가스 발전소 터빈·조정기와 여흥계통 식별을 위한 하이브리드 쿠쿠시 탐색 알고리즘 적용

초록

본 논문은 가스 발전소의 터빈‑조정기와 여흥계통 모델을 표준 GGOV1·STB6 구조에 맞춰 사전 식별 후, 메타휴리스틱 쿠쿠시 탐색(CS) 알고리즘으로 파라미터를 정밀 튜닝하는 절차를 제시한다. 이중 식별‑검증 과정을 시뮬레이션과 현장 데이터(이란 차바하르 320 MW 발전소)로 검증하고, 백색성(whiteness) 분석을 통해 모델의 신뢰성을 추가 확인한다. 결과는 기존 방법 대비 높은 정확도와 실용성을 보여준다.

상세 분석

본 연구는 전통적인 시스템 식별 기법이 현장 데이터의 비선형성·노이즈에 취약한 점을 보완하기 위해, 메타휴리스틱 최적화 기법인 쿠쿠시 탐색(Cuckoo Search, CS)을 활용한 하이브리드 식별 절차를 설계하였다. 먼저, 터빈‑조정기와 여흥계통 각각에 대해 국제 표준 모델인 GGOV1과 STB6을 채택함으로써 구조적 일관성을 확보하였다. 이러한 표준 모델은 파라미터 수가 비교적 제한적이면서도 실제 발전소 동특성을 충분히 표현할 수 있는 장점을 가진다.

초기 파라미터는 전통적인 최소제곱법이나 ARX 기반 식별 기법을 이용해 현장 측정 데이터(전압, 전류, 주파수, 출력 등)로부터 추정한다. 그러나 이 단계에서는 지역적 최소점에 머무를 가능성이 높으며, 복잡한 비선형 상호작용을 완전히 반영하지 못한다. 이를 보완하기 위해 CS 알고리즘을 적용한다. CS는 자연계의 기생벌레(쿠쿠)의 알 배치 전략을 모방한 확률적 탐색 방법으로, 레비 플라이트(Lévy flight)를 통한 긴 거리 이동과 알 교체 메커니즘을 통해 전역 탐색 능력이 뛰어나다.

논문에서는 CS의 기본 파라미터(알 개수, 발견 확률 pa, 레비 플라이트 스케일 파라미터 등)를 실험적으로 튜닝하고, 초기 추정값을 탐색 공간의 중심으로 설정하였다. 이후 반복적인 평가 함수(시뮬레이션 결과와 실제 측정값 간의 평균제곱오차, MSE)를 최소화하도록 알을 이동시켜 파라미터 집합을 최적화한다. 이 과정에서 파라미터 경계 조건을 명시적으로 적용해 물리적으로 의미 있는 값만을 허용한다.

최적화된 모델은 시뮬레이션 환경에서 동일한 부하 변동·고장 시나리오를 적용해 검증되었다. 결과는 전압·주파수 응답, 출력 파워 변동 등에 대해 실측 데이터와 거의 일치했으며, 특히 과도 응답 구간에서의 오차가 기존 최소제곱 기반 모델에 비해 30 % 이상 감소하였다. 추가적으로, 잔차 신호에 대한 백색성 검증(autocorrelation, Ljung‑Box Q‑test)을 수행해 잔차가 통계적으로 백색 잡음임을 확인함으로써 모델이 시스템의 모든 동적 정보를 충분히 포착했음을 증명하였다.

이러한 절차는 모델 선택·초기 식별·전역 최적화·검증이라는 일련의 흐름을 체계화함으로써, 실제 가스 터빈 발전소와 같은 복합 시스템에 적용 가능한 실용적인 식별 프레임워크를 제공한다. 특히, CS 알고리즘의 전역 탐색 능력이 기존 로컬 최적화 기법의 한계를 극복하고, 파라미터 튜닝에 필요한 인력·시간 비용을 크게 절감한다는 점이 큰 장점으로 부각된다.