가스터빈 로터 건전성 평가기술 국산화 · 자체평가 기술 확보 목표
딥러닝 이용 비파괴적인 평가기술로 유지보수 · 전력생산비용 절감

딥러닝 기반 가스터빈 로터 건전성 평가기술 흐름도.
딥러닝 기반 가스터빈 로터 건전성 평가기술 흐름도.

한전 전력연구원(원장 이중호)은 한국서부발전(주)이 딥러닝 기술을 활용해 가스터빈 로터(rotor)의 열화도를 평가할 수 있는 ‘딥러닝 기반 가스터빈 로터 열화도 평가기술’ 국산화에 나서서 커다란 주목을 받고 있다.

로터(rotor)는 금속으로 된 가스터빈의 회전하는 축으로 블레이드(터빈날개)가 로터의 축에 부착돼 있으며, 보통 블레이드와 함께 디스크의 형태로 구성되어 있다.

로터가 고온의 환경에서 빠르게 회전하며 장기간 전력을 생산하게 되면 연·취성 천이온도가 변화하며 열화가 발생해 설비가 취약해지는 단점을 안고 있다..

연·취성 천이온도란 온도에 따라서 금속재료가 흡수할 수 있는 충격에너지의 양이 변하게 되는데 이 변화가 급격하게 발생하는 온도를 말하며, 로터의 건전성 평가를 위해서는 연·취성 천이온도의 변화를 확인하는 것이 매우 중요하다.

설비 금속소재의 미세조직이나 경도 등의 평가는 비파괴적인 방법으로 수행이 가능하나, 연·취성 천이온도는 해당 설비에서 시험용 샘플을 채취하여 샘플을 파괴하는 방법으로 검사해야 한다.

이에 따라 설비의 물리적 손상이 불가피하여 운영측면에서 시간 및 비용의 손해가 발생하므로 비파괴적인 연·취성 천이온도 평가 방법이 필요한 실정이다.

또한 로터의 열화도 평가 기준이 제작사마다 상이하고, 정량적인 기준이 부재한 상황임. 가스터빈의 고온 부품에 대한 명확한 교체 기준이 없이는 정비범위가 과도하게 책정될 수 있으며 이로 인해 유지보수 비용 및 전력생산비용이 증가하는 결과를 낳을 수 있다. 따라서 발전사업자와 전력공급사가 자체적으로 설비의 건전성을 평가하는 기술을 확보하는 것이 중요하다.

한전 전력연구원에서는 딥러닝을 활용해 비파괴적으로 금속부품 열화도를 평가할수 있는 ‘딥러닝 기반 가스터빈 로터 열화도 평가기술 개발’에 착수에 나선 것이다.

전력연구원은 이번 연구성과물을 적용해 국내 가스터빈 로터의 건전성 평가를 자체적으로 수행할 계획이다.

딥러닝에 필요한 기반 데이터를 취득하기 위해 실험실에서 금속소재를 고온열화시켜 소재물성에 대한 평가를 수행해 열화수준에 따른 미세조직, 경도 등의 기초자료를 취득할 계획이다.

또한 금속소재의 열화수준별 연·취성 천이온도를 평가하고 딥러닝을 활용하여 소재물성 기초데이터와 연·취성 천이온도 간의 관계를 학습할 예정이다.

이와 같은 연구를 바탕으로 딥러닝 기반 알고리즘 구축을 완료하면 이후 현장에서 비파괴로 얻을 수 있는 미세조직, 경도등의 데이터로 연·취성 천이온도를 도출할 수 있다.

전력연구원 관계자는 “현재까지 국외 터빈제작사에 의존하던 가스터빈 열화도 평가기술을 확보함으로써 발전소의 유지보수 및 전력생산비용의 절감을 기대한다”고 밝혔으며, “이를 통해 국내 가스터빈 유지보수 기술을 국산화하여 국내 산업계의 활성화 및 기술력 향상에 기여할 것이다”라고 덧붙였다.

저작권자 © 한국원자력신문 무단전재 및 재배포 금지