[논문 리뷰] Environmental Pollution Prediction of NOx by Process Analysis and Predictive Modelling in Natural Gas Turbine Power Plants

Alan Rezazadeh|arXiv (Cornell University)|2020. 11. 05.

Air Quality Monitoring and Forecasting인용 수 5

한 줄 요약

이 논문은 자연가스 터빈 발전소의 NOx 배출을 예측하기 위해 K-최근접 이웃(KNN) 기계학습 모델을 제안한다. 기상 조건, 전기 출력 및 터빈 성능 요인을 분석함으로써, 소규모 데이터셋으로 훈련된 KNN 모델은 이전 유사한 운영 조건을 기반으로 NOx 수준을 추정함으로써 높은 예측 정확도를 달성한다. 이는 배출 감소와 운영 최적화를 가능하게 한다.

ABSTRACT

The main objective of this paper is to propose K-Nearest-Neighbor (KNN) algorithm for predicting NOx emissions from natural gas electrical generation turbines. The process of producing electricity is dynamic and rapidly changing due to many factors such as weather and electrical grid requirements. Gas turbine equipment are also a dynamic part of the electricity generation since the equipment characteristics and thermodynamics behavior change as the turbines age. Regular maintenance of turbines are also another dynamic part of the electrical generation process, affecting the performance of equipment. This analysis discovered using KNN, trained on relatively small dataset produces the most accurate prediction rates. This statement can be logically explained as KNN finds the K nearest neighbor to the current input parameters and estimates a rated average of historically similar observations as prediction. This paper incorporates ambient weather conditions, electrical output as well as turbine performance factors to build a machine learning model to predict NOx emissions. The model can be used to optimize the operational processes for reduction in harmful emissions and increasing overall operational efficiency. Latent algorithms such as Principle Component Algorithms (PCA) have been used for monitoring the equipment performance behavior change which deeply influences process paraments and consequently determines NOx emissions. Typical statistical methods of machine learning performance evaluations such as multivariate analysis, clustering and residual analysis have been used throughout the paper.

연구 동기 및 목표

• 자연가스 터빈 발전소의 NOx 배출을 예측하는 모델을 개발하여 환경 규제 준수를 지원한다.
• 기상, 전기 출력 및 터빈 노후화와 같은 동적 운영 요인을 기계학습 프레임워크에 통합한다.
• 실제 적용 가능성을 확보하기 위해 제한된 데이터셋을 사용하여 KNN의 성능을 다른 알고리즘과 비교 평가한다.
• 주성분 분석(PCA)과 같은 잠재 변수 기법을 활용해 터빈 성능 열화 및 그에 따른 배출에 미치는 영향을 모니터링한다.
• 데이터 기반 분석을 통해 배출에 영향을 주는 매개변수를 식별함으로써 발전소 운영을 최적화한다.

제안 방법

• KNN 알고리즘은 주어진 입력 매개변수(기상 온도, 압력, 터빈 하중 등) 기반으로 이전 유사한 데이터 포인트 K개를 식별하여 NOx 배출을 예측한다.
• 입력 특징은 기상 조건, 전기 출력, 배기 가스 온도 및 연료 유량과 같은 터빈 전용 성능 지표를 포함한다.
• 주성분 분석(PCA)은 시간에 따라 변화하는 터빈 동작 방식의 변화를 감지하는 데 사용되며, 이는 배출 추세와 상관관계가 있다.
• 다변량 분석, 군집 분석 및 잔차 분석을 통해 모델 성능을 평가하여 정확성과 강건성을 확보한다.
• 모델는 비교적 소규모 데이터셋으로 훈련 및 검증되었으며, 제한된 데이터에서도 KNN의 효과성을 입증한다.
• 통계적 검증 기법을 사용하여 모델 신뢰도를 평가하고 운영 데이터의 이질점 또는 이상치를 식별한다.

실험 결과

연구 질문

• RQ1 소규모 데이터셋을 사용할 때 KNN 알고리즘이 자연가스 터빈의 NOx 배출을 정확하게 예측할 수 있는가?
• RQ2 기상 조건과 터빈 운영 매개변수는 NOx 배출에 어떤 영향을 미치는가?
• RQ3 터빈의 노후화 및 성능 열화가 NOx 배출에 미치는 영향은 어느 정도이며, 이는 예측 모델에 포괄될 수 있는가?
• RQ4 PCA 통합이 배출에 영향을 주는 성능 변화 감지를 어떻게 향상시키는가?
• RQ5 제안된 모델은 유해 배출을 줄이기 위해 실시간 운영 최적화를 지원할 수 있는가?

주요 결과

• 소규모 데이터셋으로 훈련된 KNN 모델은 테스트된 알고리즘 중에서 가장 높은 예측 정확도를 기록하여, 낮은 데이터 환경에서의 효과성을 입증한다.
• 기상 조건 및 터빈 성능 요인을 통합함으로써 NOx 배출 예측 정확도가 크게 향상되었다.
• PCA는 시간에 따라 변화하는 터빈 동작 방식의 변화를 성공적으로 감지하였으며, 이는 NOx 배출 추세의 변화와 강하게 상관관계가 있었다.
• 잔차 분석을 통해 일관된 모델 성능과 낮은 예측 오차를 확인하여 NOx 수준에 대한 신뢰할 수 있는 추정이 가능함을 입증하였다.
• 모델는 기상 조건과 전력망의 동적 변화에 대응하여 능동적인 운영 조정을 가능하게 하여 배출 감소와 효율 향상을 도모한다.
• 이 연구는 KNN이 역사적 데이터가 제한된 발전소에서 실시간 NOx 예측에 강력한 선택임을 확인한다.