공기압축기 부하율·Loading/Unloading 분석을 통한
적정 가동대수 Test & Adjust

1. 압축공기는 생산하지 않아도 전기를 쓰는 시간이 있다

공기압축기는 공장 Utility 가운데 운전방법에 따라 손실이 크게 달라질 수 있는 설비다. 특히 여러 대의 압축기를 동시에 운전할 때 실제 CDA 수요보다 공급능력이 지나치게 크면 일부 압축기는 Loading과 Unloading을 반복하거나 낮은 부하율에서 운전할 수 있다.

이때 단순히 ‘가동 중’이라는 상태만 보면 문제를 놓치기 쉽다. 압축공기를 충분히 생산하지 않는 Unloading 상태에서도 압축기는 전력을 소비할 수 있기 때문이다. 따라서 절감의 첫 질문은 설비효율보다 먼저 “현재 수요를 만족하기 위해 정말 이만큼의 압축기가 동시에 필요한가?”가 된다.

2. 왜 압축공기 시스템은 ‘설비’보다 ‘시스템’ 관점이 중요한가?

압축공기는 사용이 편리하고 안전하지만 전기를 압력에너지로 변환하는 과정의 손실이 큰 Utility다. 미국 DOE의 Better Plants 자료도 압축공기 시스템에서 투입에너지의 80% 이상이 열로 손실될 수 있다고 설명하며, 수요측 사용량과 공급측 제어를 함께 최적화할 것을 권고한다.

따라서 고효율 압축기 한 대의 정격효율만 보는 것보다 누가 얼마나 사용하고 있는지, 몇 대가 동시에 운전되는지, 어느 설비가 Base Load를 담당하는지, 어느 설비가 수요변동을 추종하는지, Header 압력이 안정적인지를 시스템으로 보는 것이 중요하다.

4. 평균값 대신 10초 데이터를 본 이유

본 분석에서는 대형·중소형 압축기를 조합해 운전하는 시스템에서 10초 간격 데이터를 이용해 소비동력, 공급유량, 공급압력, 가동대수, UPI와 Loading/Unloading 상태를 분석하였다.

일평균이나 월평균만 보면 하루 동안 발생하는 짧은 수요 Peak, 압축기의 추가기동 시점, 반복되는 Unloading을 평균값이 지워버릴 수 있다. 고해상도 데이터는 ‘언제 한 대가 더 켜졌는가’, ‘그 직후 실제 유량은 얼마나 증가했는가’, ‘추가기동한 압축기가 실제로 Loading 상태를 유지했는가’를 추적하게 한다.

4. 핵심 KPI — kW, Flow, Pressure, UPI, Load Factor를 함께 본다

전력만 줄었다고 절감이라고 판단하면 안 된다. 동시에 CDA 생산량이 감소했다면 단순한 생산감소일 수 있기 때문이다. 그래서 전력과 유량을 함께 보고 UPI 또는 Specific Energy = 소비에너지 / 압축공기 생산량 관점으로 효율을 비교한다.

여기에 공급압력과 부하율, Loading/Unloading 상태를 더하면 ‘효율이 나쁜 이유’가 설비 자체인지, 과다 가동대수와 저부하 운전 때문인지 구분하는 데 도움이 된다.

5. Unloading은 ‘0% 생산 = 0% 전력’이 아니다

Loading/Unloading을 따로 기록해야 하는 이유는 Unloaded 상태에서도 압축기가 일정 전력을 소비하기 때문이다. DOE Sourcebook은 Rotary Screw Compressor의 완전 무부하 운전전력을 Full-load의 약 20~30% 수준으로 추정하는 계산 예를 제시하고 있으며, 제어방식과 기종에 따라 실제 값은 달라질 수 있다고 설명한다.

즉 압축공기 생산량이 거의 없다고 전력도 거의 0이라고 가정하면 손실을 과소평가할 수 있다. CASE52에서는 특정 일반값을 현장 실측치로 사용하지 않고, 실제 10초 kW와 Loading/Unloading 상태를 연결하여 해당 압축기의 무부하 소비전력을 확인하는 방식이 더 적절하다.

7. Base Load와 Trim 역할을 구분한다

대형 압축기는 안정적으로 높은 부하에서 Base Load를 담당하고, 중소형 압축기는 CDA 수요변동에 대응하는 Trim 역할을 수행하도록 조합할 수 있다. 중요한 것은 이름이나 정격용량이 아니라 실제 운전데이터에서 각 압축기가 어떤 부하영역에서 효율적으로 운전되는지를 확인하는 것이다.

여러 압축기를 모두 부분부하로 운전하는 것보다 효율이 좋은 설비에 충분한 부하를 주고 수요변동을 제한된 설비가 추종하도록 Sequencing하면 Unloading 시간을 줄일 가능성이 있다.

7. Loading / Unloading 시간을 분리하면 숨은 손실이 보인다

하루 또는 주간 데이터를 세 상태로 분리하면 ‘켜져 있었던 시간’보다 중요한 ‘유효하게 압축공기를 생산한 시간’을 볼 수 있다. Unloading이 반복되는 압축기가 있다면 수요보다 가동대수가 많거나 압력제어·Sequencing에 개선여지가 있는지 추가 확인한다.

8. 적정 가동대수는 평균수요가 아니라 변동수요를 만족해야 한다

가동대수를 줄이는 목적은 단순히 한 대를 끄는 것이 아니다. 생산설비가 요구하는 최소 CDA 유량과 압력을 안정적으로 만족하면서 시스템 전력을 최소화해야 한다.

따라서 Peak 수요, 평균수요, 변동폭과 압력 안정성을 먼저 확인하고, 한 대를 줄여도 말단 요구압력이 유지되는 시간대부터 단계적으로 Test하는 것이 안전하다.

9. 가동대수 Test 전에 Receiver와 압력제어도 함께 확인한다

압축기 한 대를 줄였을 때 압력이 크게 흔들린다면 단순히 ‘한 대를 더 켜야 한다’고 결론내리기 전에 Receiver Storage, 압력 Dead Band와 Sequencing Logic을 함께 확인할 필요가 있다. 저장용량은 짧은 수요변동을 흡수하고 압축기가 즉시 추가기동하는 것을 줄이는 Buffer 역할을 할 수 있다.

DOE Sourcebook 역시 Receiver와 다중 압축기 Sequencing을 연계하여 대부분의 압축기를 효율적인 운전영역에 두고 하나의 Trim Compressor가 변동을 대응하는 제어를 설명한다. 따라서 적정 가동대수는 단순한 설비대수 문제가 아니라 Demand + Storage + Pressure Band + Compressor Capacity + Control Logic의 조합 문제로 보는 것이 좋다.

11. Test & Adjust — 한 대를 줄인 뒤 무엇을 확인할 것인가?

기존 운전조건에서 충분한 Baseline 데이터를 확보한 후 가동조합을 변경한다. 변경 직후가 아니라 시스템이 안정화된 뒤 동일·유사한 CDA 수요조건에서 비교한다.

11. 왜 ‘한 대 OFF’만으로 절감효과를 계산하면 안 되는가?

압축기 한 대를 정지하면 그 설비의 정격전력만큼 절감된다고 계산하기 쉽지만 실제 시스템에서는 남은 압축기들의 부하율이 올라가고 Loading 시간이 증가한다. 따라서 절감량은 정지한 설비의 Nameplate kW가 아니라 시스템 전체 소비전력의 Before/After 차이로 확인해야 한다.

또한 수요유량과 공급압력이 다르면 단순 Before/After에도 편향이 생길 수 있으므로 가능한 한 유사한 수요조건을 비교하거나 충분한 데이터가 있다면 Flow와 Pressure를 반영한 Baseline Model로 확장할 수 있다.

12. 연구소 관점 — 압축공기는 ‘설비효율’보다 ‘시스템효율’로 봐야 한다

압축공기 시스템에서는 고효율 압축기를 설치해도 가동대수와 Sequencing이 잘못되면 전체 시스템 효율이 낮아질 수 있다. 반대로 기존 설비라도 수요패턴을 파악하고 Base/Trim 역할을 명확히 하며 Unloading을 줄이면 투자 없이 또는 작은 제어변경으로 개선기회를 찾을 수 있다.

따라서 연구소의 분석관점은 개별 압축기의 정격효율 → 실제 부하율 → 압축기 조합 → Header 압력 → 최종 수요처까지 점차 Measurement Boundary를 넓히는 것이다.

13. 향후 AI 기반 Sequencing으로 확장할 수 있다

충분한 이력데이터가 축적되면 생산량, CDA 수요유량, Header 압력, 압축기별 부하율, Loading/Unloading과 전력을 입력으로 사용해 단기 수요를 예측할 수 있다.

목표는 ‘가동대수를 무조건 최소화’하는 것이 아니라 생산 제약과 압력 안정성을 만족하면서 System Specific Energy를 최소화하는 조합을 선택하는 것이다.

16. Evidence & Measurement Boundary

성능평가에서는 단순한 압축기 정지대수보다 CDA 수요조건, 공급압력, 시스템 전체 소비전력과 Specific Energy를 함께 비교하는 것이 중요하다. 이를 통해 생산량이나 압축공기 수요변화에 의한 영향을 구분하면서 운전효율의 개선 여부를 판단할 수 있다.

충분한 장기간 데이터가 확보되는 경우에는 CDA 유량과 압력, 생산부하 등을 고려한 Baseline Model을 구축하여 운전조건 차이를 보정할 수 있으며, 축적된 데이터는 향후 수요예측 기반 Compressor Sequencing과 실시간 운전최적화로 확장할 수 있다.

17. Review 상태

Status: APPROVED / FINAL-LOCK