머신러닝 기반 출탕온도 예측조절 모델적용을 통한 스테인리스 전기로 전력투입량 최적화 연구

Abstract

온실가스 감축을 위해, 철강산업은 전통적인 Blast Furnace 공정을 탈피하여 Electric Arc Furnace (EAF) 공정으로의 전환이 불가피하다. 하지만 아직도 EAF는 운전자의 숙련도에 전적으로 의존하여 전력 투입량이 결정된다. 본 연구의 목적은 Data 기반 접근을 통해 Tap Temperature를 실시간 예측하고 전력투입량을 자동으로 설정하는 시스템을 현장에 적용하여 공정을 효율화 하는 것이다. 이를 위해 Machine Learning (ML)기반의 Support Vector Regression Algorithm을 적용한 Tap Temperature Prediction Model (TTPM)을 개발하였다. 실제 생산작업이 진행되는 Stainless EAF의 조업 Data를 추출하여 6개 ML Algorithm을 이용한 Model을 Train하였다. Model Validation 결과 SVR – Radial Basis Function (RBF) Algorithm을 적용한 모델이 RMSE 20.14로 가장 우수한 성능을 나타내었다. 이는 SVR Algorithm이 Noise를 포함하는 Feature에 대하여 우수한 성능을 가지기 때문으로 분석된다. 개발된 TTPM을 현장에 적용하여 5개월간의 조업실적을 분석한 결과 출탕온도 편차를 17% 저감하고 전력 사용량을 평균 282kWh/Heat 절감하는 효과를 확인하였다. 연구과정에서 진행된 설비투자에 대하여 Economic Evaluation을 실시하여 IRR 35.8%로 경제성이 충분함을 확인하였다. 본 연구로 인해 EAF 공정의 효율성을 향상하여 탄소중립 사회를 구축하는데 기여할 수 있기를 기대한다.

The steel industry is forced to switch from the traditional Blast Furnace process to the Electric Arc Furnace (EAF) process to reduce carbon emissions. However, EAF still relies entirely on the operator's proficiency to determine the input amount of power. The study aims to make the EAF process more efficient by predicting the tap temperature in real-time through a data-driven approach and applying a system that automatically sets the input amount of power to the production site. To this end, we developed a Tap Temperature Prediction Model (TTPM) with a Machine Learning (ML)-based Support Vector Regression (SVR) algorithm. The operation data of the Stainless EAF, where the actual production work is carried out, were extracted and the models using six ML algorithms were trained. Model validation results were that the model with SVR Radial Basis Function (RBF) algorithm showed the best performance with root mean square error 20.14. This is analyzed because SVR algorithm has excellent performance for features including noise. As a result of analyzing the operation performance for 5 months by applying the developed TTPM to the production site, it was confirmed that the effect was a reduction of the tap temperature deviation by 17% and the average power consumption by 282kWh/Heat. Economic evaluation was conducted on facility investment conducted in this study to confirm that the economic feasibility was sufficient at IRR 35.8%. It is expected that this study will contribute to the establishment of a carbon-neutral society by improving the efficiency of the EAF process.