과값 간의 차이가 존재하여

정확한 유연탄 사용량 산정이 어려움” 데이터 명 주요변수 건수

세부분석 데이터 탄명, 총수분, 발열량, 유황분 등 12만 건

품질증명서 데이터 탄명, 선적항, 총수분, 발열량 등 3만 건

성분 측정 데이터 탄명, 선적항, 총수분, 발열량 등 3만 건

[ ○○발전소 데이터 (‘11.11 ~ ‘18.4 / 6.5년치) ]

남북관계 재정립

선형 회귀

Redge

Lasso Decision

Tree

Random Forest

SVM

인공 신경망

“총 7가지 분석법을 활용하여

정확도가 가장 높은 예측모델 도출”

유연탄 성분값 예측모델 개발

유연탄 성분 특성값 분석

“유연탄 품질을 사전에 예측할 수 있는

지표를 개발하여 사용량 최적화 필요”

4. 추진 내용 [1단계] 유연탄 성분값 예측 (특성값 분석)

유연탄 거래유형 분석

차이값 분석 (변수 ↔ 품질증명서) 예측변수 구간별 그룹화

선적항별, 탄별 성분 특성분석

“ 선적항별, 탄별 성분 ”, “ 특성분석 ”, “ 차이값 분석 ” 등을 통하여 그룹화

예측변수와 영향변수간 상관관계 분석

“ 예측변수와 영향변수 ” 간의 “ 상관관계 ” 를 분석 (양의 관계, 음의 관계)

4. 추진 내용 [1단계] 유연탄 성분값 예측 (특성값 분석)

유연탄 성분 예측모델 개발

예측변수에 대해 “ 7가지 알고리즘을 적용 ” 하여 “ 정확도가 가장 높은 ”

알고리즘으로 유연탄 성분값 “ 예측 모델 개발 ”

선형 회귀

Redge

Lasso

Decision Tree

Random Forest

SVM

인공 신경망

예측변수

(실제 측정값)

∙ 총수분 함유량

∙ 발열량

∙ 유황분 함유량

(품질증명서 성분값)

∙ 총수분 함유량

∙ 발열량 인수식

∙ 순발열량

∙ 고정탄소 함유량

∙ 고유수분 함유량

∙ 휘발분

∙ 유황분 함유량

∙ 분쇄도 등

영향변수 최적의 예측모델

적용

<총수분 예측모델>

<발열량 예측모델>

<유황분 예측모델>

4. 추진 내용 [1단계] 유연탄 성분값 예측 (예측모델 개발)

4. 추진 내용

개 요 1 활용 데이터 2

분석 내용 3

데이터 명 주요변수 건수

연소시 SOx 농도 혼탄비율, Ash성분, SOx 농도 11만 건

성분 측정 데이터 탄명,총수분, 발영량, 유황분 등 3만 건

[ ○○발전소 데이터 (‘16. 7 ~ ‘17.7 / 13개월) ]

남북관계 재정립

선형 회귀

Redge

Lasso Decision

Tree

Random Forest

SVR

인공 신경망

“총 7가지 분석법을 활용하여

정확도가 가장 높은 예측모델 도출”

유연탄 황함량 예측지표 개발

이론값↔실제값 차이 원인분석

[2단계] 황산화물 배출농도 예측

“황산화물의 실제

발생량과 이론값

의 불일치”

“대기질의 적정

관리가 어려움”

<이론값과 실제발생량 차이>

4. 추진 내용 [2단계] 황산화물 배출농도 예측 (차이 원인분석)

황산화물 배출농도에 영향을 주는 중요 변수를 기반으로 “ 유사 특성을 보이는

유연탄을 그룹화 ” 하여 최적의 군집 수 결정

최적의 군집 수 탐색

최적 군집 수 탐색

Max (군집간 거리),

Min (군집 내 거리)

그룹1

그룹2

황함량 비율 영향도 분석

그룹화된 유연탄의 특성을 비교하여 황산화물 배출농도의 “ 이론값과 실제값의 차이를 주는 주요 원인 분석 ”

<그룹별 황 함량 비율>

“황 함량 비율(%)이 0.53, 0.59 기준으로 그룹이 구분됨＂

SO3 전기저항 영향도 분석

<그룹별 전기저항 비율>

“SO3 전기저항 31,500(백만Ω-cm)

기준으로 그룹이 구분됨

4. 추진 내용 [2단계] 황산화물 배출농도 예측 (차이 원인분석)

분석 방법

황산화물 배출 저감을 위해 정확한 “ 배출농도 저감 요인을 분석 ” 함

배출농도 저감요인 도출

그룹별 저감효과를 나타내는 항목을 도출

그룹별 주 요인 추출 및 영향도 분석

4. 추진 내용 [2단계] 황산화물 배출농도 예측 (차이 원인분석)

황산화물 배출농도 예측모델 개발

정확도를 높이기 위해 그룹별로 “ 7가지 알고리즘을 적용 ” 후, 최적의

알고리즘으로 “ 황산화물(SOx) 배출농도 예측 모델을 개발 ”

A그룹은 Neural Network, B그룹은 SVM 알고리즘을 적용

알고리즘 그룹1 그룹2

선형회귀 79.92 67.78

Lasso 51.65 72.70

Redge 46.14 70.91

KNN 59.31 107.46

SVR 51.54 62.82

Random Forest 43.82 65.59

인공신경망 40.02 63.51

4. 추진 내용 [2단계] 황산화물 배출농도 예측 (예측모델 개발)

<실제값 – 예측값 과의 차이>

그룹1 모델 검증

그룹별 “ 7가지 알고리즘을 적용 ” 하여 “ 정확도가 가장 높은 ” 알고리즘으로

황산화물 배출농도 “ 예측 모델 개발 ”

그룹2 모델 검증

황함량비율 (Y)

배출농도 측정값(X)

배출농도측정값(Y)

배출농도 예측값(X)

[예측결과] [예측오차]

오차 ±50 경계선

황함량비율 (Y)

배출농도 측정값(X)

배출농도측정값(Y)

배출농도 예측값(X)

[예측결과] [예측오차]

그룹1 실제값 그룹2 실제값 예측값

4. 추진 내용 [2단계] 황산화물 배출농도 예측 (예측모델 개발)

빅데이터 분석 주요성과

성분값 정확도 향상 (최대 26.9%↑)

[1단계]

유연탄 성분예측

유연탄 성분 특성값 분석

유연탄 성분값 예측지표 개발

[2단계]

황산화물 배출농도 예측

이론값↔실제값 차이 원인분석

유연탄 황 함량 예측지표 개발

구분 총수분 발열량 순발열량 유황분

개선률 26.9% 20.8% 22.4% 9.9%

유연탄 운영 비용 절감 (51.1억↓)

황산화물 배출저감 (604.87 kg/년)

1년 예상 절감액 (51.1억) = 0.14억(1일 절감액) X 365

※ 환경부 EPA계수 기준으로 배출량 계산, 17년도 기준

구분 기존 예측치 절감량

배출량 50100.84 49495.85 604.87

예측모델 활용 시 유연탄 성분 “ 예측 정확도 향상 ”, 유연탄 “ 구매비용 절감 ”,

“ 황산화물 배출저감 ” 효과가 예상됨 (‘17년 기준 예측치)

5. 기대 효과

※ 17년도 1호기 기준으로 산정

적용범위를 확대, 시각화 분석환경 마련으로 “ 일하는 방식변화를 유도 ” 하고 타 발전사(공공, 민간 등)에 “성과공유 협업체계 확산으로 지속 가능발전 모델로 기여”

6. 향후 계획

1개 발전소, 1개호기

3개 발전소, 10개 호기

‘18.11月 현재

~20년

활용 가능한 화력발전소를 대상으로

“ 확대 적용(~20년) ”

적용범위 확대 시각화 화면개발

전력그룹사 빅데이터 공용 플랫폼에 예측모델 공유하여

“ 성과공유 및 확산 ”

공용플랫폼 적용

전력그룹사 빅데이터 공용플랫폼

한전-발전5사 (남부발전 등) 공동개발 추진 中 (~20년)

실무자가 손쉽게 데이터를 분석 할 수 있는 환경 구축으로

“일하는 방식변화 유도”