신경회로망을 이용한 선박용 발전기-배터리 하이브리드 시스템 에너지 최적제어에 관한 연구

Abstract

선박으로부터 발생하는 배출가스에 대한 국제사회의 규제가 날로 강화되고 있으며 이를 만족하기 위한 다양한 추진시스템 기술이 제안되고 있다. 이와 더불어 우리나라는 ｢환경친화적 선박의 개발 및 보급 촉진에 관한 법률｣ 을 2020년 1월 1일 시행하였으며, 이를 통해 친환경 추진시스템 기술을 신조선에 적용하고 있다. 친환경 추진시스템인 전기추진시스템은 발전기, 배터리, 연료전지 등의 친환경 발전원을 연계하여 에너지원으로 활용하고 있으며 선박부하환경에 따른 공급전력은 에너지 통합제어 시스템을 통해 발전원의 에너지를 최적으로 제어함으로써 효율을 향상시킨다. 이러한 발전원 및 전력의 최적화를 위한 에너지관리시스템의 제어기법은 비례적분제어, 퍼지제어, 상태기계제어, 등가소비최소화전략이 적용된 규칙기반제어 등의 다양한 방법이 사용되는데 본 논문에서는 신경회로망을 이용한 에너지 최적 제어기법을 적용하였다. 제안하는 제어기법은 선박부하와 배터리 충전잔량에 따른 각 발전원의 출력 값이 에너지 최적화를 만족하도록 등가 소비 최소화 전략을 바탕으로 규칙을 설정하고 이 규칙에서 선박부하, 배터리 잔량, 발전기 출력을 신경회로망의 입력과 출력값으로 설정하여 학습시킨다. 설정된 값과 결과값의 오차를 줄이기 위한 신경회로망 가중치 최적화 기법은 베이지안 정규화 기법을 활용하였으며 20개의 노드를 가지는 하나의 은닉층과 각 2개의 입력층과 출력층으로 설정하였다. 은닉층과 출력층의 활성함수는 신경회로망의 학습을 위해 사용된 입력과 출력 데이터의 상관관계를 고려하여 Tansigmoid함수와 선형함수를 활용하였다. 추진전동기는 속도제어기에 의해 제어가 되며 추진 전동기의 부하는 토크제어기를 통해 인가하였다. 신경회로망 학습의 정확성을 검증하기 위하여 최적의 연결가중치와 입력데이터의 연산을 통해 나온 신경회로망 출력값을 발전기 출력지령값인 학습데이터와 비교하였다. 또한 다양한 선박 부하 및 배터리 충전잔량 환경에서 발전기 출력이 도출되고 추진 전동기에 인가되어 속도, 전압, 전류의 제어를 통해 시스템의 안정성을 확인할 수 있었다.

The international community's regulations on emissions from ships are being strengthened day by day, and various propulsion system technologies have been proposed to meet them. In addition, the Korean government implemented the 「Act on Promotion of Development and Distribution of Eco-Friendly Ships」 on January 1, 2020, and through this, the eco-friendly propulsion system technology is being applied to new building ships. The electric propulsion system, an eco-friendly propulsion system, is used as an energy source by linking eco-friendly power sources such as generators, batteries, and fuel cells, and according to the load environment of the ship, supply power improves efficiency by optimally controlling the energy of the power generation source through the integrated energy management system. Various methods such as PI control, fuzzy control, state machine control, and rule-based control applied with an equivalent consumption minimization strategy are available for the control method of the integrated energy management system for optimizing the power generation source and power. In this paper, an energy optimal control method using a neural network is applied. The proposed control method establishes a rule based on an equivalent consumption minimization strategy so that the output of each power source according to the ship's load and the battery SOC satisfies the energy optimization. In this rule, the ship's load, battery SOC, and generator output are set as input and output values of the neural network to learn. For the neural network weight optimization method to reduce the error between the set value and the result value, the Bayesian regularization method was used, and one hidden layer with 20 nodes and two input and output layers were set. For the activation functions of the hidden layer and the output layer, the tansigmoid function and the linear function were used in consideration of the correlation between the input and output data used for learning the neural network. The propulsion motor is controlled by the speed controller, and the load of the propulsion motor is applied through the torque controller. In order to verify the accuracy of neural network learning, the neural network output value obtained through the calculation of the optimal connection weight and input data was compared with the learning data, which is the generator output command value. In addition, the generator output was derived and applied to the propulsion motor under various ship's loads and battery SOC conditions, and the stability of the system was confirmed through the control of speed, voltage, and current.