Prediction Modeling of Flue Gas Control for Combustion Efficiency Optimization for Steel Mill Power Plant Boilers Based on Partial Least Squares Regression (PLSR)

Abstract

The steel industry, known for its high electricity consumption, relies on external power purchases and internal generator operations to meet its power demand. However, the recent Russia-Ukraine war has led to a sharp increase in energy costs, necessitating the improvement of power generation efficiency. This research focuses on a P steel plant and aims to optimize boiler combustion efficiency and increase power output by determining the optimal operating values of O2 and CO, which maximize boiler efficiency. To achieve this, the partial least squares regression (PLSR) algorithm was applied to predict O2 and CO values in the boiler flue gas. Subsequently, a boiler flue gas prediction model (BFG-PM) was developed using the PLSR algorithm to estimate O2 and CO values, while the boiler efficiency calculation formula was employed to derive the operating values that yield maximum efficiency. A total of 361 structured data points were collected from the manufacturing execution system (MES), and preprocessing techniques were applied to handle outliers, missing values, and feature selection. The BFG-PM model demonstrated a prediction suitability of 83.2% for O2 and 53.4% for CO. With over 90% of predicted values falling within a 10% error range, the reliability of the model was considered high. As O2 was the primary focus for combustion control, the CO values were utilized as an auxiliary indicator without modification. Boiler efficiency was calculated using the performance test code (PTC) 4.0. By applying the BFG-PM model correlation equations to the boiler efficiency calculation formula, optimal control points for O2 and CO were determined. Simulation results indicated an increase in boiler efficiency ranging from 0.13% to 0.20%. Furthermore, field testing was conducted by implementing the model directly in the steel plant's generators, resulting in an average increase in boiler efficiency of 0.29%. This study is expected to contribute not only to reducing energy costs through increased power output but also to mitigating greenhouse gas emissions for sustainable business operations.

대량의 전력을 소비하는 제철 산업은 외부의 전력 구매와 더불어 자체 발전기 운영으로 전력 수요를 충당하고 있다. 러시아-우크라이나 전쟁으로 인한 에너지 비용은 급격히 증가하였다. 그에 따라 제철소의 전력 수요 충당을 위한 발전 효율의 향상이 요구된다. 본 연구는 국내 P제철소 발전 보일러를 대상으로 하며, 보일러 효율이 최대가 되는 O2, CO 운전값 도출을 통한 보일러 연소효율 최적화 및 발전 출력 증대가 목적이다. 이를 위해 partial least squares regression (PLSR) 알고리즘을 적용하여 보일러 flue gas의 O2, CO 값을 예측하였으며, 보일러 효율 계산식을 적용하여 최대 효과가 되는 O2, CO 운전값을 도출하였다. 먼저, manufacturing execution system (MES)에서 정형 데이터 361개를 수집하였으며, 이상치와 결측치 제거 및 feature selection으로 전처리 하였다. 보일러 연소상태를 확인하는 sensor값 대체를 위해 PLSR 알고리즘을 적용하여 O2, CO값 예측 모델인 boiler flue gas prediction model (BFG-PM)을 개발하였다. O2에 대한 예측 적합성은 83.2% 인 반면, CO에 대한 예측 적합성은 53.4% 로 나타났다. 예측된 값의 90% 이상이 오차 10% 이내에 존재하여 신뢰성이 높았으며 O2를 중심으로 연소제어를 실시하기 때문에 보조 지표인 CO를 그대로 활용하였다. 보일러 효율은 performance test code (PTC) 4.0을 이용하였다. 마지막으로 BFG-PM 모델 상관식을 보일러 효율계산식에 적용하여 최적의 value가 되는 O2, CO 제어 point를 도출하였다. 모델 시뮬레이션에서 보일러 효율이 최대가 되는 O2, CO 값으로 테스트 한 결과 보일러 효율 013%~0.20% 증가를 보였다. 또한 제철소 내 발전기에 직접 적용하여 현장 운전을 실시하였으며, 그 결과 평균 0.29%의 보일러 효율의 증가를 확인하였다. 본 연구는 발전출력 증대에 따른 에너지 비용 저감뿐만 아니라 기업의 지속가능경영을 위한 온실가스 배출 저감에 기여할 수 있을 것으로 기대된다.