KR101379753B1 - 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법 - Google Patents

진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법 Download PDF

Info

Publication number
KR101379753B1
KR101379753B1 KR1020120132695A KR20120132695A KR101379753B1 KR 101379753 B1 KR101379753 B1 KR 101379753B1 KR 1020120132695 A KR1020120132695 A KR 1020120132695A KR 20120132695 A KR20120132695 A KR 20120132695A KR 101379753 B1 KR101379753 B1 KR 101379753B1
Authority
KR
South Korea
Prior art keywords
signal
following equation
obtaining
frequency
generation system
Prior art date
Application number
KR1020120132695A
Other languages
English (en)
Inventor
홍기용
신승호
김상호
박정우
강대욱
권진수
Original Assignee
한국해양과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국해양과학기술원 filed Critical 한국해양과학기술원
Priority to KR1020120132695A priority Critical patent/KR101379753B1/ko
Application granted granted Critical
Publication of KR101379753B1 publication Critical patent/KR101379753B1/ko

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03B—MACHINES OR ENGINES FOR LIQUIDS
    • F03B13/00—Adaptations of machines or engines for special use; Combinations of machines or engines with driving or driven apparatus; Power stations or aggregates
    • F03B13/12—Adaptations of machines or engines for special use; Combinations of machines or engines with driving or driven apparatus; Power stations or aggregates characterised by using wave or tide energy
    • F03B13/14—Adaptations of machines or engines for special use; Combinations of machines or engines with driving or driven apparatus; Power stations or aggregates characterised by using wave or tide energy using wave energy
    • F03B13/24—Adaptations of machines or engines for special use; Combinations of machines or engines with driving or driven apparatus; Power stations or aggregates characterised by using wave or tide energy using wave energy to produce a flow of air, e.g. to drive an air turbine
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03B—MACHINES OR ENGINES FOR LIQUIDS
    • F03B13/00—Adaptations of machines or engines for special use; Combinations of machines or engines with driving or driven apparatus; Power stations or aggregates
    • F03B13/12—Adaptations of machines or engines for special use; Combinations of machines or engines with driving or driven apparatus; Power stations or aggregates characterised by using wave or tide energy
    • F03B13/14—Adaptations of machines or engines for special use; Combinations of machines or engines with driving or driven apparatus; Power stations or aggregates characterised by using wave or tide energy using wave energy
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03B—MACHINES OR ENGINES FOR LIQUIDS
    • F03B15/00—Controlling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/30—Energy from the sea, e.g. using wave energy or salinity gradient

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Feedback Control In General (AREA)

Abstract

본 발명은 진동수주형 파력 발전 시스템에서 측정된 신호에 포함된 잡음성분을 효과적으로 제거하는 방법에 관한 것으로, 본 발명에 따르면, 신호를 일정한 주파수 대역으로 분할하여 특정 주파수 대역의 성분의 문턱값을 조절함으로써 유연하게 잡음을 제거하여 잡음 제거 특성을 개선할 수 있는 동시에, 실험을 통해 획득된 데이터를 바탕으로 터빈 특성곡선의 오차를 보정하거나 터빈 특성 곡선을 추종할 수 있도록 함으로써 최대 출력점을 추종하여 시스템의 출력을 최대로 할 수 있는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 알고리즘이 제공된다.

Description

진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법{Maximum power point tracking control method for oscillating wave column type wave generation system}
본 발명은 진동수주형 파력 발전 시스템에서 측정된 신호에 포함된 잡음성분을 효과적으로 제거하는 방법에 관한 것으로, 더 상세하게는, 신호를 일정한 주파수 대역으로 분할하여 특정 주파수 대역의 성분의 문턱값을 조절함으로써 유연하게 잡음을 제거하여 잡음 제거 특성을 개선할 수 있는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법에 관한 것이다.
또한, 본 발명은, 실험을 통해 획득된 데이터를 바탕으로 터빈 특성곡선(터빈 효율 곡선)의 오차를 보정하거나 터빈 특성 곡선을 추종할 수 있도록 함으로써, 최대 출력점을 추종하여 시스템의 출력을 최대로 할 수 있는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법에 관한 것이다.
종래, 진동수주형(OWC: Oscillating Wave Column) 파력 발전 시스템은, 파도가 가지는 에너지를 이용하여 전기를 생산하기 위한 장치로서, 파도가 절벽에 부딪히게 되면 상승기류가 발생하게 되는 현상과 에너지를 밀집시키는 구조물 형태를 이용하여 발전이 이루어진다.
또한, 최근에는, 풍력이나 태양광 등과 같은 신재생 에너지 시스템의 에너지 회수율에 관하여 최대 출력점 추종 알고리즘에 대한 많은 연구가 이루어지고 있다.
즉, 상승기류에 의해 발생하는 바람, 압력, 터빈의 토크, 발전기의 회전속도를 정확히 측정할 수 있다면 최대 출력점 추종 알고리즘(MPPT: Maximum Power Point Tracking)을 이용하여 파도가 가지는 에너지를 최대한으로 회수할 수 있다.
그러나 종래에는, 센서에서 신호를 측정하는 과정에서 잡음성분이 많이 포함되므로, 측정된 신호를 그대로 사용할 수 없었으며, 따라서 종래에는, 측정된 신호에 다양한 필터링 기법(Filtering Method)을 도입하여 잡음을 제거하고, 터빈 방정식을 적용하여 터빈의 효율을 추종함으로써 최종 회수 가능한 유효 전력 지령치를 산정하였다.
그러나 상기한 바와 같은 종래의 필터링을 이용한 방법들은, 터빈의 효율을 추종하는 과정이 복잡하고, 또한, 시스템 정수의 오차로 인하여 정확성이 보장이 되지 않으므로, 정확한 터빈의 효율을 추종할 수 없어 안정적으로 에너지를 최대로 회수할 수 없었다.
더 상세하게는, 일반적으로, 센서로부터 측정되는 신호의 잡음은 고주파 성분으로 나타나게 되고, 이에, 기존에는, 저역 통과 필터를 설계하여 잡음을 제거하여 왔으나, 기존의 저역 통과 필터를 이용하는 방법은, 먼저, 필터의 사양을 결정하고 설계를 행하여 특정 주파수 이상의 성분을 모두 제거하고, 실험을 통해 신호의 주파수를 분석하여 에너지를 가지는 성분을 추정하여 필터의 사양을 다시 결정하여 재설계를 해야 하는 단점이 있다.
또한, 만약, 잡음 성분이 저주파 대역에 영향을 미친다면 저역 통과 필터만으로는 신호의 잡음을 제거할 수 없으므로, 신호의 전체 주파수 대역을 일정하게 분할하여 주파수 성분을 유연하게 다룰 수 있는 방법이 필요하게 된다.
아울러, 기존의 최대출력점 추종 알고리즘은, 터빈의 설계시에 제공되는 터빈 특성곡선(터빈 효율)이 실제 터빈과 일치한다는 가정 하에 진행되어 왔으나, 실제 현장 실험에서는, 터빈 특성곡선에 오차가 발생하여 시스템의 출력을 최대로 낼 수 없게 되므로, 터빈 방정식을 이용하여 터빈의 데이터를 구축하고 이를 이용하여 새로운 터빈 특성곡선을 추종할 수 있는 방법이 요구된다.
상기한 바와 같이, 잡음 성분을 특정 저역 통과 필터만을 이용하여 제거하게 되면 에너지를 가지는 성분까지 제거되어 실제로 추출할 수 있는 유효전력보다 적은 에너지만이 추출되어 시스템의 효율이 낮아지는 문제가 있고, 반면, 잡음 성분이 제대로 제거되지 않은 신호를 이용하여 유효전력 지령치를 추종하게 되면 시스템이 불안정하게 되는 원인이 된다.
또한, 터빈의 특성곡선에 오차가 발생하게 되면 시스템의 효율에 영향을 미쳐 시스템의 출력을 최대로 추출할 수 없게 된다.
따라서 상기한 바와 같은 종래기술의 문제점을 해결하기 위해서는, 바람의 속도와 터빈의 압력에 리프팅 웨이블릿 잡음제거 기법(LWDM: Lifting Wavelet Denoising Method)을 적용하여 유연하게 신호를 필터링 하는 전처리(Preprocess)를 수행하고, 불확실성을 최대한 제거하기 위해 상대적으로 정확한 신호인 발전기 속도를 이용하는 퍼지로직(Fuzzy Logic)을 이용하여 유량, 발전기 속도, 터빈의 효율 등을 포함하는 데이터 기반의 터빈 모델링 방법을 제시함으로써, 터빈 효율이 최대인 점으로 터빈이 운전되도록 하여 안정적으로 에너지를 최대로 회수하는 방법을 제공하는 것이 바람직하나, 이직까지 그러한 요구를 모두 만족시키는 시스템이나 방법은 제공되지 못하고 있는 실정이다.
본 발명은 상기한 바와 같은 종래기술의 문제점들을 해결하고자 하는 것으로, 따라서 본 발명의 목적은, 진동수주형 파력발전 시스템에 있어서 측정신호에 포함된 측정 잡음을 유연하게 제거할 수 있는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법을 제공하고자 하는 것이다.
또한, 본 발명의 다른 목적은, 데이터 잡음 및 불확실성을 최소화하여 안정적인 발전 특성을 기대할 수 있는 동시에, 효율이 최대인 지점에서 발전이 이루어지도록 하는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법을 제공하고자 하는 것이다.
상기한 바와 같은 목적을 달성하기 위해, 본 발명에 따르면, 파도가 가지는 에너지를 회수하여 전기에너지를 생산하는 파력발전 시스템에서 관로(管路)를 이동하는 공기가 가지는 에너지를 추정하고 터빈이 가지는 효율을 추정함으로써 관로 내부의 압력, 터빈에 걸리는 토크, 발전기 속도 상태에 따라 발전기로부터 에너지를 회수해야 하는 유효전력(active power) 기준치를 산정하기 위한 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법에 있어서, 각각의 센서를 통하여 관로(管路) 내부의 압력(P), 공기 이동속도(Vx), 터빈의 토크(TT) 및 발전기 속도(ωr)를 검출하는 검출단계; 상기 검출단계에서 측정된 측정신호에 리프팅 웨이블릿 잡음 제거기법(Lifting Wavelet Denoising Method)을 적용하여 상기 측정신호를 대역 별로 분할하고 특정 대역의 주파수를 선택적으로 제거함으로써 상기 측정신호로부터 잡음을 제거하는 전처리 단계; 및 상기 전처리 단계에서 잡음이 제거된 측정신호에 근거하여 데이터 기반의 터빈 모델링 기법을 적용하여 유량(Q) 정보와 발전기 속도(ωr)를 입력으로 하고 터빈의 효율(ηtur)을 출력으로 하는 퍼지로직(Fuzzy Logic)을 구현함으로써, 상기 진동수주형 파력 발전 시스템의 최대 출력에 해당하는 유효전력 지령치를 산출하는 최대 출력점 추종단계를 포함하여 구성된 것을 특징으로 하는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법이 제공된다.
여기서, 상기 전처리 단계는, Haar 웨이블릿 타입의 리프팅 웨이블릿 변환을 2-레벨로 적용하여 각각의 상기 측정 신호를 3개의 주파수 대역으로 분할하는 분해(Decomposition) 단계; 및 상기 분할단계에서 분할된 각각의 신호에 문턱함수(Threshold Function)를 적용하여 고주파 대역의 이득을 조절한 후 복원함으로써 잡음이 제거된 신호를 출력하는 복원(Reconstruction) 단계를 포함하여 구성되는 것을 특징으로 한다.
또한, 상기 분해 단계는, 측정신호가 s[n]이고, n은 신호의 길이로서 2j이며, j는 분해 레벨일 때, Haar 웨이블릿 타입의 리프팅 웨이블릿 변환을 적용하여 상기 측정신호를 1-레벨로 저주파 신호(sj -1[n])와 고주파 신호(dj -1[n])로 분해하도록 구성되는 것을 특징으로 한다.
아울러, 상기 분해 단계는, 이하의 수학식을 이용하여 상기 측정신호 s[n]의 차분신호(dj-1 (1))를 구하는 단계;
Figure 112012096205706-pat00001
이하의 수학식을 이용하여 상기 측정신호 s[n]의 평균신호(sj -1 (1))를 구하는 단계;
Figure 112012096205706-pat00002
이하의 수학식을 이용하여 상기 측정신호 s[n]의 저주파 신호(sj -1)를 구하는 단계; 및
Figure 112012096205706-pat00003
이하의 수학식을 이용하여 상기 측정신호 s[n]의 고주파 신호(dj -1)를 구하는 단계를 포함하여 구성되는 것을 특징으로 한다.
Figure 112012096205706-pat00004

더욱이, 상기 복원 단계는, 상기 분해 단계에서 1-레벨로 분해된 상기 저주파 신호 및 상기 고주파 신호 를 Haar 웨이블릿 타입의 역 리프팅 웨이블릿 변환을 이용하여 상기 측정신호를 복원하는 것을 특징으로 한다.
여기서, 상기 복원 단계는, 이하의 수학식을 이용하여 복원된 측정신호 s[n]의 차분신호(dj-1 (1))를 구하는 단계;
Figure 112012096205706-pat00005
이하의 수학식을 이용하여 복원된 측정신호 s[n]의 평균신호(sj -1 (1))를 구하는 단계;
Figure 112012096205706-pat00006
이하의 수학식을 이용하여 복원된 측정신호 s[n]의 짝수 번째 신호(sj)를 구하는 단계; 및
Figure 112012096205706-pat00007
이하의 수학식을 이용하여 복원된 측정신호 s[n]의 홀수 번째 신호(dj)를 구하는 단계를 포함하여 구성되는 것을 특징으로 한다.
Figure 112012096205706-pat00008

또한, 상기 분해 단계는, 측정신호가 s[n]이고, n은 신호의 길이로서 2j이며, j는 분해 레벨일 때, Haar 웨이블릿 타입의 리프팅 웨이블릿 변환을 적용하여 상기 측정신호를 2-레벨로 저주파 신호(sj -1[n])와 고주파 신호(dj -1[n])로 분해하도록 구성되는 것을 특징으로 한다.
여기서, 상기 분해 단계는, 이하의 수학식을 이용하여 상기 측정신호 s[n]의 차분신호(dj-1 (1))를 구하는 단계;
Figure 112012096205706-pat00009
이하의 수학식을 이용하여 상기 측정신호 s[n]의 평균신호(sj -1 (1))를 구하는 단계;
Figure 112012096205706-pat00010
이하의 수학식을 이용하여 상기 측정신호 s[n]의 저주파 중간값 신호(sj -1)를 구하는 단계;
Figure 112012096205706-pat00011
이하의 수학식을 이용하여 상기 측정신호 s[n]의 고주파 신호(dj -1)를 구하는 단계;
Figure 112012096205706-pat00012
이하의 수학식을 이용하여 상기 측정신호 s[n]의 저주파 중간값 신호의 차분신호(dj -2 (1))를 구하는 단계;
Figure 112012096205706-pat00013
이하의 수학식을 이용하여 상기 측정신호 s[n]의 저주파 중간값 신호의 평균신호(sj -2 (1))를 구하는 단계;
Figure 112012096205706-pat00014
이하의 수학식을 이용하여 상기 측정신호 s[n]의 저주파 신호(sj -2[n])를 구하는 단계; 및
Figure 112012096205706-pat00015
이하의 수학식을 이용하여 상기 측정신호 s[n]의 중대역 신호(dj -2[n])를 구하는 단계를 포함하여 구성되는 것을 특징으로 한다.
Figure 112012096205706-pat00016

또한, 상기 전처리 단계는, 상기 분해 단계에서 2-레벨로 분해된 저주파 신호(sj -2[n])와 고주파 신호(dj -1[n]) 및 중대역 신호(dj -2[n])에 이하의 수학식에 나타낸 입력 신호가 S이고 문턱 값이 K인 매끄러운 문턱함수(Soft Threshold Function)를 적용하여 각각의 신호의 정보량을 조절하는 단계를 더 포함하도록 구성되는 것을 특징으로 한다.
Figure 112012096205706-pat00017

아울러, 상기 복원 단계는, 상기 분해 단계에서 2-레벨로 분해된 저주파 신호(sj -2[n])와 고주파 신호(dj -1[n]) 및 중대역 신호(dj -2[n])에 Haar 웨이블릿 타입의 역 리프팅 웨이블릿 변환을 적용하여 상기 측정신호를 복원하는 것을 특징으로 한다.
여기서, 상기 복원 단계는, 이하의 수학식을 이용하여 복원된 측정신호 s[n]의 저주파 중간값 신호의 차분신호(dj-2 (1)[n])를 구하는 단계;
Figure 112012096205706-pat00018
이하의 수학식을 이용하여 복원된 측정신호 s[n]의 저주파 중간값 신호의 평균신호(sj-2 (1)[n])를 구하는 단계;
Figure 112012096205706-pat00019
이하의 수학식을 이용하여 복원된 측정신호 s[n]의 저주파 중간값 신호의 짝수 번째 신호(sj -1[2n])를 구하는 단계;
Figure 112012096205706-pat00020
이하의 수학식을 이용하여 복원된 측정신호 s[n]의 저주파 중간값 신호의 홀수 번째 신호(sj -1[2n+1])를 구하는 단계;
Figure 112012096205706-pat00021
이하의 수학식을 이용하여 복원된 측정신호 s[n]의 차분신호(dj-1 (1)[n])를 구하는 단계;
Figure 112012096205706-pat00022
이하의 수학식을 이용하여 복원된 측정신호 s[n]의 평균신호(sj -1 (1)[n])를 구하는 단계;
Figure 112012096205706-pat00023
이하의 수학식을 이용하여 복원된 측정신호 s[n]의 짝수 번째 신호(sj[2n])를 구하는 단계; 및
Figure 112012096205706-pat00024
이하의 수학식을 이용하여 복원된 측정신호 s[n]의 홀수 번째 신호(sj[2n+1])를 구하는 단계를 포함하여 구성되는 것을 특징으로 한다.
Figure 112012096205706-pat00025

더욱이, 상기 최대 출력점 추종단계는, 상기 전처리 단계에서 전처리된 측정신호의 압력강하신호(△PW), 공기 흐름속도 신호(VW), 터빈의 토크신호(TT), 발전기 속도(ωr) 신호에 근거하여 유량(Q)과 터빈의 효율(ηtur) 및 유효전력 지령치(Ps *)를 계산하여 데이터베이스를 구축하는 단계; 상기 유량과 상기 발전기 속도를 입력으로 하고 터빈의 효율 또는 유효전력 지령치를 출력으로 하는 데이터 기반 모델링을 위한 멤버십 함수를 결정하는 단계; 및 상기 멤버십 함수를 초기화한 후, 퍼지 C-Means 집단화 알고리즘을 적용하여 상기 멤버십 함수를 최적화하는 단계를 포함하여 구성되는 것을 특징으로 한다.
여기서, 상기 멤버십 함수를 결정하는 단계는, 상기 멤버십 함수를 U라 하고, 상기 멤버십 함수의 개수를 c라 하며, 소속도를 μ라 하고, 허용오차를 ε라 하며, 루프 반복 횟수를 l 이라 할 때, 상기 멤버십 함수의 개수가 N개인 경우, N=c로 가정하고, U의 초기값 U(l)= 1 및 l = 1로 설정하는 단계; 이하의 수학식에 의해 퍼지집단의 중심값 vi를 계산하는 단계;
Figure 112012096205706-pat00026
이하의 수학식에 의해 k번째 데이터에서 i번째 집단의 중심까지의 거리 dik를 계산하는 단계;
Figure 112012096205706-pat00027
이하의 수학식을 이용하여 l = l + 1 동안의 새로운 U(l)의 요소를 계산하고, k번째 데이터에서 i번째 집단의 중심까지의 거리가 0인 집합을 구하여, k번째 데이터에서 i번째 집단의 중심까지의 거리가 0이면 소속도를 갱신하고, 0이 아니면 소속도를 0으로 설정하는 단계; 및
Figure 112012096205706-pat00028
Figure 112012096205706-pat00029
Figure 112012096205706-pat00030
Figure 112012096205706-pat00031
이하의 수학식에 나타낸 조건을 검사하여 만족하면 처리를 정지하고, 아니면 상기 vi 및 상기 dik를 계산하는 단계를 반복하는 단계를 포함하여 구성되는 것을 특징으로 한다.
Figure 112012096205706-pat00032

또한, 상기 멤버십 함수를 최적화하는 단계는, TSK(Takagi, Sugeno and Kang's) 알고리즘을 적용하여, 이하의 수학식에 나타낸 모델 구조를 통해 퍼지 규칙을 정의하도록 구성되는 것을 특징으로 한다.
Figure 112012096205706-pat00033

아울러, 상기 멤버십 함수를 최적화하는 단계는, 퍼지규칙을 R, 멤버십 함수를 A, 윗 첨자 i를 규칙의 개수라 할 때, 각 구간의 데이터를
Figure 112012096205706-pat00034
와 같은 형태로 보간(Interpolation) 할 수 있을 경우, 이하의 수학식에 나타낸 수정된 TSK 모델 구조를 이용하여 퍼지 규칙을 정의함으로써 규칙의 수를 감소하도록 구성되는 것을 특징으로 한다.
Figure 112012096205706-pat00035

또한, 본 발명에 따르면, 상기에 기재된 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법을 이용하여 최대 출력점을 추종 제어하도록 구성된 것을 특징으로 하는 진동수주형 파력 발전 시스템이 제공된다.
더욱이, 본 발명에 따르면, 상기에 기재된 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법이 기록된 컴퓨터에서 판독 가능한 기록매체가 제공된다.
상기한 바와 같이, 본 발명에 따르면, 진동수주형 파력발전 시스템에서 센서를 통해 측정되는 신호의 잡음에 리프팅 웨이블릿 잡음제거 기법을 적용하여, 신호를 일정한 주파수 대역으로 분할하고 제거하고자 하는 주파수 대역 성분의 문턱값(Threshold Value)을 조절하여 잡음 성분을 유연하게 제거함으로써, 필터를 재설계해야하는 문제를 해결하는 동시에, 종래의 콘볼루션 기반의 필터링 기법을 리프팅 기반으로 대체하여 고속으로 필터링을 수행할 수 있는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법을 제공할 수 있다.
또한, 본 발명에 따르면, 실험을 통해 획득한 정보에 근거하여 데이터베이스를 구축하고 퍼지로직을 이용한 데이터 기반의 모델링 기법을 적용하여 터빈의 모델링 오차를 보정함으로써 신호의 불확실성 성분을 감소하는 동시에, 토크 정보를 사용하지 않고 터빈의 효율을 추정할 수 있으므로 터빈의 특성 곡선이 주어지지 않은 시스템에서도 터빈의 특성 곡선을 추종할 수 있어 센서의 개수를 줄일 수 있는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법을 제공할 수 있다.
도 1은 진동수주형 파력 발전 시스템의 전체적인 구성을 개략적으로 나타내는 도면이다.
도 2는 진동수주형 파력 발전 시스템에서 유효 전력 지령치 추종 방법의 전체적인 구성을 개략적으로 나타내는 도면이다.
도 3은 리프팅 웨이블릿 변환의 분해와 복원 모델을 나타내는 도면이다.
도 4는 리프팅 웨이블릿 잡음 제거 기법의 전체적인 구성을 개략적으로 나타내는 블록도이다.
도 5는 진동수주형 파력발전 시스템에 적용된 리프팅 웨이블릿 잡음제거 기법의 전체적인 구성을 개략적으로 나타내는 흐름도이다.
도 6은 진동수주형 파력발전 시스템에 적용된 리프팅 웨이블릿 잡음제거 기법 알고리즘의 전체적인 구성을 개략적으로 나타내는 도면이다.
도 7은 멤버십 함수 초기값 정의를 설명하기 위한 도면이다
도 8은 ANFIS 알고리즘의 구조를 개략적으로 나타내는 도면이다.
도 9는 진동수주형 파력발전 시스템을 위한 퍼지 모델링을 적용한 터빈 모델링 기법의 전체적인 구성을 개략적으로 나타내는 도면이다.
도 10은 진동수주형 파력발전 시스템을 위한 최대 출력점 추종 알고리즘의 전체적인 구성을 개략적으로 나타내는 도면이다.
도 11은 유효전력제어를 수행하는 발전기 제어 알고리즘의 구성예를 나타내는 도면이다.
도 12는 유량과 발전기 속도를 입력으로 하고 터빈의 효율을 출력으로 하는 터빈 모델링의 결과를 나타내는 도면이다.
이하, 첨부된 도면을 참조하여, 본 발명에 따른 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법의 구체적인 실시예에 대하여 설명한다.
여기서, 이하에 설명하는 내용은 본 발명을 실시하기 위한 하나의 실시예일 뿐이며, 본 발명은 이하에 설명하는 실시예의 내용으로만 한정되는 것은 아니라는 사실에 유념해야 한다.
즉, 본 발명은, 후술하는 바와 같이, 파도가 가지는 에너지를 회수하여 전기에너지를 생산하고자 하는 파력 발전 시스템에 대한 것으로, 더 상세하게는, 진동수주식(振動水柱式) 파력발전 시스템은, 파도가 가지는 에너지를 회수하여 전기에너지를 생산하고자 하는 것으로, 파도가 진행하는 방향과 정렬된 방향에 진입문이 설치되어 파도가 유입될 수 있도록 구성되고, 구조물 안으로 유입된 파도는 더 이상 진행할 수 없도록 밀폐된 벽에 부딪히도록 하여, 파도의 출입에 따라 구조물 내벽을 따라 상하 진동하는 진동수주를 형성함으로써, 구조물 상부에서 압축된 공기를 획득할 수 있고, 구조물 상부에 관로(管路)를 두어 선택적으로 압축공기를 배출시킬 수 있으며, 압축 공기가 흐르는 관로 중앙에 터빈을 가지는 발전기를 설치하여 전기를 생산하도록 구성되는 에 관한 것이다.
또한, 이러한 파력 발전용 최대 출력점 추종 제어방법은, 관로(管路)를 이동하는 공기가 가지는 에너지를 추정하고 터빈이 가지는 효율을 추정함으로써, 관로(管路) 내부의 압력, 터빈에 걸리는 토크, 발전기 속도 상태에 따라 발전기로부터 에너지를 회수해야 하는 유효전력(active power) 기준치를 산정하며, 관로 내부의 압력과 공기 이동속도를 검출한 측정 신호로부터 잡음을 제거하기 위하여, Haar 웨이블릿 타입의 리프팅 웨이블릿 변환을 2-레벨로 적용함으로써, 측정 신호 각각을 3개의 주파수 대역으로 분할하고, 문턱함수를 적용하여 고주파 대역의 이득을 조절한 후 복원하는 절차를 적용함으로써, 잡음을 제거하는 전처리 방식을 가진다.
즉, 본 발명은, 리프팅 웨이블릿 잡음 제거기법(Lifting Wavelet Denoising Method)을 이용하여 센서에서 측정된 신호의 잡음 성분을 효율적으로 제거하는 전처리 단계와, 상기 전처리 단계에서 잡음이 제거된 측정신호에 근거하여 퍼지로직(Fuzzy Logic)을 이용한 데이터 기반의 터빈 모델링 기법을 적용하여 각각의 매개변수의 변동을 보정하여 상기 진동수주형 파력 발전 시스템의 최대 출력에 해당하는 유효전력 지령치를 산출하는 최대 출력점 추종단계를 포함하여 구성된 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법에 관한 것이다.
계속해서, 첨부된 도면을 참조하여, 상기한 바와 같은 본 발명에 따른 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법의 구체적인 실시예에 대하여 설명한다.
먼저, 도 1 및 도 2를 참조하여, 종래의 최대 출력점 추종 제어방법에 대하여 설명한다.
즉, 도 1을 참조하면, 도 1은 진동수주형(Oscillating Wave Column ; OWC) 파력 발전 시스템의 전체적인 구성을 개략적으로 나타내는 도면이다.
도 1에 나타낸 바와 같이, 진동수주형 파력 발전 시스템은, 파도가 챔버(Chamber)에 도달하면 챔버 내부의 물이 상승하고, 상승기류가 발생하게 되어, 압축된 공기가 터빈을 회전시켜 발전기에 의해 전력이 생산된다.
여기서, 발전기에서 생산된 전력을 상용 계통에 연계하기 위해 전력변환 장치를 사용하며, 이때, 전력변환 장치는, 출력을 최대로 이끌어 내기 위해 최대 출력점 추종(MPPT: Maximum Power Point Tracking) 알고리즘을 이용하여 최대 출력에 해당하는 유효전력 지령치를 추종하게 된다.
또한, 진동수주형 파력 발전에서 유효전력 지령치를 추종하기 위해서는, 이하의 [수학식 1]을 이용하여 입력 유효전력을 산정한다.
[수학식 1]
Figure 112012096205706-pat00036

여기서, Pin은 OWC 덕트(Duct) 내부의 터빈에서 사용 가능한 전력[W]이고, ηtur은 터빈의 효율이며, ηgen은 발전기 효율이다.
또한, [수학식 1]에 있어서, 일반적으로, 발전기의 효율은 알고 있는 것으로 가정한다. .
아울러, [수학식 2]는 OWC 덕트 내부의 터빈에서 사용 가능한 전력을 나타내는 것으로, 압력에 의한 에너지 성분과 바람에 의한 성분으로 분해할 수 있다.
[수학식 2]
Figure 112012096205706-pat00037

[수학식 2]에 있어서, 압력에 의한 에너지 성분은 이하의 [수학식 3]과 같고, 바람에 의한 에너지 성분은 [수학식 4]와 같다.
[수학식 3]
Figure 112012096205706-pat00038

[수학식 4]
Figure 112012096205706-pat00039

따라서 상기한 내용들로부터 이하의 [수학식 5]를 얻을 수 있다.
[수학식 5]
Figure 112012096205706-pat00040

여기서, △p는 덕트 내부의 압력 강하[pa]이고, ρ는 공기 밀도[kg/m3]이며, Vx는 공기 흐름 속도[m/s]이고, α는 터빈 닥트의 면적[m2]이며, Q는 유량[m3/sec]이다.
또한, 터빈의 효율을 계산하기 위해서는 이하의 [수학식 6]을 사용한다.
[수학식 6]
Figure 112012096205706-pat00041

여기서, CT는 토크 계수(Torque Coefficient), CA는 전력 계수(Power Coefficient), φ는 유량 계수(Flow Coefficient)이다.
아울러, 토크 계수, 전력 계수, 유량 계수는 각각 터빈 방정식인 이하의 [수학식 7] 내지 [수학식 9]을 이용하여 얻을 수 있다.
[수학식 7]
Figure 112012096205706-pat00042

[수학식 8]
Figure 112012096205706-pat00043

[수학식 9]
Figure 112012096205706-pat00044

여기서, r은 터빈 날개(Blade)의 평균 반지름[m], ωr은 터빈의 각속도[rad/sec], blz는 터빈 날개의 스팬(Blade height), 코드 길이(chord)와 터빈 날개의 개수의 곱으로 나타내지는 터빈 상수이다.
계속해서, 도 2를 참조하면, 도 2는 진동수주형(OWC) 파력 발전 시스템에서 유효 전력 지령치 추종 방법의 전체적인 구성을 개략적으로 나타내는 도면이다.
도 2에 나타낸 바와 같이, 진동수주형 파력발전 시스템에서 유효 전력 지령치를 추종하는 방법에 있어서, 센서를 통해서 측정되는 신호인 압력, 공기 흐름 속도, 터빈의 토크, 회전자의 각속도는 잡음에 취약하여 직접 사용할 수 없으므로 필터링 기법을 도입하여 잡음을 제거하여 사용한다.
그러나 이러한 필터링 기법은, 잡음의 영향은 감소시킬 수 있으나, 잡음을 선택적으로 제거하지는 못하는 단점이 있고, 따라서 잡음이 아닌 정보를 처리하여 원래 신호와 상사(similarity) 파형이나 보간(interpolation)된 특성을 가지도록 할 수 없다.
즉, 결론적으로, 종래의 필터링 방법으로는, 불확실성을 포함하는 형태의 터빈 모델링이 되어 정확한 터빈의 효율을 추종할 수 없다.
상기한 바와 같이, 센서로부터 측정된 신호는, 일반적으로, 주위의 환경에 따라 많은 잡음 성분을 포함하고 있으며, 즉, 진동수주형 파력 발전 시스템의 경우, 바람의 세기(Vx), 압력(P), 터빈의 토크(Tr), 발전기 속도(ωr)에 대한 정보에 많은 잡음 성분이 포함된다.
따라서 이러한 잡음 성분에 의해 측정된 측정신호는 불확실성 특성을 가지게 되므로 측정된 신호를 직접 사용할 수 없으며, 여기서, 만약, 측정된 신호가 잡음 성분이 포함되어 있지 않다고 가정한다면, 터빈 방정식을 적용하여 터빈의 효율을 산정할 수 있으나, 대부분의 경우, 센서로부터 측정된 신호는 잡음 성분을 포함한 형태이고, 또한, 잡음 성분은 시스템 환경에 의해서 발생하므로, 특정 주파수 영역의 성분뿐만 아니라 주파수 전 영역을 포함하는 백색잡음(White Noise)도 포함하고 있다고 가정할 수 있다.
여기서, 특정 주파수 영역의 성분의 잡음은 일반적으로 저역 통과 필터(Low Pass Filter ; LPF)를 적용하여 제거할 수 있지만, 백색잡음 성분은 전 주파수 영역에서 발생하므로 완벽히 제거할 수 없다.
또한, 이와 같이 잡음 성분을 제거하지 않은 측정신호를 사용하여 터빈의 효율을 산정하고 유효 전력 지령치를 추종하게 되면, 실제 추출 가능한 유효 전력보다 많거나 적은 유효 전력 지령치를 추종하게 되어, 특히, 에너지 회수량(발전량 [kW/h])이 크게 떨어져 최대로 에너지를 회수할 수 없게 되므로, 전체 시스템의 효율에 악영향을 미치게 된다.
즉, 발전 가능한 에너지보다 훨씬 많은 유효 전력 지령치를 추종하게 되면, 터빈이 가지고 있는 에너지보다 발전기에서 회수하는 에너지를 높게 산정한 경우이므로, 터빈의 회전 속도를 정상적인 속도보다 현저히 낮추는 경우가 되어 정상적으로 회수할 수 있는 에너지 보다 낮은 에너지를 회수하게 된다.
반면, 발전 가능한 에너지보다 훨씬 적은 유효 전력 지령치를 추종하게 되면, 터빈이 가지고 있는 에너지보다 발전기에서 회수하는 에너지를 적게 산정한 경우이므로, 터빈의 회전 속도를 정상적인 속도보다 훨씬 높은 속도로 회전하게 되어 정상적으로 회수할 수 있는 에너지보다 낮은 에너지를 회수하게 된다.
따라서 이러한 문제를 해결하기 위해서는, 측정 신호의 잡음을 효율적으로 제거하는 것이 매우 중요하며, 불확실성의 근원인 측정 잡음을 줄이는 것이 매우 중요하다.
여기서, 잡음을 제거하는 방법은 기본적으로는 다양한 종류의 필터를 적용하여 원하는 주파수 대역의 잡음을 제거할 수 있으나, 측정신호의 잡음을 효율적으로 제거하기 위하여, 본 발명에서는, 후술하는 바와 같이, 리프팅 웨이블릿 잡음제거 기법(Lifting Wavelet Denoising Method ; LWDM)을 적용하여 신호의 주파수를 대역별로 분할하여 특정 대역의 주파수를 제거하도록 하였으며, 또한, 잡음이 제거된 신호를 기초로 데이터 기반의 모델링 기법을 적용한 터빈 모델링을 실시하여, 유량(Q) 정보와 발전기 속도(ωr)를 입력으로 하고 터빈의 효율(ηtur)을 출력으로 하는 퍼지로직(Fuzzy Logic)을 설계함으로써, 시스템의 불확실성을 감소하는 방법을 제시하였다.
더 상세하게는, 상기한 리프팅 웨이블릿 잡음 제거 기법(LWDM)은, 주파수를 대역별로 나눈 후, 각각의 주파수 대역의 성분을 조절하여 에너지가 존재하는 주파수 대역은 남기고 잡음은 제거하는 방법으로서, 이러한 방법을 이용하면, 주파수 대역의 성분을 자유롭게 조절 가능하여 유연하게 잡음을 제거할 수 있다는 장점이 있다.
계속해서, 도 3 및 도 4를 참조하여, 상기한 바와 같은 리프팅 웨이블릿 잡음 제거 기법(LWDM)의 구체적인 내용에 대하여 설명한다.
먼저, 도 3을 참조하면, 도 3은 리프팅 웨이블릿 변환(Lifting Wavelet Transform ; LWT)의 분해(Decomposition)와 복원(Reconstruction) 모델을 나타내는 도면이다.
또한, 도 4를 참조하면, 도 4는 리프팅 웨이블릿 잡음 제거 기법(LWDM)의 전체적인 구성을 나타내는 도면이다.
즉, 리프팅 웨이블릿 변환 방식은, 기존의 콘볼루션(Convolution) 웨이블릿 변환 방식에 비해 빠른 웨이블릿 변환을 구현할 수 있으며, 고역 통과필터(High Pass Filter ; HPF)와 저역 통과필터(Low Pass Filter ; LPF) 사이의 유사성을 최적으로 사용함으로써 계산의 속도를 증진시킬 수 있다.
아울러, 도 3 및 도 4에 나타낸 바와 같이, 리프팅 웨이블릿 변환은 크게 분해(Decomposition) 과정과 복원(Reconstruction) 과정으로 설명할 수 있으며, 세부적으로는 예측(Prediction) 과정과 갱신(Update) 과정으로 설명할 수 있다.
구체적으로는, 먼저, 분해 과정을 설명하면, 데이터를 일정한 크기의 버퍼에 저장된 홀수 번째 데이터와 짝수 번째 데이터로 나눈 다음, 홀수 번째 데이터에서 짝수 번째 데이터와 예측계수를 곱한 데이터를 차감함으로써 세부계수(Detail Coefficients)를 계산한다.
그리고 세부계수에 갱신계수를 곱한 데이터와 짝수 번째 데이터를 합하여 근사계수(Approximation Coefficients)을 계산한다.
여기서, 근사계수는, 상기한 바와 동일한 과정을 반복하여 여러 레벨로 분해함으로써 주파수 대역을 원하는 만큼 분할할 수 있다.
이러한 일련의 과정을 수학식으로 나타내면 이하의 [수학식 10] 및 [수학식 11]과 같다.
[수학식 10]
Figure 112012096205706-pat00045

[수학식 11]
Figure 112012096205706-pat00046

여기서, 버퍼의 크기는 신호 Sj의 프레임 길이에 해당하는 2j가 된다.
다음으로, 복원 과정을 설명하면, 먼저, 근사계수에서 세부계수와 갱신계수(Update Coefficient)를 곱한 데이터를 차감함으로써 짝수 번째 데이터를 계산한다.
그리고 짝수 번째 데이터에 예측계수(Prediction Coefficient)를 곱한 데이터와 세부 계수(Detail Coefficients)를 합산함으로써 홀수 번째 데이터를 구한다.
그 후, 짝수 번째 데이터와 홀수 번째 데이터를 병합(Merge)하여 신호를 복원한다.
이러한 일련의 과정을 수학식으로 나타내면 이하의 [수학식 12] 및 [수학식 13]과 같다.
[수학식 12]
Figure 112012096205706-pat00047

[수학식 13]
Figure 112012096205706-pat00048
`
여기서, 본 발명에서 사용된 Haar 웨이블릿을 리프팅 웨이블릿 변환에 적용해보면, 분해 과정은 이하의 [수학식 14] 내지 [수학식 17]과 같고, 복원 과정은 이하의 [수학식 18] 내지 [수학식 21]과 같다.
[수학식 14]
Figure 112012096205706-pat00049

[수학식 15]
Figure 112012096205706-pat00050

[수학식 16]
Figure 112012096205706-pat00051

[수학식 17]
Figure 112012096205706-pat00052

[수학식 18]
Figure 112012096205706-pat00053

[수학식 19]
Figure 112012096205706-pat00054

[수학식 20]
Figure 112012096205706-pat00055

[수학식 21]
Figure 112012096205706-pat00056

계속해서, 상기한 바와 같이 하여 리프팅 웨이블릿 변환의 분해과정에서 구해진 고주파 성분에 해당하는 세부계수(Detail Coefficients)에 이하의 [수학식 22]에 나타낸 바와 같은 매끄러운 문턱함수(Soft Threshold Function)를 적용하고, 근사계수와 가공된 세부계수를 이용하여 신호를 복원하면, 잡음이 제거된 신호를 얻을 수 있다.
[수학식 22]
Figure 112012096205706-pat00057

여기서, S는 처리할 신호이고, K는 문턱값(Threshold Value)에 해당한다.
또한, [수학식 22]에 있어서, 만약, 문턱함수의 문턱값 내에 모든 세부계수 값이 들어올 때는 원래 신호가 그대로 복원되며, 이와 같이 완벽하게 복원(Perfect Reconstruction)이 되어야 웨이블릿 변환이라 할 수 있다.
다음으로, 도 5를 참조하면, 도 5는 진동수주형 파력발전 시스템에 적용된 리프팅 웨이블릿 잡음제거 기법의 전체적인 구성을 개략적으로 나타내는 흐름도이다.
여기서, 도 5에 나타낸 리프팅 웨이블릿 잡음제거 기법에 있어서, 리프팅 웨이블릿 잡음제거 기법에서는 측정 신호의 특징에 따라 레벨이 결정되며, 본 발명에서는, 2 레벨을 기준으로 Haar 기반의 리프팅 웨이블릿 잡음 제거 기법을 적용하였다.
즉, 도 6을 참조하면, 도 6은 상기한 바와 같이 본 발명에 적용된 2 레벨을 기준으로 Haar 기반에 해당하는 리프팅 웨이블릿 잡음 제거 기법 알고리즘의 전체적인 구성을 개략적으로 나타내는 도면이다.
더 상세하게는, 도 6에 나타낸 본 발명의 실시예는, 측정신호가 s[n]이고, n은 신호의 길이로서 2j이며, j는 분해 레벨일 때, Haar 웨이블릿 타입의 리프팅 웨이블릿 변환을 적용하여 측정신호를 2-레벨로 저주파 신호(sj -1[n])와 고주파 신호(dj -1[n])로 분해하도록 구성되는 것이다.
구체적으로는, 먼저, 분해 단계는, 도 6에 나타낸 바와 같이, 이하의 수학식을 이용하여 측정신호 s[n]의 차분신호(dj -1 (1)), 평균신호(sj -1 (1)), 저주파 중간값 신호(sj -1), 고주파 신호(dj -1), 저주파 중간값 신호의 차분신호(dj -2 (1)), 저주파 중간값 신호의 평균신호(sj -2 (1)), 저주파 신호(sj -2[n]) 및 중대역 신호(dj -2[n])를 각각 구한다.
Figure 112012096205706-pat00058
Figure 112012096205706-pat00059
Figure 112012096205706-pat00060
Figure 112012096205706-pat00061
Figure 112012096205706-pat00062
Figure 112012096205706-pat00063
Figure 112012096205706-pat00064
Figure 112012096205706-pat00065

이어서, 상기한 바와 같이 하여 분해 단계에서 2-레벨로 분해된 저주파 신호(sj -2[n])와 고주파 신호(dj -1[n]) 및 중대역 신호(dj -2[n])에 상기한 [수학식 22]에 나타낸 바와 같은 매끄러운 문턱함수(Soft Threshold Function)를 적용하여 각각의 신호의 정보량을 조절한다.
다음으로, 복원 단계는, 분해 단계에서 2-레벨로 분해된 저주파 신호(sj -2[n])와 고주파 신호(dj -1[n]) 및 중대역 신호(dj -2[n])에 Haar 웨이블릿 타입의 역 리프팅 웨이블릿 변환을 적용하여 측정신호를 복원한다.
더 상세하게는, 이하의 수학식을 이용하여, 복원된 측정신호 s[n]의 저주파 중간값 신호의 차분신호(dj -2 (1)[n]), 평균신호(sj -2 (1)[n]), 짝수 번째 신호(sj -1[2n]), 홀수 번째 신호(sj -1[2n+1]), 복원된 측정신호 s[n]의 차분신호(dj -1 (1)[n]), 평균신호(sj -1 (1)[n]), 짝수 번째 신호(sj[2n]), 홀수 번째 신호(sj[2n+1])를 각각 구한다.
Figure 112012096205706-pat00066
Figure 112012096205706-pat00067
Figure 112012096205706-pat00068
Figure 112012096205706-pat00069
Figure 112012096205706-pat00070
Figure 112012096205706-pat00071
Figure 112012096205706-pat00072
Figure 112012096205706-pat00073

다음으로, 진동수주형 파력발전 시스템에서 회수 가능한 유효전력 지령치를 추정하기 위하여, 터빈의 효율을 계산하는데 사용하는 바람의 속도, 압력, 터빈의 토크 정보에 리프팅 웨이블릿 잡음 제거 기법을 적용하여 잡음을 제거한다.
우선, 시스템에서 측정되는 전처리된 신호를 정의하고, 즉, 덕트 내부의 공기흐름 속도는 VW, 터빈의 토크는 TTW, 닥트 내부의 압력은 PW로 각각 정의하며, 터빈 방정식에서 사용되는 압력 강하는 △PW로서 이하의 [수학식 23]과 같이 정의되고, 발전기의 속도는 상대적으로 잡음이 적으므로 그대로 사용한다.
[수학식 23]
Figure 112012096205706-pat00074

또한, 리프팅 웨이블릿 잡음 제거 기법을 적용한 에너지 계산식은 이하의 [수학식 24] 내지 [수학식 27]과 같다.
[수학식 24]
Figure 112012096205706-pat00075

[수학식 25]
Figure 112012096205706-pat00076

[수학식 26]
Figure 112012096205706-pat00077

[수학식 27]
Figure 112012096205706-pat00078

여기서, QW는 전처리된 바람의 속도를 이용하여 계산된 유량이다.
계속해서, 리프팅 웨이블릿 잡음 제거 기법을 적용한 터빈 방정식은 이하의 [수학식 28] 내지 [수학식 31]과 같으며, 이를 이용하여 터빈의 효율을 계산하게 된다.
[수학식 28]
Figure 112012096205706-pat00079

[수학식 29]
Figure 112012096205706-pat00080

[수학식 30]
Figure 112012096205706-pat00081

[수학식 31]
Figure 112012096205706-pat00082

여기서, φW는 전처리된 바람의 속도를 이용하여 계산된 유량계수, CTW는 전처리된 신호를 이용하여 계산된 토크 계수, CAW는 전처리된 신호를 이용하여 계산된 전력 계수이다.
계속해서, 상기한 바와 같이 하여 전처리된 신호를 통해 터빈 방정식을 이용하여 터빈의 효율 데이터를 구하고, 유량(QW) 데이터와 발전기 속도 데이터를 함께 저장하여 데이터베이스를 구축한다.
다음으로, 저장된 데이터를 바탕으로 퍼지 C-Means(FCM) 기법을 적용하여 데이터를 집단화(Clustering)하고 멤버십 함수(Membership Function)를 결정한다.
여기서, 퍼지 C-Means 기법은, 멤버십 함수를 결정하기 위하여 데이터를 집단화하고, 그 집단의 중심 값을 분석하여 멤버십 함수를 갱신하는 알고리즘으로서, 퍼지 C-Means 기법의 구체적인 내용을 정리하면 다음과 같다.
먼저, 주어진 데이터 벡터를, 이하의 [수학식 32]와 같이 정의하여 일정한 수의 퍼지 집단(Clusters)으로 분류한다.
[수학식 32]
Figure 112012096205706-pat00083

여기서, n은 데이터의 개수에 해당한다.
또한, 퍼지 집단은 μik에 의해 특징지어지며, 이는, i번째 집단에 속하는 k번째 데이터의 소속 정도(Grade)를 나타내고, 이하의 [수학식 33]과 같이 나타내진다.
[수학식 33]
Figure 112012096205706-pat00084

여기서, c는 집단의 수이다.
따라서 μik로 구성된 행렬 U를 정의할 수 있으며, 그러한 알고리즘을 예를 들어 설명하면 다음과 같다.
1) c = 2로 가정하고, U의 초기값 U(l) 및 l = 1로 한다.
2) 퍼지 집단의 중심값 Vi를 이하의 [수학식 34]에 의해 계산하고, k번째 데이터에서 i번째 집단의 중심까지의 거리를 이하의 [수학식 35]와 같이 정의한다.
[수학식 34]
Figure 112012096205706-pat00085

[수학식 35]
Figure 112012096205706-pat00086

3) l = l + 1 동안의 새로운 U(l)의 요소를 이하의 [수학식 35] 내지 [수학식 39]와 같이 계산한다.
[수학식 36]
Figure 112012096205706-pat00087

[수학식 37]
Figure 112012096205706-pat00088

[수학식 38]
Figure 112012096205706-pat00089

[수학식 39]
Figure 112012096205706-pat00090

4) 만약,
Figure 112012096205706-pat00091
면 처리를 정지하고, 아니면 상기한 단계 2)를 반복한다.
계속해서, 도 7을 참조하면, 도 7은 멤버십 함수 초기값 정의를 설명하기 위한 도면이다
즉, 본 발명에서는, 도 7에 나타낸 바와 같이, 경험적으로 초기의 멤버십 함수를 결정하였고, 퍼지 C-Means 집단화 알고리즘을 적용하여 멤버십 함수를 갱신하였다.
또한, 상기한 바와 같은 알고리즘을 통하여 멤버십 함수가 결정되면 퍼지 규칙을 정의해야 하며, 본 발명에서는, 여기에 적용되는 알고리즘으로서 TSK(Takagi-Sugeno-Kangs) 기법을 사용하였고, 그 모델 구조는 이하의 [수학식 40]과 같이 정의된다.
[수학식 40]
Figure 112012096205706-pat00092

여기서, 일반적인 TSK 기법은 규칙의 출력 함수가 2변수 선형함수로 정의되지만, 본 발명에서는 제한적인 데이터 수에 의해 규칙의 출력 함수가 1변수 2차 다항식으로 정의된다.
아울러, 더욱 세밀한 데이터의 수가 보장이 된다면 일반적인 ANFIS(Adaptive Neuro-Fuzzy Inference System)을 적용하여 매개변수(Parameters)를 갱신할 수 있으나, 본 발명에서 제안한 방식은, 이하의 [수학식 41]에 나타낸 바와 같이, 규칙의 수를 줄일 수 있으므로 더 간략한 방법이 된다.
[수학식 41]
Figure 112012096205706-pat00093

더 상세하게는, 도 8을 참조하면, 도 8은 ANFIS 알고리즘의 구조를 나타내는 도면이다.
도 8에 나타낸 바와 같이, ANFIS 알고리즘은, 학습시에 전방향 경로(Forward Pass)에서는 최소 자승법(Least-Squares Method)을 적용하여 선형 방정식의 매개변수를 갱신하고, 후방향 경로(Backward Pass)에서는 멤버십 함수의 매개변수를 최급 강하법(Steepest Descent Method)을 적용하여 갱신한다.
그러나 본 발명에서는, 퍼지 C-Means 집단화 알고리즘을 적용하여 멤버십 함수를 갱신하므로, 이러한 방법을 적용하지 않는다.
즉, 도 9를 참조하면, 도 9는 본 발명에 적용된 진동수주형 파력발전 시스템을 위한 퍼지 모델링을 적용한 터빈 모델링 기법의 알고리즘 구조를 나타내는 도면이다.
또한, 도 10을 참조하면, 도 10은 본 발명에 따른 알고리즘을 적용한 진동수주형 파력발전 시스템을 위한 최대 출력점 추종 알고리즘의 최종적인 구조를 나타내는 블록도이다.
도 10에 나타낸 바와 같이, 본 발명에 따른 진동수주형 파력발전 시스템을 위한 최대 출력점 추종 제어방법을 적용하는 것에 의해, 센서로부터 측정된 신호들에 리프팅 웨이블릿 잡음 제거 기법을 적용하여 잡음을 최소화하고, 실험을 통해 데이터 베이스를 구축한 후, 유량과 발전기의 속도를 입력으로 하고 터빈의 효율을 출력으로 하는 모델을 추출함으로써, 잡음으로부터 발생하는 불확실성을 최소화하면서 에너지를 최대로 회수할 수 있도록 하는 진동수주형 파력발전 시스템을 위한 최대 출력 추종 알고리즘을 구현할 수 있다.
또한, 상기한 설명에서는 발전기의 효율을 알고 있는 것으로 가정하였으나, 실제로는, 발전기의 효율은 발전량의 동작점에 따라 일정하지 않으며, 터빈 효율 특성 또한 오차를 가지므로, 이를 보정하기 위해, 본 발명은, 오차를 미세 조정하기 위한 이득 조절 블록을 마지막 단계에 포함하여 구성될 수 있다.
계속해서, 도 11 및 도 12를 참조하여, 상기한 바와 같이 리프팅 웨이블릿과 퍼지 모델링을 적용하여 구현된 본 발명에 따른 최대 출력점 추종 제어방법의 알고리즘을 파력 에너지(또는 조류력 에너지, 풍력 에너지)를 이용하여 전기를 생산하는 발전기 제어 분야에서 실제로 적용한 예를 설명한다.
즉, 도 11을 참조하면, 도 11은 유효전력 제어(Ps)를 수행하는 발전기의 제어 알고리즘의 구조를 나타내는 도면이다.
도 11에 나타낸 발전기의 제어 알고리즘에 있어서, 본 발명에서 제시된 최대 출력점 추종 제어 알고리즘을 적용하여 계산한 최대 출력기준치를 도 11의 유효전력 기준치(Ps *)로 사용하면 된다.
또한, 도 12를 참조하면, 도 12는 유량과 발전기 속도를 입력으로 하고, 터빈의 효율을 출력으로 하여 터빈 모델링을 수행한 결과를 나타내는 도면이다.
따라서 상기한 바와 같이 하여 본 발명에 따른 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법을 구현할 수 있다.
즉, 본 발명에 따르면, 측정잡음이 포함된 센서신호에 대해 잡음을 유연적으로 제거할 수 있으며, 토크 센서는 초기 데이터베이스를 구축할 때만 사용되고, 궁극적으로는 유량 신호와 발전기 속도 신호만을 이용하여 터빈 효율을 도출 가능하므로, 실제 시스템을 운용하는 단계에서 토크 센서를 제거할 수 있는 장점이 있다.
또한, 본 발명에 따르면, 데이터 잡음(불확실성)을 최소화할 수 있으므로 보다 안정적인 발전 특성을 기대할 수 있으며, 아울러, 최대 출력점 추종 제어 알고리즘을 통하여 효율이 높은 지점에서 발전이 이루어지도록 할 수 있는 장점을 가진다.
이상, 상기한 바와 같은 본 발명의 실시예를 통하여 본 발명에 따른 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 알고리즘의 상세한 내용에 대하여 설명하였으나, 본 발명은 상기한 실시예에 기재된 내용으로만 한정되는 것은 아니며, 따라서 본 발명은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 설계상의 필요 및 기타 다양한 요인에 따라 여러 가지 수정, 변경, 결합 및 대체 등이 가능한 것임은 당연한 일이라 하겠다.

Claims (17)

  1. 파도가 가지는 에너지를 회수하여 전기에너지를 생산하는 파력발전 시스템에서 관로(管路)를 이동하는 공기가 가지는 에너지를 추정하고 터빈이 가지는 효율을 추정함으로써 관로 내부의 압력, 터빈에 걸리는 토크, 발전기 속도 상태에 따라 발전기로부터 에너지를 회수해야 하는 유효전력(active power) 기준치를 산정하기 위한 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법에 있어서,
    각각의 센서를 통하여 관로(管路) 내부의 압력(P), 공기 이동속도(Vx), 터빈의 토크(TT) 및 발전기 속도(ωr)를 검출하는 검출단계;
    상기 검출단계에서 측정된 측정신호를 고속으로 주파수 대역 별로 분할하고 각각의 주파수 대역에 문턱 함수를 적용하여 특정 대역의 주파수를 선택적으로 제거할 수 있는 리프팅 웨이블릿 잡음 제거기법(Lifting Wavelet Denoising Method)을 적용함으로써 상기 측정신호로부터 잡음을 제거하는 전처리 단계; 및
    상기 전처리 단계에서 잡음이 제거된 측정신호에 근거하여 유량(Q) 정보와 발전기 속도(ωr)를 입력으로 하고 터빈의 효율(ηtur)을 출력으로 하는 데이터 기반의 모델링 기법인 퍼지로직(Fuzzy Logic)을 구현함으로써, 상기 진동수주형 파력 발전 시스템의 최대 출력에 해당하는 유효전력 지령치를 산출하는 최대 출력점 추종단계를 포함하여 구성된 것을 특징으로 하는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법.
  2. 제 1항에 있어서,
    상기 전처리 단계는,
    Haar 웨이블릿 타입의 리프팅 웨이블릿 변환을 2-레벨로 적용하여 각각의 상기 측정 신호를 3개의 주파수 대역으로 분할하는 분해(Decomposition) 단계; 및
    상기 분해단계에서 분할된 각각의 신호에 문턱함수(Threshold Function)를 적용하여 고주파 대역의 이득을 조절한 후 복원함으로써 잡음이 제거된 신호를 출력하는 복원(Reconstruction) 단계를 포함하여 구성되는 것을 특징으로 하는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법.
  3. 제 2항에 있어서,
    상기 분해 단계는,
    측정신호가 s[n]이고, n은 신호의 길이로서 2j이며, j는 분해 레벨일 때, Haar 웨이블릿 타입의 리프팅 웨이블릿 변환을 적용하여 상기 측정신호를 1-레벨로 저주파 신호(sj -1[n])와 고주파 신호(dj -1[n])로 분해하도록 구성되는 것을 특징으로 하는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법.
  4. 제 3항에 있어서,
    상기 분해 단계는,
    이하의 수학식을 이용하여 상기 측정신호 s[n]의 차분신호(dj-1 (1))를 구하는 단계;

    Figure 112012096205706-pat00094


    이하의 수학식을 이용하여 상기 측정신호 s[n]의 평균신호(sj -1 (1))를 구하는 단계;

    Figure 112012096205706-pat00095


    이하의 수학식을 이용하여 상기 측정신호 s[n]의 저주파 신호(sj -1)를 구하는 단계; 및
    Figure 112012096205706-pat00096


    이하의 수학식을 이용하여 상기 측정신호 s[n]의 고주파 신호(dj -1)를 구하는 단계를 포함하여 구성되는 것을 특징으로 하는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법.

    Figure 112012096205706-pat00097

  5. 제 4항에 있어서
    상기 복원 단계는,
    상기 분해 단계에서 1-레벨로 분해된 상기 저주파 신호 및 상기 고주파 신호 를 Haar 웨이블릿 타입의 역 리프팅 웨이블릿 변환을 이용하여 상기 측정신호를 복원하는 것을 특징으로 하는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법.
  6. 제 5항에 있어서,
    상기 복원 단계는,
    이하의 수학식을 이용하여 복원된 측정신호 s[n]의 차분신호(dj-1 (1))를 구하는 단계;

    Figure 112012096205706-pat00098


    이하의 수학식을 이용하여 복원된 측정신호 s[n]의 평균신호(sj -1 (1))를 구하는 단계;

    Figure 112012096205706-pat00099


    이하의 수학식을 이용하여 복원된 측정신호 s[n]의 짝수 번째 신호(sj)를 구하는 단계; 및

    Figure 112012096205706-pat00100


    이하의 수학식을 이용하여 복원된 측정신호 s[n]의 홀수 번째 신호(dj)를 구하는 단계를 포함하여 구성되는 것을 특징으로 하는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법.

    Figure 112012096205706-pat00101

  7. 제 2항에 있어서,
    상기 분해 단계는,
    측정신호가 s[n]이고, n은 신호의 길이로서 2j이며, j는 분해 레벨일 때, Haar 웨이블릿 타입의 리프팅 웨이블릿 변환을 적용하여 상기 측정신호를 2-레벨로 저주파 신호(sj -1[n])와 고주파 신호(dj -1[n])로 분해하도록 구성되는 것을 특징으로 하는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법.
  8. 제 3항에 있어서,
    상기 분해 단계는,
    이하의 수학식을 이용하여 상기 측정신호 s[n]의 차분신호(dj-1 (1))를 구하는 단계;

    Figure 112012096205706-pat00102


    이하의 수학식을 이용하여 상기 측정신호 s[n]의 평균신호(sj -1 (1))를 구하는 단계;

    Figure 112012096205706-pat00103


    이하의 수학식을 이용하여 상기 측정신호 s[n]의 저주파 중간값 신호(sj -1)를 구하는 단계;

    Figure 112012096205706-pat00104


    이하의 수학식을 이용하여 상기 측정신호 s[n]의 고주파 신호(dj -1)를 구하는 단계;

    Figure 112012096205706-pat00105


    이하의 수학식을 이용하여 상기 측정신호 s[n]의 저주파 중간값 신호의 차분신호(dj -2 (1))를 구하는 단계;

    Figure 112012096205706-pat00106


    이하의 수학식을 이용하여 상기 측정신호 s[n]의 저주파 중간값 신호의 평균신호(sj -2 (1))를 구하는 단계;

    Figure 112012096205706-pat00107


    이하의 수학식을 이용하여 상기 측정신호 s[n]의 저주파 신호(sj -2[n])를 구하는 단계; 및

    Figure 112012096205706-pat00108


    이하의 수학식을 이용하여 상기 측정신호 s[n]의 중대역 신호(dj -2[n])를 구하는 단계를 포함하여 구성되는 것을 특징으로 하는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법.

    Figure 112012096205706-pat00109

  9. 제 8항에 있어서,
    상기 전처리 단계는,
    상기 분해 단계에서 2-레벨로 분해된 저주파 신호(sj -2[n])와 고주파 신호(dj -1[n]) 및 중대역 신호(dj -2[n])에 이하의 수학식에 나타낸 입력 신호가 S이고 문턱 값이 K인 매끄러운 문턱함수(Soft Threshold Function)를 적용하여 각각의 신호의 정보량을 조절하는 단계를 더 포함하도록 구성되는 것을 특징으로 하는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법.

    Figure 112012096205706-pat00110

  10. 제 9항에 있어서,
    상기 복원 단계는,
    상기 분해 단계에서 2-레벨로 분해된 저주파 신호(sj -2[n])와 고주파 신호(dj -1[n]) 및 중대역 신호(dj -2[n])에 Haar 웨이블릿 타입의 역 리프팅 웨이블릿 변환을 적용하여 상기 측정신호를 복원하는 것을 특징으로 하는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법.
  11. 제 10항에 있어서,
    상기 복원 단계는,
    이하의 수학식을 이용하여 복원된 측정신호 s[n]의 저주파 중간값 신호의 차분신호(dj-2 (1)[n])를 구하는 단계;

    Figure 112012096205706-pat00111


    이하의 수학식을 이용하여 복원된 측정신호 s[n]의 저주파 중간값 신호의 평균신호(sj-2 (1)[n])를 구하는 단계;

    Figure 112012096205706-pat00112


    이하의 수학식을 이용하여 복원된 측정신호 s[n]의 저주파 중간값 신호의 짝수 번째 신호(sj -1[2n])를 구하는 단계;

    Figure 112012096205706-pat00113


    이하의 수학식을 이용하여 복원된 측정신호 s[n]의 저주파 중간값 신호의 홀수 번째 신호(sj -1[2n+1])를 구하는 단계;

    Figure 112012096205706-pat00114


    이하의 수학식을 이용하여 복원된 측정신호 s[n]의 차분신호(dj-1 (1)[n])를 구하는 단계;

    Figure 112012096205706-pat00115


    이하의 수학식을 이용하여 복원된 측정신호 s[n]의 평균신호(sj -1 (1)[n])를 구하는 단계;

    Figure 112012096205706-pat00116


    이하의 수학식을 이용하여 복원된 측정신호 s[n]의 짝수 번째 신호(sj[2n])를 구하는 단계; 및

    Figure 112012096205706-pat00117


    이하의 수학식을 이용하여 복원된 측정신호 s[n]의 홀수 번째 신호(sj[2n+1])를 구하는 단계를 포함하여 구성되는 것을 특징으로 하는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법.

    Figure 112012096205706-pat00118

  12. 제 1항에 있어서,
    상기 최대 출력점 추종단계는,
    상기 전처리 단계에서 전처리된 측정신호의 압력강하신호(△PW), 공기 흐름속도 신호(VW), 터빈의 토크신호(TT), 발전기 속도(ωr) 신호에 근거하여 유량(Q)과 터빈의 효율(ηtur) 및 유효전력 지령치(Ps *)를 계산하여 데이터베이스를 구축하는 단계;
    상기 유량과 상기 발전기 속도를 입력으로 하고 터빈의 효율 또는 유효전력 지령치를 출력으로 하는 데이터 기반 모델링을 위한 멤버십 함수를 결정하는 단계; 및
    상기 멤버십 함수를 초기화한 후, 퍼지 C-Means 집단화 알고리즘을 적용하여 상기 멤버십 함수를 최적화하는 단계를 포함하여 구성되는 것을 특징으로 하는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법.
  13. 제 12항에 있어서,
    상기 멤버십 함수를 결정하는 단계는,
    상기 멤버십 함수를 U라 하고, 상기 멤버십 함수의 개수를 c라 하며, 소속도를 μ라 하고, 허용오차를 ε라 하며, 루프 반복 횟수를 l 이라 할 때,
    상기 멤버십 함수의 개수가 N개인 경우, N=c로 가정하고, U의 초기값 U(l)= 1 및 l = 1로 설정하는 단계;
    이하의 수학식에 의해 퍼지집단의 중심값 vi를 계산하는 단계;

    Figure 112012096205706-pat00119


    이하의 수학식에 의해 k번째 데이터에서 i번째 집단의 중심까지의 거리 dik를 계산하는 단계;

    Figure 112012096205706-pat00120


    이하의 수학식을 이용하여 l = l + 1 동안의 새로운 U(l)의 요소를 계산하고, k번째 데이터에서 i번째 집단의 중심까지의 거리가 0인 집합을 구하여, k번째 데이터에서 i번째 집단의 중심까지의 거리가 0이면 소속도를 갱신하고, 0이 아니면 소속도를 0으로 설정하는 단계; 및

    Figure 112012096205706-pat00121

    Figure 112012096205706-pat00122

    Figure 112012096205706-pat00123

    Figure 112012096205706-pat00124


    이하의 수학식에 나타낸 조건을 검사하여 만족하면 처리를 정지하고, 아니면 상기 vi 및 상기 dik를 계산하는 단계를 반복하는 단계를 포함하여 구성되는 것을 특징으로 하는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법.

    Figure 112012096205706-pat00125

  14. 제 13항에 있어서,
    상기 멤버십 함수를 최적화하는 단계는, TSK(Takagi, Sugeno and Kang's) 알고리즘을 적용하여, 이하의 수학식에 나타낸 모델 구조를 통해 퍼지 규칙을 정의하도록 구성되는 것을 특징으로 하는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법.

    Figure 112012096205706-pat00126

  15. 제 14항에 있어서,
    상기 멤버십 함수를 최적화하는 단계는,
    퍼지규칙을 R, 멤버십 함수를 A, 윗 첨자 i를 규칙의 개수라 할 때, 각 구간의 데이터를
    Figure 112012096205706-pat00127
    의 형태로 보간(Interpolation) 할 수 있을 경우, 이하의 수학식에 나타낸 수정된 TSK 모델 구조를 이용하여 퍼지 규칙을 정의함으로써 규칙의 수를 감소하도록 구성되는 것을 특징으로 하는 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법.

    Figure 112012096205706-pat00128

  16. 삭제
  17. 삭제
KR1020120132695A 2012-11-22 2012-11-22 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법 KR101379753B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120132695A KR101379753B1 (ko) 2012-11-22 2012-11-22 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120132695A KR101379753B1 (ko) 2012-11-22 2012-11-22 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법

Publications (1)

Publication Number Publication Date
KR101379753B1 true KR101379753B1 (ko) 2014-04-04

Family

ID=50656145

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120132695A KR101379753B1 (ko) 2012-11-22 2012-11-22 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법

Country Status (1)

Country Link
KR (1) KR101379753B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107725255A (zh) * 2017-11-14 2018-02-23 沈阳工程学院 一种基于小波理论的水轮机运转状态判定方法
KR101941520B1 (ko) * 2017-12-22 2019-04-12 한국해양과학기술원 진동수주 챔버를 활용한 진동수주형 파력발전용 터빈 실해역 시험 시스템 및 방법
KR102204724B1 (ko) 2020-11-19 2021-01-19 한국해양과학기술원 디지털 트윈 기술을 이용한 진동수주형 파력발전시스템의 제어 장치 및 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090015263A (ko) * 2007-08-08 2009-02-12 한국해양대학교 산학협력단 태양광과 풍력 및 파력을 이용한 등부표용 하이브리드 발전및 관리시스템
KR20110075355A (ko) * 2009-12-28 2011-07-06 부산대학교 산학협력단 진동수주형 파력발전장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090015263A (ko) * 2007-08-08 2009-02-12 한국해양대학교 산학협력단 태양광과 풍력 및 파력을 이용한 등부표용 하이브리드 발전및 관리시스템
KR20110075355A (ko) * 2009-12-28 2011-07-06 부산대학교 산학협력단 진동수주형 파력발전장치

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107725255A (zh) * 2017-11-14 2018-02-23 沈阳工程学院 一种基于小波理论的水轮机运转状态判定方法
CN107725255B (zh) * 2017-11-14 2019-08-16 沈阳工程学院 一种基于小波理论的水轮机运转状态判定方法
KR101941520B1 (ko) * 2017-12-22 2019-04-12 한국해양과학기술원 진동수주 챔버를 활용한 진동수주형 파력발전용 터빈 실해역 시험 시스템 및 방법
WO2019124720A1 (ko) * 2017-12-22 2019-06-27 한국해양과학기술원 진동수주 챔버를 활용한 진동수주형 파력발전용 터빈 실해역 시험 시스템 및 방법
KR102204724B1 (ko) 2020-11-19 2021-01-19 한국해양과학기술원 디지털 트윈 기술을 이용한 진동수주형 파력발전시스템의 제어 장치 및 방법

Similar Documents

Publication Publication Date Title
CN109214575B (zh) 一种基于小波长短期记忆网络的超短期风电功率预测方法
Rahimilarki et al. Convolutional neural network fault classification based on time-series analysis for benchmark wind turbine machine
Yang et al. Fault diagnosis of induction motor based on decision trees and adaptive neuro-fuzzy inference
KR101379753B1 (ko) 진동수주형 파력 발전 시스템을 위한 최대 출력점 추종 제어방법
CN110826791A (zh) 一种基于长短时记忆神经网络的混合风功率预测方法
CN104113071B (zh) 基于粒子群优化算法的电力系统稳定器参数优化整定方法
CN110705762A (zh) 基于矩阵填充的泛在电力物联网感知数据缺失修复方法
CN116010900A (zh) 基于自注意力机制的多尺度特征融合齿轮箱故障诊断方法
CN105354877A (zh) 一种基于空间填充曲线的经验模态分解和希尔伯特谱计算的三维网格处理方法
CN116451873B (zh) 基于多尺度双时空网络区域风力发电功率预测方法及系统
KR102204724B1 (ko) 디지털 트윈 기술을 이용한 진동수주형 파력발전시스템의 제어 장치 및 방법
US10601352B2 (en) Method of controlling a wave energy conversion system maximizing the power output
Abdulkadir et al. Hybrid neural network model for metocean data analysis
CN114117599A (zh) 一种盾构姿态位置偏差预测方法
AU2017356592B2 (en) Method for controlling a wave power system by means of a control obtained by minimising an objective function weighted and discretised by the trapezoid rule
CN114548154A (zh) 一种重要厂用水泵智能诊断的方法及装置
CN113987831A (zh) 一种多虚拟同步发电机低频振荡特征的辨识方法
Yan et al. Fast and robust wind speed prediction under impulsive noise via adaptive graph-sign diffusion
CN111079509B (zh) 一种基于自注意力机制的异常行为检测方法
CN102314687B (zh) 一种红外序列图像中的小目标检测方法
CN104699949A (zh) 一种基于混沌退火小波硬阈值法xlpe电缆局部放电消噪方法
CN116306359A (zh) 一种多维空间非平稳非均匀风场的随机波模拟方法
CN115730255A (zh) 基于迁移学习和多源信息融合的电机故障诊断分析方法
Karthik et al. System on chip implementation of adaptive moving average based multiple-model Kalman filter for denoising fiber optic gyroscope signal
Forkan et al. Kohonen-swarm algorithm for unstructured data in surface reconstruction

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170103

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180102

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190102

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20200102

Year of fee payment: 7