R&D 동향

R&D 동향
스마트 CCU 플랜트: 데이터기반 모델-플랜트 불일치 학습 및 모델기반 잔류편차-제거 예측 제어 기법의 통합을 통한 유동층 건식 메탄 개질 공정의 효율성 제고
  • 과제고유번호1711191543
  • 과제관리기관한국연구재단
  • 총 연구비66.17
  • 과학기술표준 분류화공/화학공정/공정시스템기술

과제기본정보

사업명 개인기초연구(과기정통부) 총 연구비 66.17
과제명 국문 스마트 CCU 플랜트: 데이터기반 모델-플랜트 불일치 학습 및 모델기반 잔류편차-제거 예측 제어 기법의 통합을 통한 유동층 건식 메탄 개질 공정의 효율성 제고
영문 Smart CCU plant: Efficiency improvement of fluidized bed process for dry reforming of methane via integration of data-driven model-plant mismatch learning and model-based offset-free predictive contro...
총 연구기간 2022-06-01 ~ 2025-02-28 당해연도 연구기간 2023-03-01 ~ 2024-02-29
주관연구기관 부산대학교 연구 책임자 손상환

과제분류정보

과학기술표준분류 화공/화학공정/공정시스템기술
적용분야 제조업(화학물질 및 화학제품)
6T 관련 기술 위의 미래유망신기술(6T) 103개 세분류에 속하지 않는 기타 연구
연구목표 1. 모델-플랜트 불일치를 학습 및 활용하는 잔류편차-제거 (offset-free) 모델예측제어 (model predictive control, MPC) 기법 개발2. 전산유체역학 (computational fluid dynamics, CFD) 기반 유동층 건식 메탄 개질 (dry reforming of methane, DRM) 공정의 기초 모델 개발3. ...
연구내용 본 연구에서는 잔류편차-제거 모델예측제어 (offset-free MPC) 기법을 바탕으로, 데이터기반 기계학습을 통해 정상상태 모델-플랜트 불일치를 학습 및 활용하는 제어기를 개발하고자 한다. 제안한 방식은 전체 모델-플랜트 불일치 맵을 모두 학습하는 기존 방식과는 달리 정상상태에 해당하는 모델-플랜트 불일치 맵의 일부분만을 학습하여 활용하고, 안정성이 보...
기대효과 기존 데이터기반 기계학습을 바탕으로한 스마트 공정 운전기법은 필요 데이터량과 계산량의 한계에 의해 실제 화학공정에서는 적극적으로 활용되지는 못하고 있다. 이러한 한계를 극복하기 위한 모델기반 최적제어와 데이터기반 기계학습을 결합한 제어기법에 관한 연구가 전세계적으로 활발하게 이루어지고 있으나, 현재까지 국내에서는 이러한 모델·데이터기반 기법의 결합에 관한 ...
한글 키워드 스마트 플랜트,유동층 반응기,건식 메탄 개질,모델 예측 제어,모델-플랜트 불일치,머신러닝
영문 키워드 Smart plant,Fluidized-bed reactor,Dry reforming of methane,Model predictive control,Model-plant mismatch,Machine learning