PMV™로 연결한 메탄 회수와 데이터 기반 운전 의사결정

SIMACRO는 축적한 엔지니어링 전문성과 물리 기반 시뮬레이션, AI 기반 자동화 기술을 결합하여 복잡한 신재생 천연가스(RNG Renewable Natural Gas) 플랜트의 디지털 트윈 구현을 한 단계 발전시켰습니다.

도전 과제: 개별 모델의 성공이 전체 공정의 성공을 의미하지는 않는다

정확한 하나의 공정 모델을 개발하는 것도 어렵지만 여러 복잡한 모델을 하나로 통합하여 운영하는 것은 전혀 다른 차원의 과제입니다. 미국의 한 RNG 생산업체 역시 플랜트 전체를 통합적으로 시뮬레이션하는 과정에서 이러한 어려움에 직면했습니다. 해당 플랜트는 탄소 성분 제거, 막 분리(Membrane Separation), 압축(Compression), 질소 제거(Nitrogen Rejection) 등 여러 공정이 연결된 구조입니다. 각 공정은 서로 다른 모델링 요구사항과 복잡성을 가지고 있습니다. 개별 공정에 대한 시뮬레이션 모델은 이미 존재했지만 이를 안정적인 플랜트 전체(Plant-wide) 시뮬레이션 환경으로 통합하는 데에는 한계가 있었습니다.

특히 PSA(Pressure-Swing Adsorption)를 사용하는 질소 제거 설비(Nitrogen Rejection Unit NRU)는 주요 기술적 난제였습니다. NRU는 일반적인 정상상태(Steady-state) 시뮬레이션과 달리 여러 흡착탑에서 압력과 조성이 빠르게 변하고 운전 단계가 반복적으로 전환되는 복잡한 동적 특성을 가집니다. 모든 공정을 동일한 수준의 상세 모델로 구현할 경우 계산 부담이 급격히 증가하고 수치적 수렴 문제가 발생할 수 있습니다. 따라서 고객사의 실제 운전조건 변화를 반영하면서도 다양한 운전 시나리오(What-if Scenario)를 효율적으로 분석할 수 있는 통합 환경이 필요했습니다. 이는 실질적으로 활용 가능한 디지털 트윈을 구축하기 위한 핵심 기반이기도 했습니다.

엔지니어링 전문성이 모든 것의 출발점

SIMACRO의 모든 프로젝트는 깊이 있는 엔지니어링 전문성을 기반으로 합니다. SIMACRO 엔지니어링팀은 축적된 공정 시뮬레이션 및 열역학 분야의 경험과 동적 모델링, 분리공정 설계에 대한 전문성을 바탕으로 프로젝트를 수행했습니다. 기존 Aspen 기반 모델을 면밀히 검토하고 각 기기 모델의 주요 파라미터를 조정했으며 NRU의 복잡한 운전 시퀀스를 분석했습니다. 또한 과거 운전데이터를 활용하여 모델 입력조건을 개선하고 데이터 간 불일치 요소를 검토·보정함으로써 시뮬레이션의 신뢰성을 높이고자 했습니다.

핵심적인 기술 과제 중 하나는 공정 간 시간 척도의 차이였습니다. NRU는 초단위의 빠른 주기로 운전 형태가 전환되는 반면 다른 공정들은 상대적으로 완만한 변화를 보입니다. 이러한 공정들을 모두 긴밀하게 연동하여 계산하면 실질적인 활용 가치에 비해 계산 부담이 지나치게 커질 수 있습니다. 이에 SIMACRO는 모델의 정밀도와 실제 운용 가능성 사이에서 최적의 균형을 추구했습니다. 상세한 물리적 해석이 중요한 분석에는 정밀 모델(Rigorous Model)을 유지하고 빠른 계산과 폭넓은 시나리오 분석이 필요한 영역에는 차수축소모델(Reduced-Order Model ROM)을 활용하도록 개발했습니다. 단순히 실행 가능한 시뮬레이션 파일을 만드는 것이 아니라 물리적으로 신뢰할 수 있고 반복적으로 재현 가능한 결과를 제공하는 것이 핵심 목표였습니다.

PMV™와 AI를 Engineering Workflow에 통합하다

SIMACRO의 ProcessModel V™(PMV™)는 공정모델 통합, 시뮬레이션 및 데이터 관리, 플랜트 핵심성과지표(KPI) 시각화를 위한 중심 플랫폼으로 활용되었습니다. 이번 프로젝트에서 PMV™는 Aspen Plus/Dynamics, Aspen Custom Modeler, Aspen Adsorption을 기반으로 개발된 공정모델들을 연결했습니다. 개별 모델들을 하나의 통합된 워크플로에서 활용할 수 있도록 구성했습니다.

SIMACRO 엔지니어들은 수백 개의 NRU 시뮬레이션 케이스를 생성했습니다. 각 케이스는 20회의 흡착 사이클을 포함하며 차수축소모델 개발을 위한 데이터로 활용되었습니다. 이 데이터를 바탕으로 회귀분석부터 신경망(Neural Network)에 이르기까지 다양한 머신러닝 알고리즘을 검토했습니다. 이를 통해 플랜트 운전조건 변화에 대한 정밀 NRU 모델의 응답을 가장 효과적으로 재현할 수 있는 모델링 방법을 선정했습니다. 이러한 접근은 복잡한 물리 기반 시뮬레이션의 결과를 AI 기반 모델링 기술과 결합하여 정밀한 공정 해석과 신속한 시나리오 평가를 함께 지원할 수 있도록 했습니다.

운영 성과: 연결되고 활용 가능한 디지털 트윈

PMV™ 도입을 통해 고객사는 개별적으로 관리되던 엔지니어링 모델 파일들을 하나의 통합된 디지털 트윈 환경으로 연결할 수 있었습니다. 플랜트 데이터를 직접 연동하여 메탄 회수율, 생산량, 에너지 소비와 같은 KPI를 실시간에 가깝게 모니터링할 수 있게 되었고 엔지니어들은 별도의 시뮬레이션 파일을 수동으로 관리하지 않고도 웹 브라우저 기반 환경에서 다양한 운전 시나리오를 실행하고 결과를 분석할 수 있게 되었습니다.

그 결과 고급 시뮬레이션 전문가뿐 아니라 플랜트 엔지니어와 기술 담당자까지 공정모델을 폭넓게 활용할 수 있는 기반이 마련되었습니다. SIMACRO는 엔지니어링의 정밀함과 PMV™의 AI 기반 자동화 기술을 결합하여 복잡한 공정모델을 실제 운영 의사결정에 활용할 수 있는 디지털 트윈 환경으로 확장했습니다.

Written by Angela Park, Gunhak Lee  

SIMACRO media team | media@simacro.com

Next
Next

SIMACRO, 글로벌 기업과 PMV™ 파일럿 프로젝트 성공적으로 완료