이 분야에 10년 이상 종사하셨다면, 전기로 제어 기술이 전류계를 관찰하고 조이스틱을 조작하던 시절에서 실시간으로 전력 곡선을 최적화하고 첫 번째 샘플이 나오기 전에 탭 온도를 예측하는 시스템으로 발전하는 과정을 지켜보셨을 겁니다. 이는 공상 과학 소설이 아니라 오늘날 전기로에서 실제로 구현되고 있는 기술입니다. 이 글에서는 지능형 제어 기술이 현재 어느 단계에 있는지, 그리고 무엇에 주목해야 하는지를 다룹니다.
I. 지능형 제어가 필요한 이유, 그리고 지금이 바로 그 이유
1.1 직관적인 운전의 문제점
전통적인 전기로(EAF) 작동 방식은 작업자의 경험에 크게 의존합니다. 이는 어느 정도까지는 효과적이지만, 분명한 한계가 존재합니다.
- 일관성 — 작업자마다 결과가 다릅니다. 같은 작업자라도 잘하는 날과 못하는 날이 있습니다.
- 반응 속도 — 인간의 반응 속도는 아크의 역동적인 움직임을 따라잡을 수 없습니다. 전류 급증을 보고 전극을 움직일 때쯤이면 아크는 이미 다른 움직임을 보이고 있습니다.
- 에너지 효율성 — 경험 법칙에 기반한 전력 및 산소 공급 전략은 실제 효율성을 저해합니다.
- 데이터 — 매 히트마다 수천 개의 데이터 포인트를 생성하면서 대부분 무시하고 있습니다.
지능형 제어는 작업자를 대체하는 것이 아닙니다. 인간의 반사 신경으로는 처리할 수 없는 더 나은 정보와 더 빠른 대응 속도를 제공합니다.
1.2 건축
최신 전기로 제어 시스템은 일반적으로 계층 구조로 되어 있습니다.
```
┌──────────────────────────────────────────┐
│ 관리 계층 (MES/ERP) │ ← 생산 계획, 품질 추적
├──────────────────────────────────────────┤
│ 공정 제어 계층 (레벨 2) │ ← 제련 모델, 최적화
├──────────────────────────────────────────┤
│ 기본 자동화 계층 (레벨 1) │ ← PLC, 계측기, 액추에이터
└──────────────────────────────────────────┘
```
레벨 1은 실시간 제어 계층으로, 전극 조절기, 유압 밸브, 배기 팬 등을 작동시킵니다. 레벨 2는 모델이 실행되는 곳으로, 설정값을 결정합니다. 레벨 3(MES/ERP)은 생산 일정 관리 및 품질 관리를 담당합니다.
이러한 계층 간의 원활한 통합은 이론상으로는 좋아 보이는 시스템과 실제로 철강 생산에 도움이 되는 시스템을 구분 짓는 핵심 요소입니다.
II. 지능형 전원 공급 장치
2.1 옛 방식과 새 방식
기존의 전력 곡선은 미리 설정되어 있습니다. 용융을 위해 고전압을 사용하고, 미리 정해진 시간에 저전압 체제로 전환합니다. 문제는 고철 상태가 매 열마다 다르다는 것입니다. 고정된 곡선으로는 고철의 무게, 용광로 온도, 지붕 유무 등 다양한 조건에 적응할 수 없습니다.
지능형 전원 공급 장치는 보일러의 실제 작동 상태에 따라 전력 곡선을 실시간으로 조정합니다. 시스템은 다음 사항을 모니터링합니다.
- 아크 전류 및 전압 (당연히)
- 전극 위치 — 단락 상태인지 아크가 안정적인지 알려줍니다.
- 변압기 탭 위치
- 용광로 내벽 온도 및 열 부하
- 아크에서 발생하는 음향 신호
그리고 그 데이터를 사용하여 매 순간 최적의 전압 탭과 전류 설정값을 선택합니다.
2.2 무엇이 바뀌고, 언제 바뀌는가
용융 과정 중에는 스크랩을 뚫기 위해 높은 출력이 사용됩니다. 시스템은 전극이 용융 풀에 닿는 순간을 감지하고 전략을 변경합니다.
용융액 형성 후에는 전압을 낮추고 전류를 높여 짧은 아크를 발생시키십시오. 이것이 용융액으로 효율적인 전력 전달을 위한 최적의 상태입니다.
발포 슬래그가 형성된 후에는 열 균형을 유지하도록 출력을 조정하십시오. 발포 슬래그는 열 전달 역학을 변화시키므로 출력 설정값은 이를 반영해야 합니다.
2.3 음향 제어
아크는 소음을 발생시키고, 그 소음은 정보를 전달합니다. 노출된 아크(폐기물 더미에 드러난 아크)는 폐기물이나 슬래그 아래에 묻힌 아크와 소리가 다릅니다. 또한 폐기물이 붕괴될 때 음향 특성도 뚜렷하게 변화합니다.
(당연히 열로부터 보호되는) 마이크를 설치하고 아크 소음의 주파수 성분을 분석함으로써, 이 시스템은 다음과 같은 작업을 수행할 수 있습니다.
- 멜트다운이 완료되는 시점을 감지하고 전원 공급 전략을 전환합니다.
- 임박한 폐기물 붕괴를 감지하고 단락이 발생하기 전에 전극을 올리십시오.
- 음향 신호 변화를 통해 발포 슬래그 생성 과정을 모니터링합니다.
이 센서는 저렴한 가격으로 다른 어떤 방법으로도 얻을 수 없는 정보를 제공합니다.
2.4 얻게 되는 것
지능형 전원 공급 장치를 도입한 매장들의 보고는 다음과 같습니다.
- 탭 투 탭 시간: 3~10분 단축
- 전력 소비량: 톤당 5~15kWh 감소
- 전극 소모량: 0.1~0.3kg/톤 환원
- 용광로 내벽 수명: 5%~15% 향상
이점은 분명하지만, 전극, 유압 장치, 센서 등 시스템의 나머지 부분이 제대로 작동하는지에 달려 있습니다. 지능형 제어는 좋은 관행을 증폭시키는 것이지, 불량 장비를 고치는 것은 아닙니다.
III. 실시간 용광로 상태 모니터링
3.1 측정할 수 없는 것은 통제할 수 없다
기존의 용광로 모니터링 방식은 작업자가 문이나 작은 구멍을 통해 내부를 살펴보고 판단하는 것이었습니다. 이 방식도 작동은 하지만 주관적이며 데이터 반영에 시간이 걸립니다. 최신 모니터링 장비는 객관적인 실시간 데이터를 제공합니다.
3.2 온도 모니터링
전통적인 열전대 샘플링 방식은 여전히 기준이 되는 방법입니다. 일회용 열전대를 담그면 몇 초 만에 온도를 측정할 수 있고, 그 값이 욕조 온도입니다. 하지만 문제는 이 방식이 간헐적이며, 문 근처처럼 국부적으로 냉각된 영역에 프로브를 꽂아야 한다는 점입니다.
연속 온도 측정 — 용광로 벽이나 바닥에 설치된 센서가 지속적인 온도 신호를 제공합니다. 이 기술은 최근 몇 년 동안 크게 발전했지만, 가혹한 전기로 환경에서의 센서 수명은 항상 과제입니다.
적외선 온도 측정 — 문이나 전용 창을 통해 욕조 또는 슬래그 표면을 관찰합니다. 표면 온도를 얻을 수 있으며, 특히 침지형 열전대 측정값과 비교하여 교정할 때 이를 통해 욕조 온도를 추정할 수 있습니다.
실시간 온도 데이터를 통해 제어 시스템은 수도꼭지 온도를 예측하고 목표 온도에서 벗어나기 전에 전력 공급 전략을 조정할 수 있습니다.
3.3 용광로 가스 분석
배출 가스의 조성은 야금학적으로 어떤 일이 일어나고 있는지 알려줍니다. 주요 성분은 다음과 같습니다.
- CO와 CO₂의 비율은 탈탄 속도와 연소 후 효율을 알려줍니다.
- O₂ —는 용광로 내 산화 전위를 나타냅니다.
- H₂ —는 충전재에 수분이 있음을 나타낼 수 있으며, 더 심각하게는 냉각수 누출을 나타낼 수 있습니다.
연속 가스 분석을 통해 연소 후 산소 주입을 실시간으로 최적화할 수 있습니다. 또한, 전기 입력, 산소 반응, 연소 후 회수되는 에너지 등 용광로의 에너지 균형을 계산할 수 있습니다.
3.4 슬래그 모니터링
슬래그의 화학적 조성과 물리적 상태는 야금학적 결과에 큰 영향을 미치지만, 전통적으로는 슬래그의 상태를 색깔, 유동성, 거품 발생 양상 등을 통해 육안으로 판단해야 했습니다. 이는 주관적이며 작업자의 경험에 따라 결과가 달라질 수 있습니다.
현재 이용 가능한 상품:
- 슬래그 온도 센서 — 슬래그 온도를 측정하는 접촉식 센서
- 이미지 분석 — 용광로 문에 설치된 카메라(당연히 수냉식)가 슬래그 이미지를 촬영하고, 이미지 처리 알고리즘을 통해 슬래그의 색상과 표면 특성을 분석합니다.
- 슬래그의 전기 전도도 — 슬래그의 전기 전도도는 염기도 및 산화 상태와 상관관계가 있습니다. 이를 측정하면 슬래그 상태를 간접적으로 파악할 수 있습니다.
- 발포 슬래그 모니터링 — 발포 높이 및 안정성을 추적하는 음향 센서 또는 압력 센서
이러한 것들이 아직 완벽하지는 않지만, 점점 개선되고 있으며 제어 시스템에 입력할 수 있는 데이터를 제공합니다.
IV. 전극 제어: PID를 넘어서
4.1 기본 루프
전극 조절은 피드백 루프입니다. 아크 전류와 전압을 측정하고, 설정값과 비교하고, 오차를 계산한 다음, 오차를 줄이기 위해 전극을 이동시킵니다. 개념은 간단하지만, 아크는 비선형적이고 시간에 따라 변하는 부하이기 때문에 실제로는 어렵습니다.
4.2 통제 전략
PID 제어
전통적인 접근 방식인 비례-적분-미분(PID) 제어는 간단하고 신뢰할 수 있으며 모든 제어 엔지니어가 이해할 수 있습니다. 하지만 한계는 응답 속도와 안정성 사이에 근본적인 상충 관계가 있다는 것입니다. 빠르게 조정하면 진동이 발생하고, 안정적으로 조정하면 응답 속도가 느려집니다. 격렬하게 변동하는 아크를 발생시키는 최신 고출력 용광로에서는 PID 제어만으로는 충분하지 않습니다.
퍼지 제어
퍼지 제어는 공정에 대한 정확한 수학적 모델을 필요로 하지 않습니다. 대신, 숙련된 작업자의 사고방식과 유사한 제어 규칙을 인코딩합니다. 예를 들어, 전류 오차가 크고 빠르게 증가하는 경우 전극을 강하게 이동시키는 식입니다. 퍼지 제어는 PID 제어보다 비선형 아크 특성을 더 잘 처리하며, 최신 전극 레귤레이터에 널리 사용되고 있습니다.
신경망
신경망은 과거 데이터를 통해 아크 전류와 전극 위치 사이의 비선형 관계를 학습할 수 있습니다. 장점은 변화하는 용광로 조건에 적응할 수 있다는 것입니다. 단점은 상당한 양의 훈련 데이터가 필요하고, 마치 블랙박스처럼 작동하여 잘못된 판단을 내릴 경우 그 원인을 파악하기 어렵다는 것입니다.
모델 예측 제어(MPC)
MPC는 공정의 수학적 모델을 사용하여 미래 동작을 예측하고 예측 기간 동안 제어 동작을 최적화합니다. 다른 방법보다 계산량이 많지만, 여러 변수 간의 상호 작용을 처리할 수 있습니다. 예를 들어, 한 전극의 이동이 다른 두 상의 아크 동작에 영향을 미치는 경우를 처리할 수 있습니다.
대부분의 최신 시스템은 기본 제어에는 퍼지 논리를, 백업으로는 PID 제어를, 상위 수준에서는 MPC 방식의 최적화를 사용하는 하이브리드 접근 방식을 채택하고 있습니다.
4.3 다변수 조정
3상 교류 가열로는 3개의 전극 조절 루프를 가지고 있으며, 이 루프들은 서로 상호 작용합니다. 하나의 전극을 올리면 전기 시스템의 연결 방식 때문에 나머지 두 상의 아크 길이가 변합니다. 우수한 조절기는 이러한 상호 작용을 고려하여 개별 상 제어뿐 아니라 3상 전력 분배를 최적화합니다.
V. 자동화된 제련
5.1 "Automated"의 의미는 무엇인가
자동 제련이라고 해서 작업자가 필요 없다는 뜻은 아닙니다. 컴퓨터가 모델에 따라 열을 제어하고, 작업자는 모든 동작을 수동으로 제어하는 대신 감독하는 역할을 한다는 의미입니다.
제련 모델에는 다음이 포함됩니다.
- 전원 공급 모델 — 각 단계의 전압 및 전류 설정값
- 산소 공급 모델 — 산소 주입 시기, 유량, 주입구는 무엇인가
- 슬래그 제조 모델 — 슬래그 형성 재료를 언제, 어떤 양으로 첨가해야 하는가
- 합금 모델 — 합금 원소의 첨가량 및 첨가 시기
5.2 자기 학습 모델
더 나은 시스템은 자체 학습 기능을 갖추고 있습니다. 매 경기 후 시스템은 전력 소비량, 산소 소비량, 탭 투 탭 시간, 조성 목표 달성률, 온도 목표 달성률 등 발생한 상황을 분석합니다. 그리고 상관관계를 찾아(예: 이 전력 곡선과 이 산소 전략을 사용했을 때 경기 시간이 5분 단축되었다) 다음 경기를 위해 모델 매개변수를 조정합니다.
바로 이 지점에서 데이터의 가치가 드러납니다. 매번 가열 과정에서 학습하는 난방기는 꾸준히 최적화되는 난방기입니다.
5.3 주요 자동화 작업
자동 멜트다운 제어
이 시스템은 전류, 전압 및 음향 신호를 사용하여 멜트다운이 완료되는 시점을 감지하고 자동으로 다음 전력 전략으로 전환합니다. 작업자의 판단이 필요 없으며, 사람이 반응할 수 있는 속도보다 훨씬 빠르게 작동합니다.
자동화된 거품 슬래그 제어
이 시스템은 슬래그 상태 모니터링 및 탄소-산소 반응 강도를 기반으로 산소 유량과 탄소 첨가량을 조절하여 안정적인 거품 슬래그 층을 유지합니다. 이는 보기보다 수동으로 수행하기가 훨씬 어렵습니다. 시스템은 작업자가 알아채지 못할 정도의 미세한 거품 높이 변화에도 반응할 수 있습니다.
최종 시점 예측
온도 예측 모델과 (배출가스 및 샘플 분석을 통한) 성분 분석을 사용하여, 시스템은 열을 추출할 준비가 된 시점을 예측합니다. 예측된 온도와 성분을 포함한 권장 추출 시점 알림을 작업자에게 제공하여 재가열 횟수와 규격 미달 추출 횟수를 줄여줍니다.
VI. 연기 추출 및 분진 포집 제어
6.1 자동 제어가 중요한 이유
전기로(EAF)는 많은 연기를 발생시키는데, 원료 가스 내 분진 농도는 10~20g/Nm³에 달할 수 있습니다. 따라서 집진 시스템은 이러한 높은 발생량을 효과적으로 처리해야 하지만, 동시에 상당한 에너지 소비를 수반합니다. 자동 제어 시스템은 실제 필요에 맞춰 연기 배출 용량을 조절함으로써, 집진 효율을 저하시키지 않으면서 팬 전력을 절약합니다.
6.2 가변 속도 팬 제어
팬을 일정한 속도로 작동시키는 대신, 가변 주파수 드라이브(VFD)를 사용하여 제련 단계에 따라 팬 속도를 조절하십시오.
- 충전 및 탭핑 - 최대 연기 발생; 팬을 최대 속도로 작동시키십시오.
- 멜트다운 - 높은 연기 발생량; 중고속으로 운전
- 정제 과정 - 연기 발생량 감소; 팬 속도 감소
- 예열 사이 시간에는 연기가 거의 나지 않거나 전혀 나지 않습니다. 저속으로 운전하거나 전원을 끄십시오.
대형 집진 팬을 VFD(가변 주파수 드라이브)로 제어하면 상당한 에너지 절감 효과를 얻을 수 있으며, 팬 전력 소비량의 20%~40%까지 절감할 수 있습니다.
6.3 백필터 자동화
대부분의 전기로 집진 시스템은 백필터를 사용합니다. 제어 시스템은 다음을 처리합니다.
- 차압 모니터링 및 세척 제어 — 펄스 제트 세척은 백 양단의 압력 강하에 의해 작동됩니다. 세척 빈도가 너무 높으면 압축 공기가 낭비되고, 세척 빈도가 너무 낮으면 압력 강하가 너무 커집니다.
- 온도 모니터링 — 유입 온도가 백의 정격 온도(일반적인 표준 백의 경우 약 120°C)를 초과하면 경고를 보내고 백을 보호하기 위한 조치를 취해야 합니다.
- 호퍼 레벨 모니터링 — 먼지 호퍼가 가득 차면 필터 영역으로 역류하기 전에 배출해야 합니다.
VII. 제어 기술의 미래 방향
7.1 자동화에서 지능으로
자동화는 시스템이 프로그래밍된 순서를 실행하는 것을 의미합니다. 지능은 시스템이 학습하고 최적화하는 것을 의미합니다. 미래의 핵심 과제는 명시적인 재프로그래밍 없이 시간이 지남에 따라 성능이 향상되는 시스템입니다.
빅데이터 분석
한 번의 가열 과정에서 전기적 매개변수, 온도, 가스 분석, 합금 첨가량, 탭 데이터 등 수천 개의 데이터 포인트가 생성됩니다. 이러한 데이터를 수백 또는 수천 번의 가열 과정에 걸쳐 종합하면 패턴이 나타납니다.
- 어떤 원료 조합이 가장 짧은 가열 시간을 제공합니까?
- 어떤 종류의 폐기물 혼합물에 어떤 전력 곡선 형태가 가장 적합한가
- 어떤 통신 사업자들이 꾸준히 최고의 실적을 내고 있나요? (그리고 그들은 무엇을 다르게 하고 있나요?)
이 데이터는 수년 전부터 이용 가능했습니다. 새로운 것은 이 데이터를 체계적으로 분석하고 그 결과를 제어 모델에 반영할 수 있는 컴퓨팅 능력입니다.
인공지능 응용 프로그램
- 최종 온도 및 조성 예측을 위한 머신러닝 모델 — 이 모델들은 현재 실제 운영 환경에서 사용되고 있으며, 기존 회귀 모델보다 훨씬 뛰어난 성능을 보여주고 있습니다.
- 숙련된 운영자의 지식을 컴퓨터가 사용할 수 있는 규칙으로 인코딩하는 전문가 시스템
- 복잡하고 비선형적인 관계를 위한 딥러닝 — 예를 들어, 슬래그 이미지 분석에서 딥러닝 모델은 카메라 이미지로부터 슬래그 상태를 분류할 수 있습니다.
7.2 디지털 트윈
디지털 트윈은 실제 설비와 병렬로 가동되며 공장에서 실시간 데이터를 수신하는 물리적 용광로의 가상 모델입니다. 전기로 제강 분야에서의 응용 사례:
- 가상 시운전 — 실제 용광로에 제어 전략 변경 사항을 적용하기 전에 디지털 트윈에서 테스트합니다.
- 운영자 교육 — 디지털 트윈 기반 시뮬레이터는 운영자에게 비정상적인 상황 대응을 연습할 수 있는 안전한 환경을 제공합니다.
- 고장 예측 — 디지털 트윈의 예측값과 실제 측정값을 비교합니다. 편차가 커지면 장비 성능 저하의 초기 징후일 수 있습니다.
- 프로세스 실험 — 생산을 중단하지 않고 모델에서 다양한 시나리오를 테스트합니다.
금속 산업에서 디지털 트윈 기술은 아직 성숙 단계에 있지만, 잠재력은 상당합니다.
7.3 클라우드 및 원격 지원
산업 네트워크의 신뢰성과 보안성이 향상됨에 따라 원격 모니터링 및 지원이 실용화되었습니다.
- 원격 모니터링 — 장비 공급업체는 난방기 성능을 모니터링하고 문제가 발생하기 전에 미리 파악할 수 있습니다.
- 원격 진단 — 문제가 발생할 경우, 전문가가 현장에 직접 방문하지 않고도 원격으로 접속하여 문제를 진단할 수 있습니다.
- 클라우드 기반 최적화 — 열 데이터를 클라우드 플랫폼에 업로드하면 로컬 레벨 2 시스템에서 처리할 수 있는 것보다 더 정교한 최적화 알고리즘을 실행할 수 있습니다.
- 지식 공유 — 다른 공장의 유사한 용광로와 성능을 비교하여 벤치마킹하세요.
요약
전기로 제강 공정에서 지능형 제어 기술이 연구실 단계를 벗어나 생산 현장으로 옮겨갔습니다. 5년 전만 해도 최첨단 기술이었던 음향 제어, 자체 학습형 제련 모델, 실시간 가스 분석 기술 등이 이제 여러 공급업체에서 제공되어 전 세계 제강 공장에서 가동되고 있습니다.
나아갈 방향은 분명합니다. 더 많은 센서, 더 나은 모델, 그리고 모든 제철 공정에서 학습하는 시스템입니다. 제철업체에게 있어 핵심 질문은 지능형 제어를 도입할지 여부가 아니라, 어떤 기능을 우선시하고 생산을 방해하지 않고 기존 운영에 어떻게 통합할 것인가입니다.
우수한 센서, 정교하게 조정된 모델, 그리고 시스템 작동 방식을 이해하는 운영자를 모두 갖춘 업체들이 향후 10년간 생산성 기준을 제시할 것입니다.
