Analysis of Pollutant Emissions including NH3 Prediction Model using Artificial Neural Network for LPG Vehicles under RDE Mode

Abstract

모든 산업 분야에서 CO2 배출량 저감 및 탄소중립에 대한 필요성이 증가되고 있으며 이러한 필요성은 수송분야에서도 증가되고 있다. 그 중 자동차에서 발생하는 CO2 배출량 저감을 위해 전기기반의 파워트레인 사용이 증가하고 있으나 여러 현실적인 요건으로 예상보다 낮은 보급량을 기록하고 있다. 따라서, 기존 내연기관을 사용한 차량의 CO2 저감을 위해 저 탄소 연료에 대한 관심과 개발이 지속되고 있다. 저 탄소 연료로써 현재 주목을 받고 있는 연료는 LPG 연료이며 LPG 연료를 사용한 내연기관의 발전은 약 30년에 걸쳐 지속되어왔다. 오랜 기간동안 발전된 LPG 내연기관은 기존 디젤 및 가솔린 연료를 사용하는 내연기관 대비 낮은 PN과 NOx 배출이 나타난다고 알려져 있으나 최신의 LPLi 방식을 사용한 LPG 엔진 및 차량에 대한 배기 배출물 분석이 미비한 것이 현실이다. 우리나라를 포함한 세계 각국에서 LPG 자동차의 보급을 촉진시키고 있으며 최신의 LPG 자동차 및 엔진에 대한 배출가스 분석이 필요한 시점이다. LPG 연료는 저온상태에서의 냉간시동의 원활함을 위해 프로판 비율을 상승하여 사용해야한다. 따라서, 본 연구에서는 실제 판매되고 있는 LPG 자동차 및 엔진에서 발생하는 CO, CO2, NOx, THC, PN에 대한 분석을 프로판 함유량에 따라 실시하였다. C3 25% 연료 사용시 과분사로 인해 CO, CO2 배출이 증가하였으며 NOx 배출 또한 상승된 프로판 함유량으로 인해 LHV의 상승과 향상된 옥탄가로 점화시기가 진각되어 상승하였다. 과분사로 THC 발생 증가가 우려되었지만 프로판의 높은 기화성으로 인해 THC 배출에는 큰 차이를 보이지 않았다. PN의 경우 과분사로 인한 영향보다 연료의 분자량 감소로 인한 감소효과가 더욱 뚜렷하였다. 삼원촉매에서는 NOx의 환원과정 중 NH3가 발생하게 되며 NH3의 발생 특성상 냉간시동을 포함한 RDE 실험을 실시하였다. RDE 실험에서 C3 25% 연료 사용시 CO, CO2, NOx, PN 배출 분석을 시행한 결과 엔진 실험 결과와 동일한 결과를 확인하였다. 또한, NH3는 NOx 보다 약 3-7배 많이 발생하는 것을 확인하였으며 예상되는 Euro7 규제치에 비해 2배 이상 많은 배출량이 발생하는 것을 확인하였다. NH3 측정은 Euro 7 규제가 발휘되게 되면 모든 RDE 실험에서 필수불가결 적으로 실시하여야 하나 그 측정 기기의 설치가 매우 어려운 것이 특징이다. 따라서, 위와 같은 문제를 해결하기 위해 Artificial Neural Network를 활용한 NH3 예측 모델을 수립하였다. 기존 PEMS 데이터 및 OBD-II 데이터를 활용하여 예측 모델의 학습을 수행하였다. 최적화 모델을 학습하기 위해 약 180일 이상의 시간이 소요되었으나 MAW NH3 기준 13.14%의 오차를 보였고 실시간 데이터의 비교에서 조정후 상관관계가 0.884로 평가되었으며 이를 통해 매우 좋은 예측 성능을 확보한 것으로 확인하였다.|The need for CO2 emission reduction and carbon neutrality is increasing in all industries, especially the transportation industry. In these industries, electric-based powertrains are being increasingly utilized to reduce CO2 emissions from the automobiles. However, the supply of the vehicles is lower than expected owing to various realistic requirements. Accordingly, scholars are still interested in the development of low-carbon fuels for reducing CO2 emissions of vehicles using internal combustion (IC) engines. Currently, LPG fuel is garnering considerable attention as a low-carbon fuel, and the development of IC engines using LPG fuel has been ongoing for more than three decades. Although it is established that IC engines using LPG produce lower PN and NOx emissions compared to those using diesel and gasoline fuel, the exhaust emission analysis of LPG engines and vehicles using the latest LPLi system is insufficient. Countries worldwide including South Korea are promoting the spread of LPG vehicles, and the exhaust emission of the latest LPG vehicles and engines requires in-depth analysis. LPG fuel should be used by increasing the propane content for smooth cold-start at low ambient temperatures. Therefore, this study conducted an analysis of CO, CO2, NOx, THC, and PN emissions generated from the LPG vehicles and engines available in the market according to the propane content. In case of using C3 25% fuel, CO and CO2 emissions increased because of excessive injection, and NOx emissions increased owing to the increased LHV and advanced ignition timing. Although we were concerned regarding the increased THC emission because of excessive injection, no significant variation was observed in the THC emission owing to the high vaporization characteristics of propane. In case of PN emission, the reduction effect under the reduced molecular weight of the fuel was more pronounced than that under excessive injection. Generally, NH3 is generated during the reduction process of NOx in the three-way catalyst, and RDE experiments including the cold-start phase were performed to understand the characteristics of NH3 generation. The analysis of CO, CO2, NOx, and PN emissions using 25% C3 fuel in the RDE experiment validated the same results as the engine experiment. In addition, the analysis revealed that 3–7 times of NH3 emission was generated than NOx emission, and the NH3 emission was more than twice of the expected Euro 7 regulation. Indispensably, NH3 measurement must be performed in all RDE experiments under the implementation of the Euro 7 regulation. However, the installation of the measuring device is extremely challenging. Therefore, to solve this issue, we established an NH3 prediction model using an artificial neural network. The prediction model was leaned using the existing PEMS and OBD-II data. In total, the learning of the optimization model required nearly 110 d, and it displayed an error of 13.14% based on the MAW NH3 emissions. Compared to real-time data, the adjusted R-square value was evaluated as 0.884, thereby confirming the excellent prediction performance of the proposed model.