KR102023169B1 - Simulation System for Kaplan Bulb type Runner Generating Facilities and Facilities Management System using the Same - Google Patents
Simulation System for Kaplan Bulb type Runner Generating Facilities and Facilities Management System using the Same Download PDFInfo
- Publication number
- KR102023169B1 KR102023169B1 KR1020170135934A KR20170135934A KR102023169B1 KR 102023169 B1 KR102023169 B1 KR 102023169B1 KR 1020170135934 A KR1020170135934 A KR 1020170135934A KR 20170135934 A KR20170135934 A KR 20170135934A KR 102023169 B1 KR102023169 B1 KR 102023169B1
- Authority
- KR
- South Korea
- Prior art keywords
- facility
- data
- value
- alarm
- frequency
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- 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
- Y02E10/20—Hydro energy
-
- Y02E10/223—
-
- 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
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
Abstract
본 발명은 축적된 데이터를 기반으로 수력 발전시스템의 최적 운영을 위한 시뮬레이터에 관한 것으로, 더욱 상세하게는 수위, 출력, 효율, 러너 블레이드 개도 값 등의 데이터를 기반으로 최적의 발전출력 값을 산정하여 발생 가능한 설비사고의 파급을 예방하고, 발전설비의 안정적 운용을 도모하기 위한, 축적 데이터 기반 시뮬레이터에 관한 것이다.
또한, 본 발명은 설비 별 발생된 알람자료의 축적 데이터를 활용하여 다 빈도 고장 설비의 집중 관리 및 설비 안정 운영을 도모하기 위한, 설비 관리 시스템에 관한 것이다. The present invention relates to a simulator for optimal operation of a hydroelectric power generation system based on accumulated data, and more particularly, to calculate an optimal power generation output value based on data such as water level, output, efficiency, and runner blade opening value. The present invention relates to a cumulative data-based simulator for preventing the spread of possible equipment accidents and for the stable operation of power generation facilities.
In addition, the present invention relates to a facility management system for utilizing the accumulated data of the alarm data generated by the facility to facilitate the centralized management and equipment stability operation of the multi-frequency failure facility.
Description
본 발명은 축적된 데이터를 기반으로 카플란 벌브 형 수력 발전시스템의 최적 운영을 위한 시뮬레이터에 관한 것으로, 더욱 상세하게는 수위, 출력, 효율, 러너 블레이드 개도 값 등의 데이터를 기반으로 최적의 발전출력 값을 산정하여 발생 가능한 설비사고의 파급을 예방하고, 발전설비의 안정적 운용을 도모하기 위한, 축적 데이터 기반 시뮬레이터에 관한 것이다. The present invention relates to a simulator for the optimal operation of the Kaplan bulb-type hydroelectric power generation system based on the accumulated data, and more specifically, the optimal power generation value based on data such as water level, power, efficiency, runner blade opening value, etc. The present invention relates to a cumulative data-based simulator to prevent the spread of possible equipment accidents and to promote stable operation of power generation facilities.
또한, 본 발명은 설비 별 발생된 알람자료의 축적 데이터를 활용하여 다 빈도 고장 설비의 집중 관리 및 설비 안정 운영을 도모하기 위한, 설비 관리 시스템에 관한 것이다. In addition, the present invention relates to a facility management system for utilizing the accumulated data of the alarm data generated by the facility to facilitate the centralized management and equipment stability operation of the multi-frequency failure facility.
수력 발전이란, 높은 곳에 위치한 물의 위치에너지를 발전기 터빈의 운동에너지로 변화시키고 발전기 내부의 전자기유도 현상을 이용하여 전기를 얻는 방식을 말한다.Hydroelectric power refers to a method of converting potential energy of high water into kinetic energy of a generator turbine and obtaining electricity by using electromagnetic induction in the generator.
통상적으로 수력발전을 위해서는 강을 막아 댐을 짓고, 댐의 상류에 물을 가두었다가 수문을 열고 이를 댐의 하류로 떨어뜨려서 터빈을 돌린다. 이 과정에서 물의 위치에너지가 터빈의 운동에너지로 전환된다. 터빈 내부의 로터 코일이 터빈을 따라 회전하면서 전자기유도 현상이 일어나 전류가 발생한다. 이 과정을 통해 터빈의 운동에너지가 전기에너지로 변환되는 것이다. In general, for hydroelectric power generation, dams are formed by blocking rivers, water is trapped upstream of the dam, the water gate is opened, and the turbine is dropped by dropping it downstream of the dam. In this process, the potential energy of water is converted into the kinetic energy of the turbine. As the rotor coil inside the turbine rotates along the turbine, electromagnetic induction occurs and current is generated. This process converts the kinetic energy of the turbine into electrical energy.
카플란 수차는 수력발전을 위한 터빈(러너)의 한 종류이며, 반동 수차에 속하는 프로펠러 수차의 일종으로 부하의 변동에 따라 날개(러너 블레이드)의 각도가 변하는 수차를 말한다. 따라서 저낙차(5~40m)로 부하나 낙차가 변동되는 발전소에 적합하다. 또한, 카플란 수차 중에서도 횡축 벌브 형 수차는 수차의 회전축이 수평 방향으로 형성되어 고속 회전이 가능하고 전압차가 큰 발전에 적용이 가능한 특징이 있어 위와 같은 카플란 벌브 형 수차가 국내에서 운용되는 수력 및 조력 발전설비에 주로 적용되고 있다. Kaplan aberration is a kind of turbine (runner) for hydroelectric power generation, and it is a kind of propeller aberration which belongs to the reaction aberration and refers to aberration whose angle of wing (runner blade) changes according to the load change. Therefore, it is suitable for power plants with fluctuating load or free fall due to low drop (5-40m). In addition, among the Kaplan aberrations, the horizontal axis bulb-type aberration has a characteristic that the rotation axis of the aberration is formed in the horizontal direction, so that it can be rotated at high speed and can be applied to power generation with a large voltage difference. It is mainly applied to equipment.
한편, 국내에서 운용되고 있는 댐식 발전 설비는 장기 사용(40년 이상)으로 인해 설비 노후화가 가속되고 고장률이 증가하는 실정이다. 따라서 발전 설비 관리를 위한 전문적인 시스템 예를 들면 댐의 수위, 터빈의 출력, 발전 효율, 러너 블레이드의 개도 값 등의 데이터를 기반으로 최적의 발전 출력 값을 시뮬레이션 하여 발전 출력의 급격한 변동을 사전에 감시하고, 발생 가능한 설비사고의 파급을 예방 및 고장 설비의 신속한 발견에 따른 발전설비의 안정적인 운용을 도모하기 위한 기술의 개발이 요구되고 있다. On the other hand, the dam-type power generation equipment that is operating in Korea is due to the long-term use (over 40 years), the aging of the facility is accelerated and the failure rate increases. Therefore, based on professional systems for power plant management, for example, dam level, turbine output, power generation efficiency, runner blade opening value, and so on, the optimum power generation value is simulated to prevent sudden changes in power generation output. There is a need to develop a technology for monitoring and preventing the spread of possible equipment accidents and for the stable operation of power generation facilities due to the rapid discovery of failure facilities.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서 본 발명의 목적은, 댐의 수위, 터빈의 출력, 발전 효율, 러너 블레이드의 개도 값 등의 데이터를 기반으로 최적의 발전 출력 값을 시뮬레이션 하고, 실제 발전 출력 값과 비교하여 안정도를 판정함에 따라 발전 출력의 급격한 변동을 사전에 감시하고, 발생 가능한 설비사고의 파급을 예방 및 고장 설비의 신속한 발견에 따른 발전설비의 안정적인 운용을 도모하는, 축적 데이터 기반 카플란 벌브 형 수차 발전설비 시뮬레이션 시스템 및 이를 이용한 설비 관리 시스템을 제공함에 있다. The present invention has been made to solve the above problems, and an object of the present invention is to simulate an optimal power generation output value based on data such as the water level of the dam, the power output of the turbine, the power generation efficiency, the opening value of the runner blades, Accumulation that monitors sudden fluctuations in power generation output in advance by determining stability against actual power generation output value, prevents the spread of possible equipment accidents, and promotes stable operation of power generation equipment according to the rapid discovery of failure facilities. It is to provide a data-based Kaplan bulb type aberration power plant simulation system and facility management system using the same.
본 발명의 일실시 예에 따른 축적 데이터 기반 카플란 벌브 형 수차 발전설비 시뮬레이션 시스템은, 발전 시스템을 운용하면서 각종 데이터를 생성하는 데이터 생성단계(S10); 위 생성된 데이터를 지속적으로 축적하는 데이터 축적단계(S20); 위 축적된 데이터로부터 유효 데이터를 추출하는 데이터 추출단계(S30); 위 추출데이터를 이용해 낙차 및 발전출력 대비 최적의 러너 블레이드 개도 값을 산출하는 개도 값 산출단계(S40); 실제 러너 블레이드 개도 값을 센싱 하는 단계(S50); 및 위 실제 러너 블레이드의 개도 값과, 위 개도 값 산출단계(S40)를 통해 산출된 개도 값을 비교하여 발전 시스템의 이상 여부를 판단하는 안정도 판정 단계(S60)를 포함한다. Accumulated data-based Kaplan bulb-type aberration power plant simulation system according to an embodiment of the present invention, the data generation step of generating a variety of data while operating the power generation system (S10); A data accumulation step (S20) of continuously accumulating the generated data; A data extraction step (S30) of extracting valid data from the accumulated data; An opening value calculation step (S40) of calculating an optimal runner blade opening value relative to free fall and power generation output using the extracted data; Sensing an actual runner blade opening value (S50); And a stability determination step (S60) of comparing the opening degree value of the actual runner blade with the opening degree value calculated through the above opening degree calculation step (S40) to determine whether the power generation system is abnormal.
또한, 상기 데이터 추출단계(S30)를 통해 추출된 유효 데이터는, 러너 블레이드의 개도 값, 댐의 수위, 발전출력, 댐의 낙차 중 선택되는 하나 이상인 것을 특징으로 한다.In addition, the valid data extracted through the data extraction step (S30), characterized in that at least one selected from the open value of the runner blade, the water level of the dam, the power generation output, the fall of the dam.
또한, 상기 개도 값 산출단계(S40)는, 유효낙차 및 발전출력에 따라 선택되는 러너 블레이드 개도 값 적용 공식을 통해 산출되며, 위 개도 값 적용 공식은 아래 표 2를 통해 선택되는 것을 특징으로 한다.In addition, the opening value calculation step (S40) is calculated through the runner blade opening value application formula selected according to the effective drop and power generation output, the above opening value application formula is characterized in that it is selected through Table 2 below.
또한, 상기 유효낙차는, 총낙차를 이용하여 산출하되, 상기 총낙차는 취수구 수위와 방수구 수위와의 고저차를 말하고, 유효낙차는 아래 식으로 통해 산출된다.In addition, the effective drop is calculated using the total drop, the total drop refers to the height difference between the water intake level and the water outlet level, the effective drop is calculated by the following equation.
또한, 상기 안정도 판정 단계(S60)는, 위 개도 값 적용 공식을 통해 산출된 제1 개도 값과, 실제 개도 값인 제2 개도 값을 비교하여 그 차가 5프로 이하인 경우 발전 시스템이 정상인 것으로 판단하고, 5프로 초과인 경우 발전 시스템이 이상인 것으로 판단한다.In addition, the stability determination step (S60), by comparing the first opening degree value calculated through the opening degree value application formula and the second opening degree value that is the actual opening degree value and determines that the power generation system is normal when the difference is less than 5%, If it exceeds 5%, it is determined that the power generation system is abnormal.
본 발명의 일실시 예에 따른 축적 데이터 기반 카플란 벌브 형 수차 발전설비 시뮬레이션 시스템을 이용한 설비 관리 시스템은, 각 설비별로 할당된 어드레스를 바탕으로 발생하는 알람을 각 설비별로 취합 및 분류하여 집합을 구성하는 집합 구성 단계(S110); 상기 구성된 설비별 집합에 대해 발생된 알람의 개수를 카운팅하고 알람의 빈도가 가장 높은 설비의 순서대로 자동 분류하는 집합 분류 단계(S120); 및 상기 분류된 데이터를 기반으로 예비 자재 구매 순서를 결정하고, 신청하는 구매 순서 결정 단계(S130)를 포함한다. The facility management system using the accumulated data-based Kaplan bulb aberration power plant simulation system according to an embodiment of the present invention collects and classifies alarms generated based on addresses assigned to each facility and configures a set. Aggregation configuration step (S110); A set classification step (S120) of counting the number of alarms generated for the configured set of equipment and automatically classifying the order of equipment having the highest frequency of alarms; And determining a preliminary material purchase order based on the classified data, and applying for a purchase order determination step (S130).
또한, 상기 집합 분류 단계(S120)는, 각 설비별 발생 알람 횟수를 수집하는 단계(S121); 일정 기간 동안 발생된 설비별 알람 횟수를 추가하여 데이터베이스를 생성하는 단계(S122); 발생된 알람을 각 설비별로 분류하고, 설비별 알람 집합 내 발생 알람 수가 많은 순서대로 설비를 나열하는 단계(S124); 각 설비 별 일정 기간 동안 x번 이상 알람이 발생된 설비가 있는 지 유무를 파악하는 단계(S125)와, 이를 만족한 경우 고장 다빈도 설비로 분류(S1251)하는 단계; 각 설비 별 일정 기간 동안 x번 보다 작은 y번 이하 알람이 발생된 설비가 있는지 유무를 파악하는 단계(S126)와, 이를 만족한 경우 고장 저빈도 설비로 분류(S1261)하는 단계; 위 고장 다빈도 설비의 경우 알람횟수에 가중치를 적용 하여 최종 알람횟수를 결정하는 단계(S1252); 고장 저빈도 설비의 경우 알람횟수에 감경치를 적용 하여 최종 알람횟수를 결정(S1262)하는 단계; 위 고장 다빈도 설비 및 고장 저빈도 설비에 해당되지 않는 경우 알람횟수를 그대로 적용하여 최종 알람횟수를 결정하는 단계(S127); 및 위 최종 산출된 알람 횟수를 통해 알람의 빈도가 가장 높은 설비의 순서대로 설비 별 집합을 분류하는 단계(S128)를 포함한다. In addition, the set classification step (S120), the step of collecting the number of alarms generated by each facility (S121); Generating a database by adding the number of alarms for each facility generated for a predetermined period of time (S122); Classifying the generated alarms for each facility, and listing the facilities in order of the number of alarms generated in the alarm set for each facility (S124); Determining whether there is a facility for which an alarm has been generated for at least x times during a predetermined period of each facility (S125), and if satisfied, classifying it as a faulty frequency facility (S1251); Determining whether there is a facility having an alarm occurring less than x times less than x times during a predetermined time period for each facility (S126), and classifying it as a failure low frequency facility (S1261) if satisfied; In the case of the above-mentioned failure frequency facility, determining a final alarm frequency by applying a weight to the alarm frequency (S1252); In the case of a fault low frequency facility, determining a final alarm frequency by applying a reduction value to the alarm frequency (S1262); Determining the final alarm frequency by applying the alarm frequency as it is when the failure frequency and the low frequency equipment are not applicable (S127); And classifying the set for each facility in the order of the facilities having the highest frequency of alarms through the last calculated alarm number (S128).
이때, 상기 구매 순서 결정 단계(S130)는, 설비 별 필수 보유 예비자재의 수를 정의하는 단계(S131); 설비 별 현재 보유 예비자재의 수를 정의하는 단계(S132); 필요 보유 예비자재 값과, 현재 보유 예비자재 값을 통해 예비자재보유율(P)을 산출하는 단계(S133); 각각의 설비별로 예비자재보유율(P)을 산출하는 단계(S134); 같은 P 값을 갖는 설비가 있는지 유무를 파악하는 단계(S135); 동일한 P 값이 존재하지 않는 경우 P값이 큰 순서대로 설비별 예비자재 우선순위를 결정하는 단계(S136); P값이 동일한 예비 자재가 존재하는 경우 최종 산출된 알람 발생 횟수가 높은 설비의 예비자재 순으로 우선순위를 결정하는 단계(S1351); 알람 발생 횟수가 동일한 예비 자재의 유무를 파악하는 단계(S137); 동일한 알람 발생 회수를 갖는 설비가 존재하는 경우 중요도가 높은 설비의 예비자재 순으로 우선순위를 결정하는 단계(S1371)를 포함한다. At this time, the purchase order determination step (S130), step (S131) to define the number of necessary reserve materials for each facility; Defining the number of current reserve materials for each facility (S132); Calculating a reserve material holding ratio (P) based on the required reserve material value and the current reserve material value (S133); Calculating a reserve material retention rate (P) for each facility (S134); Determining whether there is a facility having the same P value (S135); If the same P value does not exist, determining the material priorities for each facility in order of increasing P values (S136); Determining a priority in the order of spare materials of the facility having the highest number of alarm occurrences last calculated when spare materials having the same P value exist (S1351); Determining whether or not the number of alarm occurrences is the same as preliminary materials (S137); If there is a facility having the same number of alarm occurrences includes the step (S1371) of determining the priority in the order of the spare material of the high priority equipment.
아울러, 상기 예비자재보유율(P)을 산출하는 단계(S133)는, 아래의 식을 통해 산출되는 것을 특징으로 한다. In addition, the step (S133) of calculating the reserve material retention rate (P) is characterized in that it is calculated through the following equation.
상기와 같은 구성에 의한 본 발명의 축적 데이터 기반 카플란 벌브 형 수차 발전설비 시뮬레이션 시스템 및 이를 이용한 설비 관리 시스템은 축적된 데이터를 이용해 발전출력 및 유효낙차별 최적의 러너 블레이드의 개도 값을 실시간을 비교 관리함으로써 발전설비의 안정적인 운용을 위한 데이터베이스 구축이 가능한 효과가 있다.The Kaplan Bulb-type aberration generating system simulation system based on the accumulated data according to the present invention and the facility management system using the same according to the above configuration manage and compare the real-time openness values of the optimal runner blades according to power generation output and effective drop using the accumulated data. By doing so, it is possible to construct a database for stable operation of power generation facilities.
특히 축적된 데이터를 기반으로 산출된 최적의 러너 블레이드 개도 값과, 실제 러너 블레이드의 개도 값을 비교하여 안정도를 판단함으로써, 발상 가능한 설비 사고의 파급을 예방하여 발전설비 운용의 신뢰성을 확보할 수 있는 효과가 있다.In particular, the optimum runner blade opening value calculated based on the accumulated data and the actual runner blade opening value are judged to determine the stability, thereby preventing the spread of conceivable equipment accidents and ensuring reliability of power plant operation. It works.
또한, 상황별 시뮬레이션을 통해 최적의 발전 출력을 위한 운용 데이터를 산정하고, 러너 블레이드의 개도 값 및 발전출력의 급격한 변동을 사전에 감시하고, 안정도 판별을 통해 발상 가능한 설비 사고의 파급을 예방하여 발전설비 운용의 신뢰성을 확보할 수 있는 효과가 있다.In addition, it calculates operational data for optimal power generation output through situational simulation, monitors the openness value of runner blades and sudden fluctuations in power generation output in advance, and prevents the occurrence of potential plant accidents through stability determination. There is an effect that can ensure the reliability of the operation of the facility.
위 시뮬레이터 및 시스템을 이용함으로써 발전설비의 운영 관리가 용이하고, 사용자의 편리성이 우수한 효과가 있다. By using the above simulator and system, it is easy to manage the operation of power generation facilities, and the user convenience is excellent.
설비 및 예비 자재의 자료 체계화를 통해 설비 운용의 효율성을 제고할 수 있는 효과가 있다. It is effective to improve the efficiency of facility operation by systemizing the data of facility and spare materials.
도 1은 본 발명의 일실시 예에 따른 시뮬레이터 시스템의 순서도
도 2는 본 발명의 일실시 예에 따른 설비 관리 시스템의 순서도
도 3은 본 발명의 일실시 예에 따른 집합 분류 단계의 순서도
도 4는 본 발명의 일실시 예에 따른 구매 순서 결정 단계의 순서도1 is a flowchart of a simulator system according to an embodiment of the present invention.
2 is a flow chart of a facility management system according to an embodiment of the present invention.
3 is a flowchart of a set classification step according to an embodiment of the present invention.
4 is a flowchart of a purchase order determining step according to an embodiment of the present invention.
이하, 상기와 같은 본 발명의 일실시예에 대하여 도면을 참조하여 상세히 설명한다.Hereinafter, an embodiment of the present invention as described above will be described in detail with reference to the accompanying drawings.
도 1에는 본 발명의 일실시 예에 따른 축적 데이터를 기반으로 한 시뮬레이터 시스템의 순서도가 도시되어 있다. 1 is a flowchart of a simulator system based on accumulated data according to an embodiment of the present invention.
도시된 바와 같이 본 발명의 시뮬레이션 시스템은, 발전 시스템을 운용하면서 각종 데이터를 생성하는 데이터 생성단계(S10)와, 위 생성된 데이터를 지속적으로 축적하는 데이터 축적단계(S20)와, 위 축적된 데이터로부터 유효 데이터를 추출하는 데이터 추출단계(S30)와, 위 추출데이터를 이용해 낙차 및 발전출력 대비 최적의 러너 블레이드 개도 값을 산출(S40)하는 단계와, 발전 설비 현장의 러너 블레이드 개도 값 및 현재 발전출력을 센싱(S50)하여 산출된 개도 값과 비교하고, 발전 시스템이 이상 여부를 판단하는 안정도 판정 단계(S60)를 포함하여 구성된다.As shown, the simulation system of the present invention includes a data generation step (S10) of generating various data while operating the power generation system, a data accumulation step (S20) of continuously accumulating the generated data, and the accumulated data. Data extraction step (S30) for extracting valid data from the step, and calculating the optimal runner blade opening value compared to the free fall and power generation output using the above extraction data (S40), the runner blade opening value and the current power generation in the power generation site It includes a stability determination step (S60) of comparing the output with the opening degree value calculated by sensing the output (S50), and determines whether the power generation system is abnormal.
위 안정도 판정 단계(S60)를 통해 러너 블레이드의 개도 값이 정상으로 판단된 경우 운영을 유지하고, 이상으로 판단된 경우 러너 블레이드의 개도 값을 수정하여 발전 효율을 높이는 최적 운영 단계(S70)를 수행하게 되며, 위 최적 운영 단계(S70)를 통해 취득되는 데이터를 상술된 데이터 축적단계(S20)로 전달하기 위한 피드백 데이터 생성 단계(S80)를 통해 축적 데이터의 신뢰성을 향상시키도록 한다. If the openness value of the runner blade is determined to be normal through the above stability determination step (S60), the operation is maintained, and if the abnormality is determined to be corrected, the optimal operating step (S70) is performed to improve the power generation efficiency. The reliability of the accumulated data is improved through a feedback data generation step S80 for transferring the data acquired through the optimal operation step S70 to the above-described data accumulation step S20.
위 데이터 생성단계(S10) 및 데이터 축적단계(S20)는 발전 시스템을 운용하면서 축적되는 다양한 수치자료를 입력받는 단계를 말하며, 위 데이터 추출단계(S30)는 발전 시스템의 운용 시뮬레이션을 위한 필요한 정보를 소팅하는 단계를 말한다. 일예로 추출 데이터는, 러너 블레이드 개도 값, 댐의 수위, 발전기의 출력 등을 말한다.The data generation step (S10) and the data accumulation step (S20) refers to a step of receiving various numerical data accumulated while operating the power generation system, and the data extraction step (S30) indicates necessary information for operating simulation of the power generation system. The sorting step. For example, the extraction data refers to a runner blade opening value, a dam level, an output of a generator, and the like.
러너 블레이드 개도 값 산출단계(S40)는 위 추출 데이터를 이용하여 낙차 및 발전 출력 대비 적절한 러너 블레이드의 개도 값을 산출하는 단계를 말한다.The runner blade opening value calculating step (S40) refers to a step of calculating an opening value of an appropriate runner blade compared to free fall and power generation output using the above extraction data.
위 러너 블레이드의 개도 값을 산출하는 단계를 보다 구체적으로 설명하면, 우선 댐의 수위를 이용하여 댐의 총낙차(Net head, a)를 산출한다. 총낙차(a)는 수차의 손실 수두와 관수로 부분의 손실 수두를 고려하지 않은 전수두(全水頭)를 말하며, 수력 발전소가 운전을 정지하고 있을 경우에 취수구 수위와 방수구 수위와의 고저차를 말한다. 총낙차(a)는 미터 단위로 소수점 이하 두 자릿수까지 측정 및 산출이 되며, 편의를 위해 소수점 이하 첫째 자리를 반올림하여 정수화한다. Referring to the step of calculating the opening degree of the upper runner blade in more detail, first, the total head drop of the dam (Net head, a) is calculated using the water level of the dam. Total drop (a) refers to the total head without taking into account the water head loss and the water head loss, and the difference between the water intake level and the water discharge level when the hydroelectric plant is in operation. . The total drop (a) is measured and calculated to two digits after the decimal point in meters, and is rounded up to one decimal place for convenience.
다음으로 총낙차(a)를 이용하여 유효낙차(Gross head, b)를 산출한다. 유효낙차는 총낙차에서 수로의 구배 또는 마찰수두에 의한 손실낙차를 뺀 낙차를 말한다. 유효낙차(b)는 다음과 같은 수학식 1로 산출할 수 있다. Next, a gross head (b) is calculated using the total drop (a). Effective freefall refers to total freefall minus loss due to water channel gradient or friction head. The effective drop (b) may be calculated by Equation 1 below.
여기서, 0.2는 방류손실수두 및 취수구손실, 월류웨어 손실, 스크린에 의한 손실, 단면 수축 등의 손실들을 포함한 값을 최적화한 수치이다.Here, 0.2 is an optimized value including losses such as discharge head loss, intake loss, overflow wear loss, screen loss, and cross-sectional shrinkage.
다음으로 산출된 유효낙차(b) 및 현재 발전시스템의 발전출력을 센싱하여 아래 표에 대입하고, 최적의 러너 블레이드(RB) 개도 값을 산출한다. 아래 표 1은 유효낙차(b) 및 발전출력 대비 발전효율이 최대가 되는 러너 블레이드(RB)의 이상적인 개도 값을 수차모델링을 통해 데이터화 한 것으로 발전출력 및 유효낙차별 러너 블레이드 개도표이다. Next, the calculated effective drop (b) and the power generation output of the current power generation system are sensed and substituted into the following table, and the optimum runner blade (RB) opening value is calculated. Table 1 below shows the data of the ideal opening value of the runner blade (RB), which is the maximum generation efficiency with respect to the effective drop (b) and the generation output, through aberration modeling.
(여기서 개도 값은 0인 경우 닫힌 상태이고, 100인 경우 최대로 열린 상태를 나타냄)(Where the opening value is 0 for closed and 100 for maximum open)
다음으로 위 표 1과 축적된 데이터 값(러너 블레이드 개도 값, 댐의 수위, 발전기의 출력 등)을 이용하여 유효낙차(b)에 따라 최대 발전효율을 얻을 수 있는 러너 블레이드(RB)의 개도 값 산출 공식을 결정한다. 위 표 및 축적 데이터를 반영하여 유효 낙차에 따른 러너 블레이드(RB)의 개도 값 산출 공식은 아래 표 2와 같다. Next, using the above table 1 and accumulated data values (runner blade opening value, dam level, generator output, etc.), the opening value of the runner blade (RB) which can obtain the maximum power generation efficiency according to the effective drop (b). Determine the output formula. Reflecting the above table and accumulated data, the formula for calculating the opening value of the runner blade (RB) according to the effective drop is shown in Table 2 below.
따라서 유효낙차가 산출되면, 유효낙차에 따라 분류된 적용공식을 선택하고, 위 적용공식에 유효낙차 및 현재 발전출력 값을 대입하여 최적의 러너 블레이드 개도 값(RBO)을 산출하게 된다.Therefore, when the effective drop is calculated, the application formula classified according to the effective drop is selected, and the optimum runoff blade opening value (RBO) is calculated by substituting the effective drop and the current generation output value.
다음으로, 위 산출된 러너 블레이드의 개도 값과 현재 러너 블레이드의 개도 값을 비교하여 오차가 5프로 이내인 경우 발전 시스템이 정상인 것으로 판단하고, 오차가 5프로를 초과한 경우 발전 시스템이 이상인 것으로 판단하는 단계를 수행한다. Next, by comparing the opening values of the runner blades and the current runner blades calculated above, it is determined that the power generation system is normal when the error is within 5%, and that the power generation system is abnormal when the error exceeds 5%. Follow the steps.
즉 발전 출력 대비 러너 블레이드의 현재 개도 값이 산출된 러너 블레이드의 개도 값보다 5프로 이상 큰 경우에는 발전 시스템 상이 이상이 있는 것으로 판단하여 터빈이나, 로터 코일, 발전설비부분의 이상(가버너, 액추에이터, 서보 모터) 등의 이상을 미리 예측하고 교체 또는 보수하도록 함으로써 발전 시스템을 이상이 있는 상태에서 계속 유지함에 따른 더 큰 고장이나 사고를 예방할 수 있게 된다. In other words, if the current opening value of the runner blades to the power generation output is 5% or more larger than the calculated opening value of the runner blades, it is determined that there is an abnormality in the power generation system, and the abnormalities of the turbine, the rotor coil, and the power generation equipment part (the governor, the actuator). By predicting and replacing or repairing an abnormality such as a servo motor in advance, it is possible to prevent further failures or accidents caused by maintaining the power generation system in an abnormal state.
추가적으로 산출된 러너 블레이드의 개도 값을 기준으로 현재 러너 블레이드의 개도 값을 수정하여 최적의 발전효율을 갖도록 발전 시스템의 운영을 유도할 수 있다. In addition, it is possible to induce the operation of the power generation system to have an optimal power generation efficiency by modifying the current opening value of the runner blade based on the calculated opening value of the runner blade.
도 2에는 본 발명의 일실시 예에 따른 축적 데이터 기반 시뮬레이터 및 이를 이용한 설비 관리 시스템의 순서도가 도시되어 있다.2 is a flowchart illustrating an accumulation data based simulator and a facility management system using the same according to an embodiment of the present invention.
본 발명의 설비 관리 시스템은 설비별 발생된 알람자료의 축적데이터를 활용하여 설비관리 및 운영의 효율성을 제고함에 그 목적이 있다. The purpose of the facility management system of the present invention is to improve the efficiency of facility management and operation by utilizing the accumulated data of alarm data generated for each facility.
보다 구체적으로 우선, 각 설비별로 할당된 어드레스를 바탕으로 발생하는 알람을 각 설비별로 취합 및 분류하여 집합을 구성하는 집합 구성 단계(S110); 를 수행한다. 다음으로 위 구성된 설비별 집합에 대해 발생된 알람의 개수를 카운팅하고 알람의 빈도가 가장 높은 설비의 순서대로 분류하는 집합 분류 단계(S120); 를 수행한다.More specifically, first, a set configuration step (S110) of collecting and classifying alarms generated on the basis of an address assigned to each facility for each facility to form a set; Do this. Next, a set classification step (S120) of counting the number of alarms generated for the set of equipments configured above and classifying the order of equipment having the highest frequency of alarms; Do this.
위 집합 분류 단계(S120)에 대하여 구체적으로 설명하면, 도 3에 도시된 순서를 따르게 된다. 도 3에는 본 발명의 일실시 예에 따른 알람 빈도가 높은 설비의 순서대로 집합을 분류하는 집합 분류 단계(S120)의 세부 순서도가 도시되어 있다. The set classification step S120 will be described in detail with reference to FIG. 3. 3 is a detailed flowchart of a set classification step S120 for classifying sets in order of facilities having a high alarm frequency according to an embodiment of the present invention.
우선 각 설비별 발생 알람 횟수를 수집(S121)하게 되며, 일정 기간 동안 발생된 설비별 알람 횟수를 추가하여 데이터베이스를 생성(S122)한다. 다음으로 발생된 알람을 각 설비별로 분류하고, 설비별 알람 집합 내 발생 알람 수가 많은 순서대로 설비를 나열(S124)하게 된다.First, the number of alarms generated by each facility is collected (S121), and a database is generated by adding the number of alarms by equipment generated during a predetermined period (S122). Next, the generated alarms are classified for each device, and the devices are listed in order of the number of alarms generated in the alarm set for each device (S124).
다음으로 각 설비 별 일정 기간 동안 x번 이상 알람이 발생된 설비가 있는 지 유무를 파악(S125)하고, 이를 만족한 경우 고장 다빈도 설비로 분류(S1251)한다. Next, it is determined whether there is a facility having an alarm that has occurred more than x times in each facility for a predetermined period of time (S125), and if it is satisfied, it is classified as a failure frequency facility (S1251).
다음으로 각 설비 별 일정 기간 동안 x번 보다 작은 y번 이하 알람이 발생된 설비가 있는지 유무를 파악(S126)하고, 이를 만족한 경우 고장 저빈도 설비로 분류(S1261)한다.Next, it is determined whether there is a facility having an alarm occurring less than x times less than x times for a predetermined period of each facility (S126), and if it is satisfied, it is classified as a failure low frequency facility (S1261).
고장 다빈도 설비의 경우 알람횟수에 가중치(일예로 1.2배)를 적용 하여 최종 알람횟수를 결정(S1252)하고, 고장 저빈도 설비의 경우 알람횟수에 감경치(일예로 0.8배)를 적용 하여 최종 알람횟수를 결정(S1262)한다. 위와 같이 가중치 및 감경치를 적용하는 근거는, 고장 다빈도 설비로 분류된 경우 일시적으로 알람횟수가 적게 발생하더라도, 우선순위가 높게 배치되도록 하여 고장이 자주 발생되는 설비의 관리를 소홀히 하지 않기 위함이고, 고장 저빈도 설비의 경우 일시적으로 알람 횟수가 많게 발생하더라도, 우선순위가 낮게 배정되도록 하여 자원이나 비용의 낭비를 방지하기 위함이다. In case of high frequency equipment, the final alarm frequency is determined by applying weight (1.2 times) to the number of alarms (S1252), and in case of low frequency equipment, the reduction value (0.8 time) is applied to the frequency of alarms. The number of alarms is determined (S1262). The reason for applying the weights and reductions as above is to avoid neglecting the management of equipments that frequently cause failures by assigning high priority even if the frequency of alarms is temporarily reduced even if it is classified as a failure frequency. This is to prevent waste of resources or costs by assigning a low priority even if a high frequency of malfunction occurs temporarily.
위 고장 다빈도 설비 및 고장 저빈도 설비에 해당되지 않는 경우 즉 알람횟수가 x번 보다는 작고 y번 보다는 큰 경우에는 알람횟수를 그대로 적용하여 결정(S127)한다. In the case of the above-mentioned high-frequency failure facility and low-frequency failure facility, that is, when the number of alarms is smaller than x times and larger than y times, it is determined by applying the alarm number as it is (S127).
위 최종 산출된 알람 횟수를 통해 알람의 빈도가 가장 높은 설비의 순서대로 설비 별 집합을 분류(S128)하게 된다. The set of equipments is sorted according to the order of equipment having the highest frequency of alarms through the final number of alarms calculated above (S128).
다음으로, 위 분류된 데이터를 기반으로 예비 자재 구매 순서를 결정하고, 신청하는 구매 순서 결정 단계(S130)를 수행한다. Next, the preliminary material purchase order is determined based on the classified data above, and an application purchase order determination step (S130) is performed.
위 구매 순서 결정 단계(S130)에 대하여 구체적으로 설명하면, 도 4에 도시된 순서를 따르게 된다. 도 4에는 본 발명의 일실시 예에 따른 구매 순서 결정 단계(S130)의 세부 순서도가 도시되어 있다. The purchase order determination step S130 will be described in detail with reference to FIG. 4. 4 is a detailed flowchart of the purchase order determination step (S130) according to an embodiment of the present invention.
도시된 바와 같이 우선 설비 별 필수 보유 예비자재의 수를 정의(S131)한다. 필수 보유 예비자재의 수는 필요한 예비자재의 수를 의미한다. 다음으로 설비 별 현재 보유 예비자재의 수를 정의(S132)한다. As shown in the figure, first, the number of necessary reserves required for each facility is defined (S131). The number of reserves required is the number of reserves required. Next, the number of currently reserved spare materials for each facility is defined (S132).
다음으로 필요 보유 예비자재 값과, 현재 보유 예비자재 값을 통해 예비자재보유율(P)을 산출(P133)하게 된다. 1순위 예비자재를 결정하기 위한 예비자재보유율(P) 산출을 위해서는 아래의 수학식 2를 적용할 수 있다. Next, the reserve material reserve P is calculated (P133) based on the required reserve material value and the current reserve material value. Equation 2 below may be applied to calculate a reserve material reserve ratio (P) for determining the primary reserve material.
즉 각 자재별 필요 예비자재수 대비 보유 예비자재 수를 백분율로 표시하여 P 값이 큰 예비자재의 순으로 우선순위를 결정하게 된다. In other words, the number of reserves held in relation to the number of reserves required for each material is expressed as a percentage to determine the priority in the order of reserves with the larger P value.
따라서 각각의 설비별로 예비자재보유율(P)을 산출(P134)하여 같은 P 값을 갖는 설비가 있는지 유무를 파악(S135)한다. 동일한 P 값이 존재하지 않는 경우 P값이 큰 순서대로 설비별 예비자재 우선순위를 결정(S136)하고 종료하게 된다. Therefore, by calculating the reserve material reserve (P) for each facility (P134) to determine whether there is a facility having the same P value (S135). If the same P value does not exist, the priority of the spare material for each facility is determined in the order of the P value is large (S136) and ends.
이때, P값이 동일한 예비 자재가 존재하는 경우 2순위 예비자재 결정 방법을 통해 순위를 결정하게 된다. 2순위 예비자재 결정은 설비 별로 알람 분류 집합 데이터를 통해 순위를 나열하게 된다. 즉 최종 산출된 알람 발생 횟수가 높은 설비의 예비자재 순으로 우선순위를 결정(S1351)하게 된다. At this time, if there is a spare material having the same P value, the ranking is determined through the second-order spare material determination method. The second-order preliminary determination will list the rankings via alarm classification set data by facility. That is, the priority is determined in the order of spare materials of the facility having the highest number of generated alarm occurrences (S1351).
아울러, 알람 발생 횟수가 동일한 예비 자재의 유무를 파학(S137)하고, 동일한 알람 발생 회수를 갖는 설비가 존재하는 경우 3순위 예비자재 결정 방법을 통해 순위를 결정하게 된다. 3순위 예비자재 결정은 각 설비 별 중요도 순으로 순위를 나열하게 된다. 즉 현재까지 축적된 발전 시스템 운영 방법을 통해 설비별 중요도를 결정하고, 위 중요도가 높은 설비의 예비자재 순으로 우선순위를 결정(S1371)하게 된다. In addition, the presence or absence of the alarm material having the same number of occurrence of the alarm (S137), and if there is a facility having the same number of alarm occurrence, the ranking is determined through the third-order spare material determination method. The third priority preliminary materials decision will list the rankings in order of importance for each installation. That is, the importance of each facility is determined by the method of operating the power generation system accumulated up to now, and the priority is determined in order of the spare materials of the facility having the highest importance (S1371).
본 발명의 상기한 실시 예에 한정하여 기술적 사상을 해석해서는 안 된다. 적용범위가 다양함은 물론이고, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당업자의 수준에서 다양한 변형 실시가 가능하다. 따라서 이러한 개량 및 변경은 당업자에게 자명한 것인 한 본 발명의 보호범위에 속하게 된다.The technical spirit should not be interpreted as being limited to the above embodiments of the present invention. Various modifications may be made at the level of those skilled in the art without departing from the spirit of the invention as claimed in the claims. Therefore, such improvements and modifications fall within the protection scope of the present invention as long as it will be apparent to those skilled in the art.
Claims (9)
위 생성된 데이터를 지속적으로 축적하는 데이터 축적단계(S20);
위 축적된 데이터로부터 유효 데이터를 추출하는 데이터 추출단계(S30);
위 추출데이터를 이용해 낙차 및 발전출력 대비 최적의 발전효율을 갖는 러너 블레이드 개도 값을 산출하는 개도 값 산출단계(S40);
실제 러너 블레이드 개도 값을 센싱 하는 단계(S50); 및
위 실제 러너 블레이드의 개도 값과, 위 개도 값 산출단계(S40)를 통해 산출된 개도 값을 비교하여 발전 시스템의 이상 여부를 판단하는 안정도 판정 단계(S60)를 포함하며,
상기 개도 값 산출단계(S40)는,
유효낙차 및 발전출력에 따라 선택되는 러너 블레이드 개도 값 적용 공식을 통해 산출되며, 위 개도 값 적용 공식은 아래 표를 통해 선택되는 것을 특징으로 하는, 축적 데이터 기반 카플란 벌브 형 수차 발전설비 시뮬레이션 시스템.
A data generation step (S10) of generating various data while operating the power generation system;
A data accumulation step (S20) of continuously accumulating the generated data;
A data extraction step (S30) of extracting valid data from the accumulated data;
An opening value calculation step (S40) of calculating an opening value of a runner blade having an optimal generation efficiency with respect to free fall and generation power using the extracted data;
Sensing an actual runner blade opening value (S50); And
Comprising a stability determination step (S60) of determining whether the power generation system is abnormal by comparing the opening degree value of the actual runner blade and the opening degree value calculated through the above opening value calculation step (S40),
The opening value calculation step (S40),
The Kaplan Bulb-type aberration generating system simulation system based on accumulated data, which is calculated through a runner blade opening value application formula selected according to the effective drop and generation power, and the above opening degree application formula is selected through the table below.
상기 데이터 추출단계(S30)를 통해 추출된 유효 데이터는,
러너 블레이드의 개도 값, 댐의 수위, 발전출력, 댐의 낙차 중 선택되는 하나 이상인 것을 특징으로 하는, 축적 데이터 기반 카플란 벌브 형 수차 발전설비 시뮬레이션 시스템.
The method of claim 1,
Valid data extracted through the data extraction step (S30),
Accumulated data-based Kaplan Bulb-type aberration generating system simulation system, characterized in that at least one selected from the opening value of the runner blade, the water level of the dam, the power output, the fall of the dam.
상기 유효낙차는,
총낙차를 이용하여 산출하되, 상기 총낙차는 취수구 수위와 방수구 수위와의 고저차를 말하고, 유효낙차는 아래 식으로 통해 산출되는, 축적 데이터 기반 카플란 벌브 형 수차 발전설비 시뮬레이션 시스템.
The method of claim 1,
The effective drop,
The total drop is calculated using a total drop, wherein the total drop refers to the difference between the water level of the intake water level and the water discharge port, and the effective drop is calculated by the following equation, accumulated data-based Kaplan bulb-type aberration power generation simulation system.
상기 안정도 판정 단계(S60)는,
위 개도 값 적용 공식을 통해 산출된 제1 개도 값과, 실제 개도 값인 제2 개도 값을 비교하여 그 차가 5프로 이하인 경우 발전 시스템이 정상인 것으로 판단하고, 5프로 초과인 경우 발전 시스템이 이상인 것으로 판단하는, 축적 데이터 기반 카플란 벌브 형 수차 발전설비 시뮬레이션 시스템.
The method of claim 4, wherein
The stability determination step (S60),
The first opening value calculated by the above opening value application formula is compared with the second opening value, which is the actual opening value, and when the difference is 5% or less, it is determined that the power generation system is normal. Accumulation data-based Kaplan bulb type aberration generator simulation system.
각 설비별로 할당된 어드레스를 바탕으로 발생하는 알람을 각 설비별로 취합 및 분류하여 집합을 구성하는 집합 구성 단계(S110);
상기 구성된 설비별 집합에 대해 발생된 알람의 개수를 카운팅하고 알람의 빈도가 가장 높은 설비의 순서대로 자동 분류하는 집합 분류 단계(S120); 및
상기 분류된 데이터를 기반으로 예비 자재 구매 순서를 결정하고, 신청하는 구매 순서 결정 단계(S130)를 포함하는, 축적 데이터 기반 카플란 벌브 형 수차 발전설비 시뮬레이션 시스템을 이용한 설비 관리 시스템.
In the facility management system using the capulan bulb-type aberration power plant simulation system based on the accumulated data of claim 1,
A set configuration step (S110) of collecting and classifying alarms generated based on an address assigned to each facility for each facility to form a set;
A set classification step (S120) of counting the number of alarms generated for the configured set of equipment and automatically classifying the order of equipment having the highest frequency of alarms; And
The equipment management system using the accumulated data-based Kaplan bulb type aberration power plant simulation system comprising the step of determining the purchase order of the preliminary material based on the classified data, and applying for the purchase order determination step (S130).
상기 집합 분류 단계(S120)는,
각 설비별 발생 알람 횟수를 수집하는 단계(S121);
일정 기간 동안 발생된 설비별 알람 횟수를 추가하여 데이터베이스를 생성하는 단계(S122);
발생된 알람을 각 설비별로 분류하고, 설비별 알람 집합 내 발생 알람 수가 많은 순서대로 설비를 나열하는 단계(S124);
각 설비 별 일정 기간 동안 x번 이상 알람이 발생된 설비가 있는 지 유무를 파악하는 단계(S125)와, 이를 만족한 경우 고장 다빈도 설비로 분류(S1251)하는 단계;
각 설비 별 일정 기간 동안 x번 보다 작은 y번 이하 알람이 발생된 설비가 있는지 유무를 파악하는 단계(S126)와, 이를 만족한 경우 고장 저빈도 설비로 분류(S1261)하는 단계;
위 고장 다빈도 설비의 경우 알람횟수에 가중치를 적용 하여 최종 알람횟수를 결정하는 단계(S1252);
고장 저빈도 설비의 경우 알람횟수에 감경치를 적용 하여 최종 알람횟수를 결정(S1262)하는 단계;
위 고장 다빈도 설비 및 고장 저빈도 설비에 해당되지 않는 경우 알람횟수를 그대로 적용하여 최종 알람횟수를 결정하는 단계(S127); 및
위 최종 산출된 알람 횟수를 통해 알람의 빈도가 가장 높은 설비의 순서대로 설비 별 집합을 분류하는 단계(S128)를 포함하는, 축적 데이터 기반 카플란 벌브 형 수차 발전설비 시뮬레이션 시스템을 이용한 설비 관리 시스템.
The method of claim 6,
The set classification step (S120),
Collecting the number of alarms generated by each facility (S121);
Generating a database by adding the number of alarms for each facility generated for a predetermined period of time (S122);
Classifying the generated alarms for each facility, and listing the facilities in order of the number of alarms generated in the alarm set for each facility (S124);
Determining whether there is a facility for which an alarm has been generated for at least x times during a predetermined period of each facility (S125), and if satisfied, classifying it as a faulty frequency facility (S1251);
Determining whether there is a facility having an alarm occurring less than x times less than x times during a predetermined time period for each facility (S126), and classifying it as a failure low frequency facility (S1261) if satisfied;
In the case of the above-mentioned failure frequency facility, determining a final alarm frequency by applying a weight to the alarm frequency (S1252);
In the case of a fault low frequency facility, determining a final alarm frequency by applying a reduction value to the alarm frequency (S1262);
Determining the final alarm frequency by applying the alarm frequency as it is when the failure frequency and the low frequency equipment are not applicable (S127); And
The facility management system using the Kaplan Bulb-type aberration power plant simulation system based on accumulated data, comprising the step (S128) of classifying a set of equipments in order of the equipment having the highest frequency of alarms based on the final number of alarms.
상기 구매 순서 결정 단계(S130)는,
설비 별 필수 보유 예비자재의 수를 정의하는 단계(S131);
설비 별 현재 보유 예비자재의 수를 정의하는 단계(S132);
필요 보유 예비자재 값과, 현재 보유 예비자재 값을 통해 예비자재보유율(P)을 산출하는 단계(S133);
각각의 설비별로 예비자재보유율(P)을 산출하는 단계(S134);
같은 P 값을 갖는 설비가 있는지 유무를 파악하는 단계(S135);
동일한 P 값이 존재하지 않는 경우 P값이 큰 순서대로 설비별 예비자재 우선순위를 결정하는 단계(S136);
P값이 동일한 예비 자재가 존재하는 경우 최종 산출된 알람 발생 횟수가 높은 설비의 예비자재 순으로 우선순위를 결정하는 단계(S1351);
알람 발생 횟수가 동일한 예비 자재의 유무를 파악하는 단계(S137);
동일한 알람 발생 회수를 갖는 설비가 존재하는 경우 중요도가 높은 설비의 예비자재 순으로 우선순위를 결정하는 단계(S1371)를 포함하는, 축적 데이터 기반 카플란 벌브 형 수차 발전설비 시뮬레이션 시스템을 이용한 설비 관리 시스템.
The method of claim 7, wherein
The purchase order determination step (S130),
Defining the number of necessary reserve materials for each facility (S131);
Defining the number of current reserve materials for each facility (S132);
Calculating a reserve material holding ratio (P) based on the required reserve material value and the current reserve material value (S133);
Calculating a reserve material retention rate (P) for each facility (S134);
Determining whether there is a facility having the same P value (S135);
If the same P value does not exist, determining the material priorities for each facility in order of increasing P values (S136);
Determining a priority in the order of spare materials of the facility having the highest number of alarm occurrences last calculated when spare materials having the same P value exist (S1351);
Determining whether or not the number of alarm occurrences is the same as preliminary materials (S137);
If there is a facility having the same number of alarm occurrence, the facility management system using a Kaplan Bulb-type aberration power plant simulation system based on accumulated data, comprising the step (S1371) of determining the priority in the order of spare materials of the facility of high importance.
상기 예비자재보유율(P)을 산출하는 단계(S133)는,
아래의 식을 통해 산출되는 것을 특징으로 하는, 축적 데이터 기반 카플란 벌브 형 수차 발전설비 시뮬레이션 시스템을 이용한 설비 관리 시스템.
Calculating the preliminary material holding rate (P) (S133),
Facility management system using the Kaplan Bulb-type aberration power generation simulation system based on accumulated data, which is calculated by the following equation.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170135934A KR102023169B1 (en) | 2017-10-19 | 2017-10-19 | Simulation System for Kaplan Bulb type Runner Generating Facilities and Facilities Management System using the Same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170135934A KR102023169B1 (en) | 2017-10-19 | 2017-10-19 | Simulation System for Kaplan Bulb type Runner Generating Facilities and Facilities Management System using the Same |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190043879A KR20190043879A (en) | 2019-04-29 |
| KR102023169B1 true KR102023169B1 (en) | 2019-09-20 |
Family
ID=66282756
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170135934A KR102023169B1 (en) | 2017-10-19 | 2017-10-19 | Simulation System for Kaplan Bulb type Runner Generating Facilities and Facilities Management System using the Same |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102023169B1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112855408B (en) * | 2021-01-15 | 2022-03-11 | 湖南五凌电力科技有限公司 | Early warning method and early warning device for hydroelectric generating set |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013242244A (en) | 2012-05-22 | 2013-12-05 | Hitachi High-Technologies Corp | Automatic analyzer |
| JP2016018526A (en) * | 2014-07-11 | 2016-02-01 | 株式会社荏原製作所 | Failure diagnosis system and failure diagnosis method |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5993970A (en) * | 1982-11-20 | 1984-05-30 | Hitachi Ltd | Control device of pump water turbine |
-
2017
- 2017-10-19 KR KR1020170135934A patent/KR102023169B1/en active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013242244A (en) | 2012-05-22 | 2013-12-05 | Hitachi High-Technologies Corp | Automatic analyzer |
| JP2016018526A (en) * | 2014-07-11 | 2016-02-01 | 株式会社荏原製作所 | Failure diagnosis system and failure diagnosis method |
Non-Patent Citations (1)
| Title |
|---|
| 천쩐무 외 1. 프란시스수차 러너 블레이드 출구면적이 성능에 미치는 영향. 한국유체기계학회 2016, pp. 5~10. 1부.* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20190043879A (en) | 2019-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Modi et al. | Low inertia power systems: Frequency response challenges and a possible solution | |
| Diao et al. | Design of a real-time security assessment tool for situational awareness enhancement in modern power systems | |
| CN103400302B (en) | A kind of wind power base cascading failure risk perceptions method for early warning | |
| CN102934312B (en) | Energy production system and control thereof | |
| US11604502B2 (en) | Systems and methods for intelligent alarm grouping | |
| CN102588210A (en) | Filtering method for preprocessing fitting data of power curve | |
| US20140203562A1 (en) | System and method for controlling a wind turbine including conrolling yaw or other parameters | |
| US11740266B2 (en) | Systems and methods for monitoring energy-related data in an electrical system | |
| CN104463697A (en) | Risk assessment method for power system including large-scale wind power | |
| CN105043770A (en) | Wind turbine generator abnormal vibration judging method and apparatus thereof | |
| WO2011131631A1 (en) | Energy network and control thereof | |
| KR20230038281A (en) | Monitoring method, system and computer readable storage medium of wind turbine generator system | |
| Li et al. | Transient safety assessment and risk mitigation of a hydroelectric generation system | |
| KR102023169B1 (en) | Simulation System for Kaplan Bulb type Runner Generating Facilities and Facilities Management System using the Same | |
| KR101168971B1 (en) | Wind power generation system with power storage system | |
| Cevasco et al. | O&M cost-Based FMECA: Identification and ranking of the most critical components for 2-4 MW geared offshore wind turbines | |
| Castellani et al. | A new data mining approach for power performance verification of an on-shore wind farm | |
| JP7131971B2 (en) | Power system stabilization system and power system stabilization method | |
| Santelo et al. | Wind turbine failures review and trends | |
| Khediri et al. | Deep-belief network based prediction model for power outage in smart grid | |
| CN107886227B (en) | Method for evaluating disaster resistance improvement degree of power distribution network | |
| Riquelme-Dominguez et al. | Improved harmony search algorithm to compute the underfrequency load shedding parameters | |
| CN103617454A (en) | Wind power plant power forecast method according to numerical weather forecasts | |
| Petrichenko et al. | Development and integration of adaptive underfrequency load shedding into the smart grid | |
| Fruh | Evaluation of simple wind power forecasting methods applied to a long-term wind record from Scotland |
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 |