기계학습을 기반으로 한 가스터빈 연소불안정 진단 시스템 및 이를 이용한 가스터빈 연소불안정 진단 방법

기술 요약가스터빈 연소 불안정은 발전 효율 저하 및 심각한 안전 문제로 이어질 수 있는 문제입니다. 본 기술은 기계학습 기반의 가스터빈 연소불안정 진단 시스템 및 방법을 제공합니다. 연소부 내부의 동압, 이미지, 온도 등 다양한 데이터를 센서로 측정하고, 이로부터 연소 상태를 반영하는 핵심 특징(features)을 추출합니다. 추출된 특징들을 학습 데이터로 활용하여 인공 신경망 모델, 특히 단층 퍼셉트론 모델을 학습시킵니다. 또한, 천이(transient) 과정의 데이터를 추가 학습하여 모델의 정확도를 미세 조정(fine tuning)합니다. 이 시스템은 학습된 모델을 통해 가스터빈의 연소불안정 상태를 실시간으로 빠르고 정확하게 판단하며, 이상 감지 시 즉각적인 알람과 부하 감소 제어를 통해 안전사고를 미연에 방지하고 가스터빈의 안정적이고 효율적인 운전을 가능하게 합니다.