열 풍로 공정은 고로 공정에 필요한 고온의 일정량의 공기를 연속적으로 생산하는 공정이다. 제철소 내에서 발생되는 부생가스를 연료로 사용하는 열 풍로 공정은 제선 공정 전체 에너지의 약 $20\%$를 소비하여 대표적인 에너지 소비 공정으로 인식되어 왔다. 그러므로, 열 풍로 열 효율 향상을 통한 에너지 절감 노력이 해석적인 방법과 실험적인 방법을 통해 지속적으로 이루어져 왔다. 조업 중 발생되는 열 전달 현상의 복잡성 그리고 조업 조건 변동에 따른 모델 내 Parameters들의 변화로 인하여 해석적인 방법을 통한 정확한 모델 구축에 많은 어려움을 겪어 왔다. 본 연구에서는 컴퓨터의 발전과 더불어 발전되어온 실험적 모델 중 하나인 신경회로망을 이용, 조업 변수들과 열 효율과의 관계를 나타내는 모델을 구축하고자 한다. 또한 기존 신경 회로망을 이용할 경우, 모델의 성능을 저하시키는 Over-parameterization의 문제점을 극복하기 위하여, 고차원의 조업 데이터를 Walsh-Hadamard 변환을 이용하여 저 차원으로 투영하여 조업 데이터의 특성을 추출, 이를 이용한 열 풍로 열 효율 예측을 위한 신경회로망 모델을 구축하였다. 본 연구를 통하여, 조업 변수들과 열 효율간의 관계를 나타내는 모델을 구축, 열 효율 예측결과를 나타냈으며, 모델의 예측 성능을 평가하기 위하여 다변량 통계적 방법인 Partial Least Square (PLS) 방법과 비교하였다.
The hot stove system is a process that is continuously and constantly generating the hot combustion air required for the blast furnace. The hot stove process is considered as a main energy consumption process because it consumes about $20\%$ of the total energy in steel making works. So, many researchers have interested in the improvement of the heat efficiency of the hot stove to reduce the energy consumption. But they have difficulties in improving the heat efficiency of the hot stove because there is no precise information on heat transformation occurring during the heating period. In order to model the relationship between the operating conditions and heat efficiencies, we propose a neural network using feature extraction as one of experimental modeling methods. In order to show the performance of the model, we compare it with Partial Least Square (PLS) method. Both methods have similarities in using the dimension reduction technique. And then we present the simulation results on the prediction of the heat efficiency of the hot stove.
