KR101917323B1 - 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템 - Google Patents
펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템 Download PDFInfo
- Publication number
- KR101917323B1 KR101917323B1 KR1020180054406A KR20180054406A KR101917323B1 KR 101917323 B1 KR101917323 B1 KR 101917323B1 KR 1020180054406 A KR1020180054406 A KR 1020180054406A KR 20180054406 A KR20180054406 A KR 20180054406A KR 101917323 B1 KR101917323 B1 KR 101917323B1
- Authority
- KR
- South Korea
- Prior art keywords
- pump
- current
- frequency
- unit
- power
- Prior art date
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 50
- 230000006866 deterioration Effects 0.000 title claims abstract description 33
- 238000005457 optimization Methods 0.000 title claims abstract description 19
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 238000009413 insulation Methods 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 19
- 230000032683 aging Effects 0.000 claims description 15
- 239000004711 α-olefin Substances 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 229920005604 random copolymer Polymers 0.000 claims description 11
- 239000004743 Polypropylene Substances 0.000 claims description 10
- -1 polypropylene Polymers 0.000 claims description 10
- 229920001155 polypropylene Polymers 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 claims description 8
- 239000005977 Ethylene Substances 0.000 claims description 8
- 230000007547 defect Effects 0.000 claims description 8
- 229920005676 ethylene-propylene block copolymer Polymers 0.000 claims description 8
- 230000005856 abnormality Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 7
- 239000011342 resin composition Substances 0.000 claims description 7
- 230000006698 induction Effects 0.000 claims description 6
- 238000007418 data mining Methods 0.000 claims description 5
- 229920001400 block copolymer Polymers 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 238000007621 cluster analysis Methods 0.000 claims description 2
- 238000003066 decision tree Methods 0.000 claims description 2
- 238000009826 distribution Methods 0.000 claims description 2
- 238000012417 linear regression Methods 0.000 claims description 2
- 230000015556 catabolic process Effects 0.000 claims 1
- 230000000295 complement effect Effects 0.000 claims 1
- 238000006731 degradation reaction Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 9
- 230000002087 whitening effect Effects 0.000 description 5
- 150000001336 alkenes Chemical class 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- JRZJOMJEPLMPRA-UHFFFAOYSA-N olefin Natural products CCCCCCCC=C JRZJOMJEPLMPRA-UHFFFAOYSA-N 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 125000004432 carbon atom Chemical group C* 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- VXNZUUAINFGPBY-UHFFFAOYSA-N 1-Butene Chemical compound CCC=C VXNZUUAINFGPBY-UHFFFAOYSA-N 0.000 description 1
- IAQRGUVFOMOMEM-UHFFFAOYSA-N butene Natural products CC=CC IAQRGUVFOMOMEM-UHFFFAOYSA-N 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 229920001577 copolymer Polymers 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013154 diagnostic monitoring Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- QQONPFPTGQHPMA-UHFFFAOYSA-N propylene Natural products CC=C QQONPFPTGQHPMA-UHFFFAOYSA-N 0.000 description 1
- 125000004805 propylene group Chemical group [H]C([H])([H])C([H])([*:1])C([H])([H])[*:2] 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009257 reactivity Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000004065 wastewater treatment Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B49/00—Control, e.g. of pump delivery, or pump pressure of, or safety measures for, machines, pumps, or pumping installations, not otherwise provided for, or of interest apart from, groups F04B1/00 - F04B47/00
- F04B49/007—Installations or systems with two or more pumps or pump cylinders, wherein the flow-path through the stages can be changed, e.g. from series to parallel
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B49/00—Control, e.g. of pump delivery, or pump pressure of, or safety measures for, machines, pumps, or pumping installations, not otherwise provided for, or of interest apart from, groups F04B1/00 - F04B47/00
- F04B49/06—Control using electricity
- F04B49/065—Control using electricity and making use of computers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
본 발명의 일 실시예는 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템에 관한 것으로, 해결하고자 하는 기술적 과제는 펌프의 이상 작동 상태를 정확하게 진단할 수 있게 하는데 있다.
이를 위해 본 발명의 일 실시예는 복수 개의 펌프들 각각에 공급되는 전력 및 누설전력에 따른 전류-전압을 측정하는 전류-전압 계측부; 상기 전류-전압 계측부에 연결되어 상기 복수 개의 펌프들 각각에 공급된 전력의 전력주파수를 주기적으로 획득하고, 상기 복수 개의 펌프들 각각의 전력 주파수의 취득 주기를 동기화시키는 전력 주파수 획득부; 및 상기 전력주파수와 기준 전력주파수를 비교하여, 상기 펌프의 부하상태를 예측하고, 상기 부하상태, 열화, 누설전력, 절연저항을 이용하여 펌프의 이상상태 및 교체시점을 예측하는 모니터링부를 포함하고, 상기 모니터링부는 상기 펌프의 전력주파수를 이용하여 열화를 진단하는 열화진단부; 상기 누설전력에 따른 전류-전압을 이용하여 상기 펌프의 차전압, 차전류, 접지전류의 이상 발생여부를 판단하는 누설전력 진단부; 상기 열화 및 상기 누설전력에 기초하여 상기 펌프의 절연저항 상태를 예측진단하는 절연저항 상태 진단부; 상기 펌프의 주파수 영역 결함을 진단하는 결함진단부; 및 각각의 진단부의 결과값을 이용하여 이상여부를 진단하고, 상기 이상여부에 따른 상기 펌프의 교체시점을 예측하는 교체시점 예측부를 포함하되, 상기 절연저항 상태 진단부는 상기 펌프와 배전반 간에 연결된 선로에서 검출된 누설전류 및 상기 펌프의 출력전류를 이용하여 계산한 실효 절연저항값과 상기 열화를 이용하여 산출한 절연저항의 합산값을 이용하여 상기 펌프의 절연저항상태를 진단하는 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템을 개시한다.
이를 위해 본 발명의 일 실시예는 복수 개의 펌프들 각각에 공급되는 전력 및 누설전력에 따른 전류-전압을 측정하는 전류-전압 계측부; 상기 전류-전압 계측부에 연결되어 상기 복수 개의 펌프들 각각에 공급된 전력의 전력주파수를 주기적으로 획득하고, 상기 복수 개의 펌프들 각각의 전력 주파수의 취득 주기를 동기화시키는 전력 주파수 획득부; 및 상기 전력주파수와 기준 전력주파수를 비교하여, 상기 펌프의 부하상태를 예측하고, 상기 부하상태, 열화, 누설전력, 절연저항을 이용하여 펌프의 이상상태 및 교체시점을 예측하는 모니터링부를 포함하고, 상기 모니터링부는 상기 펌프의 전력주파수를 이용하여 열화를 진단하는 열화진단부; 상기 누설전력에 따른 전류-전압을 이용하여 상기 펌프의 차전압, 차전류, 접지전류의 이상 발생여부를 판단하는 누설전력 진단부; 상기 열화 및 상기 누설전력에 기초하여 상기 펌프의 절연저항 상태를 예측진단하는 절연저항 상태 진단부; 상기 펌프의 주파수 영역 결함을 진단하는 결함진단부; 및 각각의 진단부의 결과값을 이용하여 이상여부를 진단하고, 상기 이상여부에 따른 상기 펌프의 교체시점을 예측하는 교체시점 예측부를 포함하되, 상기 절연저항 상태 진단부는 상기 펌프와 배전반 간에 연결된 선로에서 검출된 누설전류 및 상기 펌프의 출력전류를 이용하여 계산한 실효 절연저항값과 상기 열화를 이용하여 산출한 절연저항의 합산값을 이용하여 상기 펌프의 절연저항상태를 진단하는 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템을 개시한다.
Description
본 발명의 일 실시예는 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템에 관한 것이다.
펌프는 산업전반에 광범위하게 사용되고 있는 많은 전기적 에너지를 소모하는 장치이다. 산업국가에서는 펌프가 소비하는 전력에너지는 전체 산업용 전기에너지의 약 20%를 차지할 정도이다. 대용량 펌프의 경우 설계된 최고 효율점(BEP, Best Efficient Point)에서 항상 운전이 되도록 펌프시설을 관리하고 유지시키는 것이 매우 중요하다. 대부분의 경우, 펌프시설들은 오랫동안 사용하면 노후화 되고 주변여건의 변화에 따라 초기의 설계된 성능을 발휘하지 못하게 된다. 이러한 경우 펌프의 운전상태를 실시간으로 측정하여 항상 펌프가 최적의 상태에서 운전할 수 있도록 유지시킬 수 있다면 경제적 및 에너지 절약적인 관점에서 매우 이상적일 것이다. 펌프의 상태와 성능을 자세히 알지 못한다면 펌프시설의 효율적인 관리가 불가능하여 불필요한 에너지의 낭비를 수반하게 되며, 펌프시설의 과부하나 고장으로 인하여 펌프공정에 이상을 초래할 수 있어 경제적인 손실을 일으킬 수 있다.
따라서, 펌프를 최적의 조건에서 가장 효율적으로 사용하고, 펌프의 상태를 실시간으로 파악하여 고장을 예측할 수 있다면 펌프의 수명을 최대한 연장할 수 있으며, 펌프의 효율을 실시간으로 측정할 수 있다면 상황 변화에 따라 신속한 대응이 가능하고, 불필요한 에너지의 낭비를 막을 수 있으며, 펌프 공정의 중단에 의한 손실을 막을 수 있다. 공정에서 펌프의 부하는 최대용량을 연속적으로 필요로 하는 경우도 있지만, 많은 경우에 펌프의 최대용량은 시간적으로 연속적이지 않고 간헐적 혹은 주기적으로 필요한 경우가 있다. 이러한 경우에는 펌프의 사용을 최소와 최대의 동작조건을 설정하고 가동시킨다면 펌프가동에 사용되는 많은 전기 에너지를 절약할 수 있다. 예를 들면, 10분 간격으로 1분 동안 많은 용량의 물을 사용하여 세척을 하는 경우, 인버터를 사용하여 세척시에는 최대속도로 펌프를 가동하고 세척 후에는 최소속도로 펌프를 가동시킨다면 최대 90% 의 전력 에너지를 절약할 수 있다.
펌프가 매우 긴요하게 사용되고 있는 공정에서 펌프 공정에 이상이 발생할 경우 사용 환경에 따라 많은 경제적 손실과 재앙을 초래할 경우에는 펌프의 실시간 감시가 매우 중요하며, 이상 발생시 즉시 단계적이고 체계적인 전체 공정의 중단 혹은 보조장치의 가동 혹은 중단, 경보장치의 가동등 비상시 조치들이 긴급하게 요구된다.
본 발명의 일 실시예는 펌프의 이상 작동 상태를 정확하게 진단할 수 있는 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템을 제공한다.
본 발명의 일 실시예에 의한 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템은 복수 개의 펌프들 각각에 공급되는 전력 및 누설전력에 따른 전류-전압을 측정하는 전류-전압 계측부; 상기 전류-전압 계측부에 연결되어 상기 복수 개의 펌프들 각각에 공급된 전력의 전력주파수를 주기적으로 획득하고, 상기 복수 개의 펌프들 각각의 전력 주파수의 취득 주기를 동기화시키는 전력 주파수 획득부; 및 상기 전력주파수와 기준 전력주파수를 비교하여, 상기 펌프의 부하상태를 예측하고, 상기 부하상태, 열화, 누설전력, 절연저항을 이용하여 펌프의 이상상태 및 교체시점을 예측하는 모니터링부를 포함하고, 상기 모니터링부는 상기 펌프의 전력주파수를 이용하여 열화를 진단하는 열화진단부; 상기 누설전력에 따른 전류-전압을 이용하여 상기 펌프의 차전압, 차전류, 접지전류의 이상 발생여부를 판단하는 누설전력 진단부; 상기 열화 및 상기 누설전력에 기초하여 상기 펌프의 절연저항 상태를 예측진단하는 절연저항 상태 진단부; 상기 펌프의 주파수 영역 결함을 진단하는 결함진단부; 및 각각의 진단부의 결과값을 이용하여 이상여부를 진단하고, 상기 이상여부에 따른 상기 펌프의 교체시점을 예측하는 교체시점 예측부를 포함하되, 상기 절연저항 상태 진단부는 상기 펌프와 배전반 간에 연결된 선로에서 검출된 누설전류 및 상기 펌프의 출력전류를 이용하여 계산한 실효 절연저항값과 상기 열화를 이용하여 산출한 절연저항의 합산값을 이용하여 상기 펌프의 절연저항상태를 진단할 수 있다.
상기 전력 주파수 획득부는 시간 경과에 따른 상기 복수 개의 펌프들 각각의 전력 주파수의 변화를 용이하게 취득하기 위하여, 상기 복수 개의 펌프들 각각의 전력 주파수의 취득 주기를 동기화시키는 동기화 제어부를 더 포함할 수 있다.
상기 열화진단부는, 상기 펌프의 상태변화에 따른 특정 주파수의 발생여부를 기준으로 상기 펌프의 열화 진행상태를 진단하고, 상기 특정주파수는 상기 펌프의 전력주파수, 고정자의 슬롯(slot)수 및 극수, 회전자 바(bar) 수, 회전 주파수에 의해 산출되는 주파수일 수 있다.
본 발명의 일 실시예에 따른 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템은 각 펌프 별로 운전하면서 발생하는 누선전력, 열화, 절연전항의 특성 변화를 데이터베이스로 추적 감시하여 설비 관리자의 직관이나 경험에 의한 관리에 따르는 오류를 방지하고, 손쉽고 정확한 펌프의 상태진단이 가능하도록 지원할 수 있다.
또한, 본 발명의 일 실시예는 펌프 감시기능을 기계적인 요소가 없이 전기적인 요소만으로 구현하고, 구성을 단순화시키고 감지 제어 설비의 투자 비용을 절감하여, 기존 자원을 재사용할 수 있다.
도 1은 본 발명의 일 실시예에 따른 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템을 나타내는 블럭도이다.
도 2는 본 발명의 일 실시예에 따른 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템의 동작을 나타내는 순서도이다.
도 3은 도 2의 S740을 보다 상세하게 나타내는 순서도이다.
도 2는 본 발명의 일 실시예에 따른 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템의 동작을 나타내는 순서도이다.
도 3은 도 2의 S740을 보다 상세하게 나타내는 순서도이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 본 발명의 일 실시예에 따른 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템을 나타내는 블럭도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템(100)는 전류-전압 계측부(110), 전력 주파수 획득부(120), 펌프 상태 측정부(130) 및 상태진단 모니터링부(140)를 포함할 수 있다.
본 명세서 내의 펌프는 전동기나 엔진을 사용하는 전동기펌프 및 엔진펌프를 모두 총괄하는 의미로서, 본 발명은 해당 전동기펌프 및 엔진펌프에 적용되는 전동기나 엔진의 상태를 측정하여 노후화를 예측하고, 진단하기 위한 시스템이다.
상기 전류-전압 계측부(110)는 복수 개의 펌프들(도면에서는 전동기 펌프 드라이버(30)) 각각에 공급되는 전력 및 누설전력에 따른 전류-전압을 측정한다.
상기 누설전력(누설전류)는 펌프(미도시)의 선로에서 검출되는 부하저항을 이용하여 검출한다.
또한, 상기 전류-전압 계측부(110)는 펌프의 압력, 온도 및 유량을 측정하여 해당 정보를 상태진단 모니터링부(140)로 제공하여 펌프 효율을 측정하게 할 수도 있다. 이때, 상기 전류-전압 계측부(110)는 압력과 온도는 흡입구 측과 토출구 측에서 모두 측정하고, 유량은 토출구 측에서 측정할 수 있다.
상기 전력 주파수 획득부(120)는 전류-전압 계측부(110)에 연결되어 복수 개의 펌프들 각각에 공급된 전력의 전력주파수를 주기적으로 획득한다.
상기 전력 주파수 획득부(120)는 복수 개의 펌프들 각각의 전력 주파수의 취득 주기를 동기화시키는 동기화 제어부(121)를 더 포함할 수 있다.
본 발명에서는, 상기 동기화 제어부(121)를 통해 시간경과에 따른 복수 개의 펌프들 각각의 전력 주파수의 변화를 보다 용이하게 취득할 수 있다.
상기 모니터링부(140)는 전력주파수와 기준 전력주파수를 비교하여, 펌프의 부하상태를 예측하고, 부하상태, 열화, 누설전력, 절연저항을 이용하여 펌프의 이상상태 및 교체시점을 예측한다.
보다 구체적으로, 상기 모니터링부(140)는 열화진단부(141), 누설전력 진단부(142), 절연저항 상태 진단부(143), 결함진단부(144) 및 교체시점 예측부(145)를 포함할 수 있다.
상기 열화진단부(141)는 각 펌프의 상태변화에 따른 전력주파수의 변화를 이용하여 열화를 진단한다.
예컨대, 상기 열화진단부(141)는 펌프의 상태변화에 따른 특정 주파수의 발생여부를 기준으로 펌프의 열화 진행정보를 진단한다. 상기 특정주파수는 펌프의 전력주파수, 고정자의 슬롯(slot)수 및 극수, 회전자 바(bar) 수, 회전 주파수에 의해 산출되고, 특정 주파수의 에너지 크기에 따라 펌프의 열화에 따른 양호 및 불량 상태를 판단하게 된다.
이를 위하여, 각 분기별 전류에 포함된 고조파를 분석하여 분기별 전력 부하의 상태를 판단할 수 있다.
다음으로, 상기 누설전력 진단부(142)는 누설전력에 따른 전류-전압을 이용하여 펌프의 차전압, 차전류, 접지전류의 이상 발생여부를 판단한다.
상기 절연저항 상태 진단부(143)는 열화 및 상기 누설전력에 기초하여 펌프의 절연저항 상태를 예측진단한다.
상기 절연저항 상태 진단부(143)는 펌프의 선로에서 검출된 누설전류 및 펌프의 출력전류를 이용하여 계산한 실효 절연저항값과 열화진행정보를 이용하여 산출한 절연저항의 합산값을 이용하여 펌프의 절연저항상태를 진단한다.
상기 결함진단부(144)는 전류-전압, 진동값을 이용하여 유도펌프의 슬립(slip) 및 회전주파수를 계산하고, 계산된 유도펌프의 슬립 및 회전주파수와 기 설정된 주파수 영역 결함별 진단 파라미터를 이용하여 전력주파수에 따른 결함요인을 진단한다.
다음으로, 상기 교체시점 예측부(145)는 각 진단부의 결과값을 이용하여 펌프의 교체시점을 예측한다.
이때, 상기 교체시점 예측부(145)는 MLR(Multiple Linear Regression), PLS(Partial Least Sqaures), RIDGE, LASSO(Least Absolute Shrinkage and Selection Operator), SCAD(Smoothly Clipped Absolute Deviation), MCP(Minimax Concave Penalty), SVM(Support Vector Machine), Bagging, Boosting 및 Random Forest 중 어느 하나의 예측모델을 이용하여 수명 및 교체시점을 예측할 수 있다.
또한, 상기 교체시점 예측부(145)는 데이터 마이닝 알고리즘, 예컨대, 데이터 집합의 다른 특성을 기반으로 하나 이상의 불연속 변수를 예측하는 분류 알고리즘, 데이터 집합의 다른 특성을 기반으로 수익 또는 손실과 같은 하나 이상의 연속 변수를 예측하는 회귀 알고리즘, 데이터를 속성이 유사한 항목의 그룹 또는 클러스터로 나누는 세그먼트화 알고리즘, 데이터 집합에 있는 여러 특성 사이의 상관관계를 찾는 연결 알고리즘을 이용할 수 있다.
또한, 의사결정트리(Decision Tree) 알고리즘, 인공신경망 (Artificial Neural Network) 알고리즘, 군집분석 알고리즘을 이용할 수 있다.
참고로, 데이터 마이닝이란 대용량의 데이터로부터 이들 데이터 내에 존재하는 관계, 패턴, 규칙 등을 탐색하고 찾아내어 모형화함으로써 유용한 지식을 추출하는 일련의 분석과정을 의미한다.
데이터 마이닝의 기능으로는 분류(Classification), 추정(Estimation), 예측(Predecation), 유사집단화(Affinity Grouping), 군집화(Clustering), 기술(Descriotion) 등이 있다.
데이터 마이닝에서 데이터를 추출하는 과정은 ①샘플링(sampling) → ②탐색(exploration) → ③수정/변환(modification) → ④모델링(modeling) → ⑤평가(assessment)로 나눌 수 있다.
①샘플링(sampling)은 적절한 양의 표본을 원 자료로부터 추출하는 과정이고, ②탐색(exploration)은 여러 가지의 자료의 탐색을 통해 기초통계자료, 도수분포표, 평균, 분산, 비율 등과 같은 기본적인 정보를 획득하는 과정이고, ③수정/변환(modification)는 데이터의 효율적인 사용을 위한 변수의 변환, 수량화, 그룹화 등을 통하여 데이터를 변환하는 과정이고, ④모델링(modeling)은 분석목적에 따라 적절한 기법을 사용하여 예측모형을 만드는 과정이고, ⑤평가(assessment)는 모형화의 결과에 대한 신뢰성, 유용성 등을 평가하는 과정이다.
도 2는 본 발명의 일 실시예에 따른 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템의 동작을 나타내는 순서도이며, 도 3은 도 2의 S740을 보다 상세하게 나타내는 순서도이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템의 동작방법(S700)은 우선, 전류-전압 계측부(110)에서 복수 개의 펌프들 각각에 공급되는 전력 및 누설전력에 따른 전류-전압을 측정(S710)하며, 상기 누설전력(누설전류)는 펌프의 선로에서 검출되는 부하저항을 이용하여 검출한다.
다음으로, 전력 주파수 획득부(120)에서 전류-전압 계측부(110)에 연결되어 복수 개의 펌프들 각각에 공급된 전력의 전력주파수를 주기적으로 획득(S720)한다. 여기서, 상기 S720은 복수 개의 펌프들 각각의 전력 주파수의 취득 주기를 동기화시키는 단계를 포함할 수 있다.
이후, 모니터링부(140)에서 실 계측한 전력주파수와 기준 전력주파수를 비교하여, 펌프의 부하상태를 예측하고, 부하상태, 열화, 누설전력, 전연저항을 이용하여 펌프의 이상상태(결함진단)(S740) 및 교체시점을 예측(S750)한다.
한편, 도 3에 도시된 바와 같이, 상기 S740 과정은 열화진단부(141)를 이용하여 펌프의 부하상태 및 상태정보를 이용하여 열화를 진단하고, 누설전력 진단부(142)에서 누설전력에 따른 전류-전압을 이용하여 펌프의 차전압, 차전류, 접지전류의 이상 발생여부를 판단하며, 절연저항 상태 진단부(143)에서 상기 열화 및 누설전력에 기초하여 상기 펌프의 절연저항 상태를 진단한다.
여기서, 상기 절연저항 상태 진단은 펌프의 선로에서 검출된 누설전류 및 펌프의 출력전류를 이용하여 계산한 실효 절연저항값과 열화진행정보를 이용하여 산출한 절연저항의 합산값을 이용하여 펌프의 절연저항상태를 진단하는 과정일 수 있다.
다음으로, 결함진단부(144)에서 전류-전압, 진동값을 이용하여 펌프의 슬립(slip) 및 회전주파수를 계산하고, 계산된 유도펌프의 슬립 및 회전주파수와 기 설정된 주파수 영역 결함별 진단 파라미터를 이용하여 전력주파수에 따른 결함요인을 진단한다.
다음으로, 교체시점 예측부(145)에서 각 진단부의 결과값을 이용하여 펌프의 교체시점을 예측하는 과정을 포함할 수 있다.
한편, 상기 열화진단과정은 펌프의 상태변화에 따른 특정 주파수의 발생여부를 기준으로 펌프의 열화 진행정보를 진단하는 과정일 수 있다.
상기 특정주파수는 펌프의 전력주파수, 고정자의 슬롯(slot)수 및 극수, 회전자 바(bar) 수, 회전 주파수에 의해 산출되고, 특정 주파수의 에너지 크기에 따라 펌프의 열화에 따른 양호 및 불량 상태를 판단하게 된다.
이를 위하여, 각 분기별 전류에 포함된 고조파를 분석하여 분기별 전력 부하의 상태를 판단한다.
한편, 본 발명의 일 실시예에 따른 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템(100)은 각 구성요소들을 서로 연결하고, 구성요소들 간의 통신(예: 제어 메시지 및/또는 데이터)를 전달하는 회로를 포함할 수 있다.
또한, 본 발명의 일 실시예에 따른 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템(100)은 통신 인터페이스를 포함할 수 있다.
예를 들면, 관리자 단말(미도시) 및 관리서버(미도시) 간에 통신을 설정할 수 있다. 무선 통신은, 예를 들면, 셀룰러 통신 프로토콜로서, 예를 들면, LTE(long-term evolution), LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications) 등 중 적어도 하나를 사용할 수 있다. 또한, 무선 통신은, 예를 들면, 근거리 통신을 포함할 수 있다. 근거리 통신은, 예를 들면, WiFi(wireless fidelity), 블루투스(Bluetooth), NFC(near field communication), 또는 GNSS(global navigation satellite system) 등 중 적어도 하나를 포함할 수 있다. GNSS는 사용 지역 또는 대역폭 등에 따라, 예를 들면, GPS(Global Positioning System), Glonass(Global Navigation Satellite System), Beidou Navigation Satellite System(이하 Beidou) 또는 Galileo, the European global satellite-based navigation system 중 적어도 하나를 포함할 수 있다. 본 문서에서는, GPS는 GNSS와 혼용되어 사용(interchangeably used)될 수 있다. 유선 통신은, 예를 들면, USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard232), 또는 POTS(plain old telephone service) 등 중 적어도 하나를 포함할 수 있다. 네트워크는 통신 네트워크(telecommunications network), 예를 들면, 컴퓨터 네트워크(computer network)(예: LAN 또는 WAN), 인터넷, 또는 전화 망(telephone network) 중 적어도 하나를 포함할 수 있다.
한편, 본 발명의 일 실시예에 따른 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템(100)은 펌프 배전반과 연동될 수 있다. 이때, 상기 펌프 배전반은 상수도, 하수도, 폐수처리설비와 같이 펌프의 운전이 상시 이루어지는 사회 기반 시설과 발전소, 지역 난방을 비롯한 생산 공정에 적용될 수 있다
참고로, 상기 펌프 배전반은 외부 환경으로부터 구성 요소들을 보호하기 위하여 각 구성요소들을 폴리프로필렌 수지조성물로 조성된 케이스 내부에 구비되도록 설계될 수 있다. 이러한 폴리프로필렌 수지 조성물은 내백화성 및 내충격성이 우수한 조성물로서, 에틸렌-프로필렌-알파올레핀 랜덤 공중합체 75~95중량% 및 에틸렌 함량이 20~50 중량%인 에틸렌-프로필렌 블록 공중합체 5~25중량%로 이루어진 폴리프로필렌 랜덤 블록 공중합체를 포함하며, 전술한 에틸렌-프로필렌 블록 공중합체에 대한 에틸렌-프로필렌-알파올레핀 랜덤 공중합체의 고유 점도비가 0.3~1일 수 있다.
보다 구체적으로는 상기 폴리프로필렌 랜덤 블록 공중합체는 전술한 에틸렌-프로필렌-알파올레핀 랜덤 공중합체 75~95중량% 및 에틸렌-프로필렌 블록 공중합체 5~25중량%인 것이 바람직한데, 에틸렌-프로필렌-알파올레핀 랜덤공중합체가 75중량% 미만이면 강성이 저하되고, 95중량%를 초과하면 내충격성이 저하되며, 에틸렌-프로필렌 블록 공중합체는 5중량% 미만이면 내충격성이 저하되고, 25중량%를 초과하면 강성이 저하된다.
또한, 상기 폴리프로필렌 랜덤 블록 공중합체는 에틸렌-프로필렌 블록 공중합체에 대한 에틸렌-프로필렌-알파올레핀 랜덤 공중합체의 고유 점도비가 0.3~1인 것이 바람직한데, 0.3미만이면 에틸렌-프로필렌 블록 공중합체의 분자량이 에틸렌-프로필렌-알파올레핀 랜덤 공중합체보다 상대적으로 낮아 충격 흡수에 어려움이 있으며, 1을 초과하면, 에틸렌-프로필렌 블록 공중합체의 분산상 크기가 증가하여 내백화성이 저하될 수 있다.
상기 에틸렌-프로필렌-알파올레핀 랜덤 공중합체는 에틸렌 0.5~7중량% 및 탄소수가 4~5인 알파올레핀 1~15중량% 를 포함하며, 폴리프로필렌 수지 조성물의 기계적 강성유지 및 내열성을 향상시키며 내백화성을 유지하는데 효과적인 역할을 한다. 상기 에틸렌 함량은 바람직하게는 0.5~5중량%이며, 더욱 바람직하게는 1~3중량%일 수 있으며, 0.5중량% 미만이면 내백화성이 저하되고, 7중량%를 초과하면 수지의 결정화도 및 강성이 저하된다.
상기 알파올레핀은 에틸렌 및 프로필렌을 제외한 임의의 알파올레핀을 의미하며, 바람직하게는 부텐이다. 또한, 상기 알파올레핀은 탄소수가 4 미만이거나 5를 초과하면 랜덤 공중합체의 제조 시, 코모노머와의 반응성이 낮아 공중합체를 제조하는데 어려움이 있다. 또한, 상기 알파올레핀 1~15중량%를 포함하며, 바람직하게는 1~10중량%이고, 더욱 바람직하게는 3~9중량%일 수 있다. 상기 알파올레핀은 1중량% 미만이면, 결정화도가 필요 이상으로 높아져 투명성이 저하되고, 15중량%를 초과하면 결정화도 및 강성이 저하되어 내열성이 현저히 낮아지는 문제점을 가진다.
상기 에틸렌-프로필렌 블록 공중합체는 에틸렌 20~50중량%을 포함하며, 폴리프로필렌 수지 조성물에 내충격적 특성을 부여하고 미세 분산이 가능하여 내백화성 및 투명성을 동시에 부여하는 역할을 한다. 상기 에틸렌 함량은 바람직하게는 20~40중량%일 수 있으며, 20중량% 미만이면 내충격성이 저하되고 50중량%를 초과하면 내충격성 및 내백화성이 저하될 수 있다.
본 발명의 일 실시예에 따른 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템(100)은 각 펌프 별로 운전하면서 발생하는 누선전력, 열화, 절연전항의 특성 변화를 데이터베이스로 추적 감시하여 설비 관리자의 직관이나 경험에 의한 관리에 따르는 오류를 방지하고, 손쉽고 정확한 펌프의 상태진단이 가능하도록 지원할 수 있다는 이점이 있다.
또한, 본 발명의 일 실시예는 펌프 감시기능을 기계적인 요소가 없이 전기적인 요소만으로 구현하고, 구성을 단순화시키고 감지 제어 설비의 투자 비용을 절감하여, 기존 자원을 재사용할 수 있다는 이점이 있다.
상술한 이점을 통해, 최소 비용으로 펌프에 의하여 운영되는 펌프와 전기적으로 연결된 공정설비의 예방진단이 가능하고 펌프 운전 시스템과 관리 시스템을 융합하여 사용의 편의성을 향상시킬 수 있다.
이상에서 설명한 것은 본 발명에 의한 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템을 실시하기 위한 하나의 실시예에 불과한 것으로서, 본 발명은 상기 실시예에 한정되지 않고, 이하의 특허청구범위에서 청구하는 바와 같이 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변경 실시가 가능한 범위까지 본 발명의 기술적 정신이 있다고 할 것이다.
100: 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템
110: 전류-전압 계측부
120: 전력 주파수 획득부
130: 펌프 상태 측정부
140: 모니터링부
141: 열화진단부
142: 누선전력 진단부
143: 절연저항 상태 진단부
144: 교체시점 예측부
110: 전류-전압 계측부
120: 전력 주파수 획득부
130: 펌프 상태 측정부
140: 모니터링부
141: 열화진단부
142: 누선전력 진단부
143: 절연저항 상태 진단부
144: 교체시점 예측부
Claims (7)
- 복수 개의 펌프들 각각에 공급되는 전력 및 누설전력에 따른 전류-전압을 측정하는 전류-전압 계측부;
상기 전류-전압 계측부에 연결되어 상기 복수 개의 펌프들 각각에 공급된 전력의 전력주파수를 주기적으로 획득하고, 상기 복수 개의 펌프들 각각의 전력 주파수의 취득 주기를 동기화시키는 전력 주파수 획득부; 및
상기 전력주파수와 기준 전력주파수를 비교하여, 상기 펌프의 부하상태를 예측하고, 상기 부하상태, 열화, 누설전력, 절연저항을 이용하여 펌프의 이상상태 및 교체시점을 예측하는 모니터링부를 포함하고,
상기 모니터링부는
상기 펌프의 전력주파수를 이용하여 열화를 진단하되, 상기 펌프의 상태변화에 따른 특정 주파수의 발생여부를 기준으로 상기 펌프의 열화 진행상태를 진단하는 열화진단부;
상기 누설전력에 따른 전류-전압을 이용하여 상기 펌프의 차전압, 차전류, 접지전류의 이상 발생여부를 판단하는 누설전력 진단부;
상기 열화 및 상기 누설전력에 기초하여 상기 펌프의 절연저항 상태를 예측진단하되, 상기 펌프와 배전반 간에 연결된 선로에서 검출된 누설전류 및 상기 펌프의 출력전류를 이용하여 계산한 실효 절연저항값과 상기 열화를 이용하여 산출한 절연저항의 합산값을 이용하여 상기 펌프의 절연저항상태를 진단하는 절연저항 상태 진단부;
상기 펌프의 주파수 영역 결함을 진단하는 결함진단부; 및
각각의 진단부의 결과값을 이용하여 이상여부를 진단하고, 상기 이상여부에 따른 상기 펌프의 교체시점을 예측하는 교체시점 예측부를 포함하며,
상기 전력 주파수 획득부는
시간 경과에 따른 상기 복수 개의 펌프들 각각의 전력 주파수의 변화를 용이하게 취득하기 위하여, 상기 복수 개의 펌프들 각각의 전력 주파수의 취득 주기를 동기화시키는 동기화 제어부를 더 포함하고,
상기 특정주파수는 상기 펌프의 전력주파수, 고정자의 슬롯(slot)수 및 극수, 회전자 바(bar) 수, 회전 주파수에 의해 산출되는 주파수이며,
상기 전류-전압 계측부는 펌프의 압력, 온도 및 유량을 측정하여 해당 정보를 모니터링부로 제공하여 펌프 효율을 측정하게 할 수 있되, 상기 전류-전압 계측부는 압력과 온도를 흡입구 측과 토출구 측에서 모두 측정하고, 유량을 토출구 측에서 측정하고,
상기 결함진단부는 전류-전압, 진동값을 이용하여 유도펌프의 슬립(slip) 및 회전주파수를 계산하고, 계산된 유도펌프의 슬립 및 회전주파수와 기 설정된 주파수 영역 결함별 진단 파라미터를 이용하여 전력주파수에 따른 결함요인을 진단하며,
상기 교체시점 예측부는 MLR(Multiple Linear Regression), PLS(Partial Least Sqaures), RIDGE, LASSO(Least Absolute Shrinkage and Selection Operator), SCAD(Smoothly Clipped Absolute Deviation), MCP(Minimax Concave Penalty), SVM(Support Vector Machine), Bagging, Boosting 및 Random Forest 중 어느 하나의 예측모델을 이용하거나, 데이터 마이닝 알고리즘, 의사결정트리(Decision Tree) 알고리즘, 인공신경망 (Artificial Neural Network) 알고리즘, 군집분석 알고리즘 중 어느 하나를 이용하여 수명 및 교체시점을 예측하는 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템.
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 제1항에 있어서,
상기 시스템은 펌프 배전반과 연결되되,
외부 환경으로부터 구성 요소들을 보호하기 위하여 폴리프로필렌 수지조성물로 조정된 케이스 내부에 구비되도록 설계되고, 상기 폴리프로필렌 수지 조성물은 에틸렌-프로필렌-알파올레핀 랜덤 공중합체 75~95중량% 및 에틸렌 함량이 20~50 중량%인 에틸렌-프로필렌 블록 공중합체 5~25중량%로 이루어진 폴리프로필렌 랜덤 블록 공중합체를 포함하는 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180054406A KR101917323B1 (ko) | 2018-05-11 | 2018-05-11 | 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180054406A KR101917323B1 (ko) | 2018-05-11 | 2018-05-11 | 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101917323B1 true KR101917323B1 (ko) | 2018-11-13 |
Family
ID=64397856
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180054406A KR101917323B1 (ko) | 2018-05-11 | 2018-05-11 | 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101917323B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102112558B1 (ko) * | 2019-09-26 | 2020-05-19 | 하서산업(주) | 스마트 감시제어형 펌프수문 |
| KR102325991B1 (ko) * | 2021-08-04 | 2021-11-15 | 산일전기 주식회사 | 하수 및 폐수처리시설 설비 지능형 자산관리 시스템 및 이를 이용한 운영방법 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100608235B1 (ko) * | 2005-12-16 | 2006-08-02 | 주식회사 케이디파워 | 유도전동기의 실시간 수명 예측, 결함 감지 방법 및 장치 |
| JP2012154668A (ja) * | 2011-01-24 | 2012-08-16 | Mitsubishi Electric Corp | 発電電動機の異常検出装置および異常検出方法 |
| KR101389559B1 (ko) * | 2013-12-23 | 2014-04-25 | (주)테크윈시스템 | 전동기 부하상태 상시 감시형 배전반 시스템 |
| KR101432786B1 (ko) * | 2013-11-14 | 2014-09-23 | 엠앤디테크놀로지 주식회사 | 모터의 고장진단방법 및 그 시스템 |
-
2018
- 2018-05-11 KR KR1020180054406A patent/KR101917323B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100608235B1 (ko) * | 2005-12-16 | 2006-08-02 | 주식회사 케이디파워 | 유도전동기의 실시간 수명 예측, 결함 감지 방법 및 장치 |
| JP2012154668A (ja) * | 2011-01-24 | 2012-08-16 | Mitsubishi Electric Corp | 発電電動機の異常検出装置および異常検出方法 |
| KR101432786B1 (ko) * | 2013-11-14 | 2014-09-23 | 엠앤디테크놀로지 주식회사 | 모터의 고장진단방법 및 그 시스템 |
| KR101389559B1 (ko) * | 2013-12-23 | 2014-04-25 | (주)테크윈시스템 | 전동기 부하상태 상시 감시형 배전반 시스템 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102112558B1 (ko) * | 2019-09-26 | 2020-05-19 | 하서산업(주) | 스마트 감시제어형 펌프수문 |
| KR102325991B1 (ko) * | 2021-08-04 | 2021-11-15 | 산일전기 주식회사 | 하수 및 폐수처리시설 설비 지능형 자산관리 시스템 및 이를 이용한 운영방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102341720B (zh) | 使用定子电流噪音消除的电动机缺陷检测用系统和方法 | |
| Ahadi et al. | An analytical methodology for assessment of smart monitoring impact on future electric power distribution system reliability | |
| CN102141808B (zh) | 汽轮发电机组嵌入式故障预诊断系统及方法 | |
| CA2903912C (en) | Network for online monitoring of power transformer at intelligent substation | |
| EP3797304B1 (en) | System and method for monitoring an operating condition of an electrical device when in operation | |
| CN107117058B (zh) | 一种电动汽车充电站电能质量监控系统 | |
| CN102607643B (zh) | 电气化铁路牵引变电站电气设备过热故障诊断及预警方法 | |
| KR20140130541A (ko) | 운영자 조작에 대해 경고하기 위한 방법 및 시스템 | |
| CN105139295A (zh) | 一种电力设备在线监测海量信息的数据挖掘方法 | |
| KR101917323B1 (ko) | 펌프 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템 | |
| CN104391202A (zh) | 基于电量异常分析的异常用电判断方法 | |
| CN110488120A (zh) | 一种高压开关柜温度电流一体化在线诊断方法、系统及介质 | |
| CN107765206B (zh) | 一种电能质量监测装置运行状态的评估方法 | |
| WO2019158754A1 (en) | System and method for monitoring an operating condition of at least one electrical device using a data server arrangement | |
| CN103471729A (zh) | 一种装置温度预警方法及其应用 | |
| CN111353911A (zh) | 电力设备运维方法、系统、设备和存储介质 | |
| CN110808864A (zh) | 通信预警方法、装置及系统 | |
| KR200486953Y1 (ko) | 지능형 전동기 상태 진단장치 | |
| CN115800552A (zh) | 一种超级电容运行电力调频用智能调控系统及方法 | |
| KR101877544B1 (ko) | 송풍기 노후화 예측 및 진단을 통한 에너지 최적화 제어 시스템 | |
| CN113726006B (zh) | 水电生产分析决策支持系统 | |
| CN111929579B (zh) | 发电机在线故障诊断方法、设备及计算机设备 | |
| CN103675518A (zh) | 油浸式高压设备检修方法及装置 | |
| CN115912359B (zh) | 基于大数据的数字化安全隐患识别排查治理方法 | |
| US9581995B2 (en) | Systems and methods for monitoring of equipment using a configurable rule base |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |