[에너지데일리 송병훈 기자] 한국전력 전력연구원(원장 이중호)은 한국서부발전과 함께 딥러닝 기술을 활용해 가스터빈 로터(rotor)의 열화도를 평가할 수 있는 '딥러닝 기반 가스터빈 로터 열화도 평가기술' 개발에 착수했다고 19일 밝혔다.
로터(rotor)는 금속으로 된 가스터빈의 회전하는 축이다. 블레이드(터빈날개)가 로터의 축에 부착돼 있으며, 보통 블레이드와 함께 디스크의 형태로 구성돼 있다. 로터가 고온의 환경에서 빠르게 회전하며 장기간 전력을 생산하게 되면, 연·취성 천이온도가 변화하고 열화가 발생해 설비가 취약해진다.
연·취성 천이온도란 온도에 따라서 금속재료가 흡수할 수 있는 충격에너지의 양이 변하게 되는데, 이 변화가 급격하게 발생하는 온도를 말한다. 따라서 로터의 건전성 평가를 위해서는 연·취성 천이온도의 변화를 확인하는 것이 중요하다.
설비 금속소재의 미세조직이나 경도 등의 평가는 비파괴적인 방법으로 수행이 가능하지만, 연·취성 천이온도는 해당 설비에서 시험용 샘플을 채취해 샘플을 파괴하는 방법으로 검사해야 한다. 이로 인해 설비의 물리적 손상이 불가피하고, 운영측면에서도 시간 및 비용의 손해가 발생하기에, 비파괴적인 연·취성 천이온도 평가 방법이 필요하다.
또한 로터의 열화도 평가 기준이 제작사마다 상이하고, 정량적인 기준도 부재한 상황이다. 가스터빈의 고온 부품에 대한 명확한 교체 기준이 없이는 정비범위가 과도하게 책정될 수 있으며, 이로 인해 유지보수 비용 및 전력생산비용이 증가하는 결과를 낳을 수 있다. 발전사업자와 전력공급사가 자체적으로 설비의 건전성을 평가하는 기술을 확보해야 하는 이유이기도 하다.
이에 한전 전력연구원은 딥러닝을 활용해 비파괴적으로 금속부품 열화도를 평가할수 있는 '딥러닝 기반 가스터빈 로터 열화도 평가기술 개발'에 착수했으며, 연구성과물을 적용해 국내 가스터빈 로터의 건전성 평가를 자체적으로 수행할 예정이다.
딥러닝에 필요한 기반 데이터를 취득하기 위해 실험실에서 금속소재를 고온열화시켜 소재물성에 대한 평가를 수행, 열화수준에 따른 미세조직, 경도 등의 기초자료를 취득할 계획이다. 또한 금속소재의 열화수준별 연·취성 천이온도를 평가하고 딥러닝을 활용해 소재물성 기초데이터와 연·취성 천이온도 간의 관계를 학습할 방침이다.
이와 같은 연구를 바탕으로 딥러닝 기반 알고리즘 구축을 완료하면, 이후 현장에서 비파괴로 얻을 수 있는 미세조직, 경도등의 데이터로 연·취성 천이온도를 도출할 수 있다고 전력연구원은 설명했다.
전력연구원 관계자는 “현재까지 국외 터빈제작사에 의존하던 가스터빈 열화도 평가기술을 확보함으로써 발전소의 유지보수 및 전력생산비용의 절감을 기대한다”며 “이를 통해 국내 가스터빈 유지보수 기술을 국산화, 국내 산업계의 활성화 및 기술력 향상에 기여할 방침”이라고 말했다.
