Fig. 7.10은 동기발전기의 속도지령을 1100→1800[rpm]으로 100[rpm]씩 증가시 킨 경우에 자동전압조정장치의 외부저항값을 발생하는 가변저항 전위차계의 입 력전류를 나타낸 실험결과이다. 신경회로망 제어기를 적용한 시스템의 경우 시 뮬레이션과 동일하게 초기 응답속도의 지연이 없으며, 목표지령값에 빠르고 정 확하게 도달하는 결과를 확인할 수 있다.
(a) Experimental response for step change of speed(1100→1800[rpm])
(b) Experimental response for input current of Potentiometer Fig. 7.10 Experimental response characteristics according to speed
change of the proposed system(1100→1800[rpm])
Fig. 7.11은 앞선 실험과 반대로 동기발전기의 속도지령을 1800→1100[rpm]으 로 100[rpm]씩 감소한 경우의 실험결과를 나타내며, 학습을 통해 구해진 최적 의 연결가중치를 적용함으로써 초기 속도변화가 발생한 지점에서 목표값에 도 달하기까지 속응성이 우수한 결과를 확인할 수 있었다.
(a) Experimental response for step change of speed(1800→1100[rpm])
(b) Experimental response for input current of Potentiometer Fig. 7.11 Experimental response characteristics according to speed
change of the proposed system(1800→1100[rpm])
Fig. 7.12는 동기발전기의 속도지령을 1800→1100→1800[rpm]으로 100[rpm]씩 증감한 경우의 출력결과를 나타내며, 초기 속도변화가 발생한 지점에서 목표값 에 도달하기까지 속도지연이 없고, 정확하고 신속하게 목표값에 응답하는 결과 를 얻을 수 있다.
(a) Experimental response for step change of speed(1800→1100→1800[rpm])
(b) Experimental response for input current of Potentiometer Fig. 7.12 Experimental response characteristics according to speed
change of the proposed system(1800→1100→1800[rpm])
Fig. 7.13 ~ 7.16은 동기발전기의 목표속도를 신경회로망의 학습에 이용하지 않은 임의의 속도로 감소시켜 가변한 경우에 발전기 기준전압 설정을 위해 자 동전압조정장치의 외부저항값을 조정하는 전위차계 입력전류를 신경회로망 제 어기를 이용하여 출력한 실험결과를 보여준다. Fig. 7.13은 1800→1230[rpm]으로 가변한 경우에도 학습된 최적 연결가중치에 의해 발전기 기준전압을 출력하기 위한 정확한 전위차계 입력전류가 출력됨을 알 수 있다.
(a) Experimental response for step change of speed(1800→1230[rpm])
(b) Experimental response for input current of Potentiometer Fig. 7.13 Experimental response characteristics according to speed
change of the proposed system(1800→1230[rpm])
Fig. 7.14는 동기발전기의 목표속도를 1800→1460[rpm]으로 가변한 경우의 실 험결과를 나타내며, 학습된 최적 연결가중치에 의해 정확한 전위차계 입력전류 를 얻을 수 있다.
(a) Experimental response for step change of speed(1800→1460[rpm])
(b) Experimental response for input current of Potentiometer Fig. 7.14 Experimental response characteristics according to speed
change of the proposed system(1800→1460[rpm])
Fig. 7.15는 동기발전기의 목표속도를 1800→1670[rpm]으로 감소시킨 경우 출 력되는 실험결과이며, 신경회로망의 훈련결과로 얻은 최적 연결가중치에 의해 자동전압조정장치의 기준전압을 조정하기 위한 전위차계 입력전류가 목표값에 정확하게 추종함을 확인할 수 있다.
(a) Experimental response for step change of speed(1800→1670[rpm])
(b) Experimental response for input current of Potentiometer Fig. 7.15 Experimental response characteristics according to speed
change of the proposed system(1800→1670[rpm])
Fig. 7.16은 동기발전기의 목표속도를 1800→1740[rpm]으로 감소시킨 경우 출 력되는 실험결과이며, 신경회로망의 훈련결과로 얻은 최적 연결가중치에 의해 자동전압조정장치의 기준전압을 조정하기 위한 전위차계 입력전류가 목표값에 정확하게 추종함을 확인할 수 있다.
(a) Experimental response for step change of speed(1800→1740[rpm])
(b) Experimental response for input current of Potentiometer Fig. 7.16 Experimental response characteristics according to speed
change of the proposed system(1800→1740[rpm])
Fig. 7.17 ~ 7.20은 동기발전기의 속도지령을 신경회로망의 학습에 사용하지 않은 임의의 값으로 증가시킨 경우에 발전기 기준전압의 조정을 위해 자동전압 조정장치의 외부저항값을 조정하는 전위차계 입력전류에 대한 실험결과를 보여 준다. Fig. 7.17은 1100→1230[rpm]으로 속도지령을 증가시킨 경우에 학습된 최 적 연결가중치에 의해 발전기 기준전압을 조정하기위한 전위차계 입력전류가 정확하게 출력됨을 알 수 있다.
(a) Experimental response for step change of speed(1100→1230[rpm])
(b) Experimental response for input current of Potentiometer Fig. 7.17 Experimental response characteristics according to speed
change of the proposed system(1100→1230[rpm])
Fig. 7.18은 동기발전기의 목표속도를 1100→1460[rpm]으로 가변한 경우의 실 험결과이며, 신경회로망 학습을 통해 도출된 최적 연결가중치를 이용하여 기준 전압을 조정을 위한 자동전압조정장치의 외부저항값을 출력하는 전위차계 입력 전류가 목표값에 정확히 출력됨을 확인할 수 있다.
(a) Experimental response for step change of speed(1100→1460[rpm])
Fig. 7.18 Experimental response characteristics according to speed change of the proposed system(1100→1460[rpm])
Fig. 7.19는 동기발전기의 목표속도를 1100→1670[rpm]으로 증가시킨 경우 출 력된 실험결과이며, 최적 연결가중치를 이용한 신경회로망 제어기에 의해 자동 전압조정장치의 기준전압을 조정하기 위한 전위차계 입력전류가 목표값에 도달 하는 것을 알 수 있다.
(a) Experimental response for step change of speed(1100→1670[rpm])
Fig. 7.19 Experimental response characteristics according to speed change of the proposed system(1100→1670[rpm])
Fig. 7.20은 동기발전기의 속도를 1100→1740[rpm]으로 급격히 증가시킨 경우 에 출력되는 실험결과이며, 신경회로망의 훈련을 통해 얻은 최적 연결가중치에 의해 임의의 속도지령을 입력해도 자동전압조정장치의 기준전압을 조정하기 위 한 전위차계 입력전류가 목표값에 정확히 추종함을 확인할 수 있다.
(a) Experimental response for step change of speed(1100→1740[rpm])
Fig. 7.20 Experimental response characteristics according to speed change of the proposed system(1100→1740[rpm])
Fig. 7.21은 동기발전기의 속도지령을 신경회로망의 학습에 사용하지 않은 임 의의 값으로 연속하여 가변한 경우 발전기 기준전압 설정을 위한 전위차계 입 력전류의 출력결과를 나타낸다. 연속으로 가변한 속도지령은 1100→1230→1460
→1670→1740→1550→1370→1120→1800[rpm]이며, 신경회로망의 입력에 사용되 지 않은 발전기엔진의 속도영역에 대해서도 시뮬레이션과 동일한 결과를 출력 함을 알 수 있다.
(a) Experimental response of generator speed
(b) Experimental response for input current of Potentiometer Fig. 7.21 Experimental response characteristics according to
random speed change of the proposed system
제 8 장 결 론
선박으로부터 발생하는 대기오염물질의 배출규제와 선박의 운영비용 중에서 큰 비중을 차지하는 연료소모량을 줄이기 위해서 에너지효율이 향상된 친환경 선박의 도입에 대한 필요성이 증가하고 있다.
친환경선박은 다양한 종류가 있으며, 그 중 한 가지로 가변속엔진 동기발전기 를 이용한 직류배전시스템을 적용함으로써 배전계통의 단순화, 효율의 증대 등 의 이점뿐만 아니라 발전기엔진의 속도를 부하에 따라 가변속으로 운전하는 것 이 가능해지므로 저부하 시에도 최적의 운전 상태를 유지할 수 있으며, 따라서 배기가스배출량 및 연료소모량의 저감이 가능하다. 하지만 이와 같은 시스템을 적용할 경우에 속도 가변에 따라 발전기 기준전압을 조정하는 제어기를 적용해 야한다.
따라서 본 논문에서는 발전기 속도변화에 따른 기준전압을 조정하기 위한 가 변속엔진 동기발전기 실험 장치를 구성하였으며, 발전기엔진 가변속에 따라 발 전기의 기준전압을 조정하고, 조정된 기준전압을 안정적으로 유지하기 위해 전 력관리장치의 제어부에 신경회로망을 이용한 제어기를 이용하였다. 신경회로망 제어기는 속도변화에 따라 자동전압조정장치의 기준전압 변경을 위한 외부입력 저항에 공급하는 전위차계의 입력전류를 제어한다.
신경회로망을 이용한 실험을 진행한 결과 다음과 같은 결론을 얻을 수 있었 다.
1) 가변속엔진 동기발전기의 각 구성요소별 수식모델을 이용하여 신경회로망의 입출력 패턴정보를 얻을 수 있으며, 이를 이용하여 신경회로망의 학습이 가 능함을 확인하였다.
2) 반복된 실험결과를 바탕으로 가변속엔진 동기발전기의 속도변화에 따른 출 력전압을 제어하기 위한 최적의 신경회로망 구조는 하나의 은닉층과 내부 5 개의 노드로 구성된 형태였으며, 은닉층의 출력 활성함수는 Tansigmoid함수
를 적용하였고, 출력층 활성함수는 선형함수로 선정하였다.
3) 발전기엔진의 가변 속도 운전범위를 1100~1800[rpm]으로 설정하였으며, 속도 를 100[rpm] 단위로 증감시켜 엔진속도 변화에 따른 전위차계의 입력전류값 을 확인하였다. 학습을 통해 구해진 연결가중치를 전력관리장치 제어부의 마이크로프로세서에 탑재하여 속도목표 값의 변화에 따른 신경회로망의 연 산에 의해 전위차계의 입력전류값을 출력하였으며, 이를 자동전압조정장치 의 외부입력저항값으로 사용함으로써 발전기속도에 따라 변동된 기준전압이 안정적으로 유지되는 것을 확인하였다.
4) 신경회로망을 학습시키기 위해 사용한 입력 패턴값이 아닌 임의의 속도지령 값을 입력한 경우에도 연산된 최적 연결가중치에 의해 초기 과도상태에서 응답속도의 지연이 없으며, 목표지령값에 신속하고 정확하게 도달하는 결과 를 얻을 수 있었다. 따라서 다양한 속도변화에서도 발전기 기준전압에 대한 추종성이 우수함을 확인할 수 있었으며, 초기 과도상태에서도 만족스러운 제어응답 성능을 확인하였다.
본 연구에서는 신경회로망을 적용한 직류배전시스템의 가변속엔진 발전시스템 을 구성하여 연구를 진행하였으며, 향후 이어지는 연구를 통해 전기추진선박의 동력원으로 발전기뿐만 아니라 배터리를 연계한 선박의 전력시스템을 구성하 고, 이와 같은 시스템을 제어 가능한 통합전력관리시스템을 개발하여 실제 선 박에서 사용할 수 있는 가변속엔진 동기발전시스템이 적용된 하이브리드 기반 직류배전시스템에 관하여 지속적인 연구를 수행하고자 한다.
참고문헌
[1] IMO, 2020. Prevention of Air Pollution from Ships [Online] Available at : http://bitly.kr/VQcaH2Ek2U7 [Accessed 13 July 2020]
[2] IMO, 2005. IMO MEPC 53th Meeting Result [Online] Available at : http://bitly.kr/y8hDHjB8X8J [Accessed 10 July 2020]
[3] Korea Maritime Institute, 2019. KMI Trend Analysis, Busan: KMI.
[4] Class NK, 2019. IMO MEPC 74th Meeting Result, Busan: Class NK.
[5] Intermational Maritime Organization, 2015. Third IMO Greenhouse Gas Study 2014, London: IMO.
[6] Korea Maritime Institute, 2019. A Study on Assessment and Certification System for Reduction Technology of Emission from Ships, Busan: KMI.
[7] 해양수산부, 2019. 친환경선박 지원 선종 확대 근거마련 [Online] Available at : http://bitly.kr/JC53czKo2FJ [Accessed 20 July 2020]
[8] Lee, T.H. & Nam, H.J., 2017. A Study on Green Shipping in Major Countries: In the View of Shipyards, Shipping Companies, Ports, and Policies.
The Asian Journal of Shipping and Logistics, 33(4), pp.253-262.
[9] Korea Maritime Institute, 2016. A Study on the Policy for Enlargement Application of Eco-friendly Technology for Korean Ships, Busan: KMI.
[10] Kim, S.H., Kim, J.S., Oh, S.J. & Kim, H.S., 2012. Practical Electric Machnery. Seongandang: Seoul.
[11] Rene, P., Aleksandar, C. & Ivan, B., 2016. Advantages of using DC power system of board ship. Pomorski zbornik, 56(1), pp.83-97.
[12] Liza, C.W.Y., Tegoeh, T., Gerald, S.G.L., Ricky, C. & Alf, K.A., 2016.
Equivalent Consumption Minimization Strategy for Hybrid All-Electric Tugboats to Optimize Fuel Savigs. 2016 Americal Control Conference, Boston, MA, July 6-8, 2016, IEEE: New York, pp.6803-6808.
[13] Evert, A.B., Elizabeth, L., Agathe, I.R. & Anders, H.S., 2017. State of the