“AI가 LPG 회수 공정을 바꾸다” — 에너지 효율과 품질을 동시에 잡은 신기술

-

 


석유·가스 산업의 한 축을 담당하는 액화석유가스(LPG)는 우리가 집에서 쓰는 가스레인지 불꽃부터 차량 연료, 난방까지 다양한 곳에 쓰인다. 하지만 이 LPG를 천연가스 처리 과정에서 얼마나 효율적으로 뽑아낼 수 있느냐는, 기업의 수익과 국가 에너지 효율에 직결되는 문제다. 최근 이집트 미니아대와 수에즈대 연구팀이 기존 기술보다 한층 정교하고 똑똑한 회수법을 선보였다. 이름하여 AI 강화 모델 예측 제어(AI-enhanced MPC).


이 기술은 단순히 “더 많이 뽑아낸다”에 그치지 않는다. 같은 양을 얻더라도 에너지를 덜 쓰고, 장비 부하를 줄이며, 품질을 일정하게 유지하는 것까지 챙긴다. 연구진은 이렇게 말한다. “LPG 회수율을 99.73%에서 99.9%로 끌어올리고, 재보일러와 응축기의 에너지 소모를 동시에 줄였다.” 단 0.17%포인트의 향상이 별거 아닌 것처럼 보일 수 있지만, 산업 현장에서는 수백만 달러 단위의 절감 효과로 이어진다.

왜 이런 기술이 필요한가

LPG는 프로판과 부탄이 주성분인 청정 연료다. 환경친화적이면서 발열량이 높아 ‘전환기 연료’로 각광받는다. 그러나 생산 과정은 만만치 않다. 가스와 액체가 뒤섞인 원료를 분리하는 ‘디부타나이저(debutanizer) 컬럼’ 같은 증류탑에서, 압력·온도·유량이 조금만 어긋나도 회수율이 뚝 떨어진다.


기존의 PID(비례-적분-미분) 제어 방식은 단순하고 저렴하지만, 복잡한 다변수 환경에서는 한계가 있었다. 그래서 나온 것이 MPC(Model Predictive Control)다. 미리 만든 공정 모델로 ‘앞으로의 상태’를 예측하고, 그에 맞춰 조절 값을 계산하는 방식이다. 하지만 MPC도 고정된 모델을 쓰다 보니 원료 성분이나 외부 조건이 변하면 성능이 떨어진다.


AI가 개입하는 이유가 여기에 있다. 머신러닝이 MPC의 예측 모델을 실시간으로 보완·수정해 주면, 불확실성과 변동성 속에서도 최적의 조치를 찾아낼 수 있다.


연구진의 접근법

이번 연구는 세 가지 축으로 진행됐다.

  1. 정상 상태 시뮬레이션 – 상용 공정 소프트웨어(Aspen HYSYS)로 디부타나이저 컬럼의 작동을 가상 재현했다.
  2. 반응표면법(RSM) – 공급 몰 유량, 공급 압력, 응축기 압력이라는 세 변수의 조합이 회수율에 미치는 영향을 통계적으로 분석했다. 결과는 명확했다. 공급 몰 유량이 회수율을 좌우하는 절대적인 요인이었다.
  3. AI-강화 MPC – 기존 MPC에 회귀 의사결정나무와 인공신경망을 결합해, 예측 정확도와 제어 반응 속도를 끌어올렸다.

연구팀은 실제 이집트 El Wastani Petroleum Company의 데이터를 가져와 모델을 구축했다. 

결과: 숫자로 보는 AI의 힘

  • 기존 MPC: 회수율 99.85%, 재보일러 열부하 1,550,000 kcal/h, 응축기 열부하 2,493,000 kcal/h, 리플럭스 유량 271 kgmole/h
  • AI-강화 MPC: 회수율 99.9%, 재보일러 열부하 1,501,956 kcal/h, 응축기 열부하 2,415,726 kcal/h, 리플럭스 유량 262.6 kgmole/h

즉, AI가 회수율을 높이면서도 에너지 사용량을 눈에 띄게 줄였다. 심지어 제어 밸브 개방률도 30%에서 18%로 낮춰, 밸브 마모와 유지보수 부담까지 줄였다. 안정화 시간도 기존 대비 약 6,000초(1시간 40분) 단축됐다.


의미와 전망

이 연구의 핵심은 ‘정상 상태 최적화 + 동적 제어 + AI 적응학습’이라는 하이브리드 프레임워크다. 이는 단순히 LPG뿐 아니라 원유 정제, 석유화학, 심지어 식품·바이오 프로세스까지 적용 가능성이 크다.


물론 실제 플랜트에 적용하려면, 시뮬레이션을 넘어 센서 데이터 품질, AI 학습 속도, 사이버 보안 같은 현실적인 문제도 풀어야 한다. 그러나 이번 성과는 분명한 방향을 제시한다. 고효율·저탄소 산업 시대에, 공정 제어의 미래는 ‘예측’과 ‘적응’이 핵심이라는 것이다.


출처
Abd El Hakim, B., Abdel-Halim Abdel-Goad, M., Awad, M. E., & Shoaib, A. M. (2025). AI enhanced model predictive control for optimizing LPG recovery through integrated computational modeling design of experiments and multivariate regression. Scientific Reports, 15(29249).