한국서부발전 K-AI 발전소 – 설비 진단부터 로봇 점검까지 하나로 연결하다
“AI가 설비 이상을 찾는 데서 그치지 않고 로봇과 모바일 시스템에 조치까지 요청할 수 있을까요?”
발전소에는 수많은 설비와 센서, CCTV가 있지만 데이터가 나뉘어 있으면 이상징후를 한 번에 판단하기 어렵습니다. 점검과 위험성평가도 숙련인력의 경험과 반복작업에 의존합니다.
한국서부발전은 김포열병합발전소를 대상으로 감지·예측 → 판단 → 현장 실행 → 결과 학습의 폐쇄형 운영구조를 실증했습니다.
Solution – 발전운영 6개, 현장안전 6개 AI를 묶었어요
발전운영 분야에는 설비정보·정비이력 통합, 실시간 운전데이터 연동, 4족보행 로봇 기반 피지컬 AI, 성능분석·조기경보, 가상공정 시뮬레이션, 발전량 예측을 적용했습니다.
현장안전 분야에는 작업자 위치·건강 모니터링, 위험요소 분석, 유해가스 감지, AI 영상관제, 모바일 안전관리, AI 위험성평가를 연결했습니다.
DCS·PLC·CCTV와 설계·정비자료 등 140만 건의 데이터를 학습에 활용하고, 원본 37개와 파생 65개 등 구조화된 입력을 관리하는 방식으로 품질을 확보했습니다.
PoC 성과 – 목표지표를 실증 범위에서 달성했어요
지표 | 실증 결과 |
|---|---|
발전설비 이상진단 정확도 | 85% 이상 |
가스터빈 압축기 성능 최적화 | 95% 이상 |
발전량 예측 신뢰도 | 90% 이상 |
AI 영상관제 정확도 | 96% 이상 |
위험성평가 시간 | 20분→15초 |
인력 점검업무 대체 | 37%, 연 7,300시간 |
이 수치는 김포열병합발전소의 PoC 조건에서 확인한 결과입니다. 모든 발전소에서 동일한 성능이 자동으로 재현된다는 의미는 아닙니다.
연 21.2억 원은 기대효과예요
자료는 점검 자동화 2.1억 원, 발전손실 예방 5.6억 원, 전력판매 수익 2.7억 원, 열공급 효율 10.8억 원을 합해 연 21.2억 원의 기대효과를 제시합니다.
이는 실증결과를 바탕으로 계산한 산정치이며 확정된 회계상 절감액이나 이미 실현된 수익과 구분해야 합니다.
확산 계획 – PoC에서 표준 패키지로
서부발전은 데이터·모델·API를 모듈화해 다른 발전소와 플랜트로 확대하고, 국산 NPU와 K-가스터빈·K-AI를 결합한 표준패키지로 발전시킬 계획입니다.
따라서 ‘전 발전소 자율운영 완료’가 아니라 한 발전소에서 통합운영 모델과 핵심 성능을 검증한 단계로 표현하는 것이 정확합니다.
주요 성과
구분 | 결과 | 구분 기준 |
|---|---|---|
학습데이터 | 140만 건 | PoC 구축 |
AI 서비스 | 12개 | 발전운영 6+안전 6 |
위험성평가 | 20분→15초 | PoC 달성 |
영상관제 | 96% 이상 | PoC 성능 |
점검 자동화 | 37%, 7,300시간 | PoC 산정 |
경제효과 | 연 21.2억 원 | 기대효과 산정치 |