플루이딕 베드 바이오매스 가스화 공정의 자동화 머신러닝 및 게임이론 기반 예측 연구

Automated ML with Cooperative Game Theory for Fluidized Bed Biomass Gasifiers

연구 내용

바이오매스 가스화 공정에서 자동화 머신러닝과 cooperative game theory를 결합해 조성 및 운전 조건을 예측하는 연구

바이오매스 가스화 공정에서는 연료 조성 변화와 운전 조건이 성능과 산출물에 동시 영향을 주며, 데이터 접근성이 제한된 환경에서 최적 모델 탐색이 어려울 수 있습니다. 연구에서는 자동화 머신러닝 접근을 기반으로 공정 예측 모델을 구성하고, cooperative game theory 관점을 활용해 변수 기여를 해석하는 프레임을 결합합니다. 유체화(Fluidized bed) 조건과 바이오매스 조성 정보를 활용하여 운전 조건 및 조성의 상호 관계를 학습하고, 실험 설계를 통해 예측 정확도와 실용성을 비교합니다. 이를 통해 공정 의사결정에 필요한 추정 체계를 제공하는 것을 목표로 합니다.

관련 프로젝트

0건

연구 흐름

초기에는 공정 데이터에서 예측 대상과 입력 변수 구성을 정하고, 자동화 머신러닝으로 후보 모델을 효율적으로 탐색하는 절차를 확보했습니다. 이후 cooperative game theory 요소를 접목하여 데이터 기반 기여 평가의 불안정성을 완화하는 방향으로 확장했습니다. 다양한 데이터 조건에서 모델 성능을 확인하고, 예측 결과가 공정 운영 변수 변화에 어떻게 반응하는지 실험적으로 검토했습니다. 최종 단계에서는 자동화 구성요소와 게임이론 기반 해석이 결합된 예측 파이프라인이 실제 공정 적용에 적합한지 비교 평가하는 흐름으로 연구를 진행했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

가스화 운영 조건 추정
연료 조성-성능 매핑
공정 자동 제어 보조
산출물 품질 예측
모델 기반 공정 진단
에너지 효율 최적화
운전 파라미터 추천
폐기물 기반 연료 활용
공정 변동성 대응
데이터 기반 기술 의사결정