휘발성 유기화합물(VOCs) 제거를 위한 활성탄 흡착칼럼 성능예측 머신러닝 모델 (Machine Learning Model for Predicting the Performance of Activated Carbon Column for the Removal of Volatile Organic Compounds (VOCs))

서지정보

· 발행기관 : 대한환경공학회
· 수록지 정보 : 대한환경공학회지 / 45권 / 11호 / 469 ~ 480페이지
· 저자명 : 미타 누르하야티, 홍범의, 강호근, 이승윤

초록

목적 : 본 연구에서는 머신러닝 ANN 알고리즘을 활용하여 파일럿 스케일 VOC 흡착칼럼 성능예측 모델을 개발하였다. 수학적 모델인 Thomas 모델과 Yan 모델, 그리고 다중선형 회귀방정식 모델과의 성능예측 정확성을 비교하고, ANN 모델의 적용가능성을 논의하고자 한다.
방법 : 목질계 활성탄을 충진한 모듈(79.8 kg/모듈)을 사용하여 톨루엔 약 800 ppm-THC를 모듈 상부에서 하부방향으로 약 5,700 m3/h으로 투입하고, 모듈 출구측 농도가 대기환경 기준 VOC 배출 농도인 200 ppm-THC에 도달시까지 운전하였다. 탈착 운전은 감압(-150 ~ -200 mbar) 및 고열(170℃)을 사용하여 모듈 하부에서 상부 방향으로 hot gas 130 m3/h를 주입하여 복합탈착방식으로 진행하였다. 3개의 활성탄 모듈 batch를 사용하여 흡착 및 탈착 cycle을6회 진행하였다. VOC 흡착칼럼 실험데이터를 이용하여 파과 Cout/Cin 농도예측을 위한 Thomas 모델, Yan 모델, 다중선형 회귀방정식 모델, ANN 모델을 개발하였다.
결과 및 토의 : Thomas 모델 및 Yan 모델을 활용하여 모든 흡착 모듈 batch와 cycle의 Cout/Cin 농도비 예측시 R2 값이 각각 0.25와 0.28로 예측 성능이 낮았다. 이 두 모델은 온도, 압력 변화 운전조건을 고려하지 않아, 초기 유입농도 및 유입 유량이 동일하지 않은 경우 Cout/Cin 예측 성능에 한계가 있음을 나타낸다. 모든 운전인자를 고려한다중선형 회귀방정식 모델도 예측 성능 R2이 0.45 수준으로 Cout/Cin 예측 정확도가 낮았다. 반면 ANN 모델은 모든흡착 모듈 batch에 대해 Cout/Cin 농도비 예측을 R2 0.97 이상으로 예측했다. 특히, 비이상적인 데이터 cycle의 경우에도 ANN 모델은 실험값에 근사한 Cout/Cin 농도비를 도출했다.
결론 : ANN 모델은 비이상적인 흡착칼럼 운전 상황에서도 성능예측 가능한 모델로서 실제 THC 흡착 칼럼 운영에도움이 될 것으로 예상된다. 향후 다양한 조건에서의 데이터가 축적된다면 ANN 모델 정확도가 더욱 향상될 것이다.

영어초록

Objectives : In this study, a performance prediction model for a pilot-scale VOC adsorption column was developed using ANN algorithm. We compared the prediction accuracy of the mathematical models (Thomas model and Yan model) and the multiple linear regression model with that of ANN. This study showed the applicability of the ANN model for predicting the performance of activated carbon columns.
Methods : The adsorption module contained 79.8 kg/module of wood-based activated carbon. The gas with 800 ppm-THC of toluene flowed downward from the top at about 5,700 m3/h. The breakthrough point was taken as 200 ppm-THC, the same as VOC emission regulation. The desorption was carried out using 130 m3/h of hot gas flowing upwards with reduced pressure (-150 to -200 mbar) and high heat (170℃). Adsorption and desorption cycles were conducted 6 times using 3 batches of activated carbon modules. Thomas model, Yan model, multiple linear regression model, and ANN model were developed to predict the breakthrough of Cout/Cin.
Results and Discussion : The Thomas model and the Yan model provided the R2 values of 0.25 and 0.28, respectively, for predicting the Cout/Cin of all adsorption module batches and cycles, and the prediction accuracies were low. This could be because these two models do not consider temperature and pressure change operating conditions in the models. Also, the prediction accuracy of Cout/Cin was low when the initial inlet concentration and flow rate conditions were different for each batch. The multiple linear regression model considers all operating factors in the model, but the prediction accuracy of Cout/Cin was low as R2 of 0.45. On the other hand, the ANN model predicted the Cout/Cin with R2 higher than 0.97 for all adsorption module batches. In particular, even with the non-ideal data, the ANN model derived a breakthrough of Cout/Cin close to the experimental value.
Conclusion : The ANN model provided high prediction performance for the breakthrough of Cout/Cin even under non-ideal operation conditions and was expected to be helpful for actual THC adsorption column operation. The accuracy of the ANN model will be further improved if data are accumulated under various conditions.

참고자료

· 없음