저압터빈 Last Stage Blade 손상 예측진단에 관한 연구

Abstract

발전소 저압터빈 Last Stage Blade (LSB)는 발전기 전체 출력의 약 10 %를 담당하는 핵심부품이다. 최근 발전기가 대용량화되면서 LSB 길이가 증가하여 LSB 손상에 의한 발전소 정지 및 화재로 이어지는 등 대형 사고가 발생되고 있다. 본 연구는 국내 발전소 LSB 손상 사례를 바탕으로 LSB 진동을 측정할 수 있는 Blade Vibration Monitoring System (BVMS)의 주요기술과 적용 사례를 분석하였다. 또한 현재의 BVMS 기술이 실제 대용량 터빈에 적용 가능한지 여부를 확인하기 위해, 실제 1,000 MWe급 저압터빈을 1/3 크기로 제작하여 BVMS를 설치하고 LSB 질량을 절손시켜 진동 응답특성을 분석하였다. 손상 모델 테스트 결과, LSB 질량을 변화시켰을 때 정격속도에서의 축 진동이 정상상태 보다 낮게 나타났다. 반면, 로터 임계 속도 구간에서는 LSB 질량 변화 시 진폭과 위상이 상당히 증가하였다. 또한 블레이드 진동의 경우, LSB 질량이 변화하였을 때 변위가 정상상태 보다 약간 증가하였지만 변화량은 매우 작았다. 그러나 블레이드 개별 주파수의 경우, 질량이 변화된 해당 LSB의 개별 주파수가 크게 상승하였다. 따라서 터빈 운전원이 실시간으로 터빈 축 진동과 블레이드 진동을 모두 모니터링하지 않으면, BVMS를 설치한 터빈이라 할지라도 LSB 손상 위험은 여전히 존재한다는 결론을 도출하였다. 이러한 문제를 해결하기 위해 축 진동과 블레이드 진동 변화를 실시간으로 분석하여 손상위험을 확률로 나타내는 딥 러닝 기법을 후속연구로 제시하였다. 본 연구에서 도출된 결과는 한국중부발전(주)가 운영 중인 신보령화력발전소 (1,000 MWe x 2기) 저압터빈에 적용하여 신뢰성을 검증하였다.

The last stage blade of low pressure turbine (LSB) is a key component responsible for about 10 % of the generator's total output. As the power generation capacity has increased in recent years, the length of LSB has increased, leading to large accidents such as plant shutdown and fire caused by LSB damage. This study analyzed the main technology and application cases of Blade Vibration Monitoring System (BVMS) that can measure LSB vibration based on the LSB damage case of domestic power plant. In addition, to verify whether the current BVMS technology is applicable to large-capacity turbines, the actual 1,000 MWe low-pressure turbine was manufactured at 1/3 scale, BVMS was installed, and the LSB mass was changed to analyze vibration response characteristics. As a result of the damage model test, when the LSB mass was changed, the axial vibration at rated speed was lower than normal. On the other hand, in the rotor critical speed section, the amplitude and phase of LSB mass change greatly increased. In addition, in case of blade vibration, deflection increased slightly when the LSB mass was changed, but the change amount was very small. However, in the case of blade individual frequencies, the individual frequencies of the corresponding LSB with their mass changed significantly increased. Therefore, it was concluded that the turbine operator did not monitor both turbine shaft vibration and blade vibration in real time, and that the risk of LSB damage still exists even for turbines with BVMS. In order to solve this problem, a deep learning technique that shows the probability of damage by analyzing the axial vibration and the blade vibration in real time is presented as a follow-up study. The results derived from this study were applied to a Shinboryeong thermal power plant (1,019 MWe x 2 unit) turbine operated by KOMIPO to verify its reliability.