KR102126427B1 - 고압 펌프 고장 예지 방법 및 시스템 - Google Patents

고압 펌프 고장 예지 방법 및 시스템 Download PDF

Info

Publication number
KR102126427B1
KR102126427B1 KR1020170173885A KR20170173885A KR102126427B1 KR 102126427 B1 KR102126427 B1 KR 102126427B1 KR 1020170173885 A KR1020170173885 A KR 1020170173885A KR 20170173885 A KR20170173885 A KR 20170173885A KR 102126427 B1 KR102126427 B1 KR 102126427B1
Authority
KR
South Korea
Prior art keywords
driving
factor
pressure pump
high pressure
regression analysis
Prior art date
Application number
KR1020170173885A
Other languages
English (en)
Other versions
KR20190072813A (ko
Inventor
김종화
윤상현
지상배
박정주
Original Assignee
포스코에너지 주식회사
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 포스코에너지 주식회사 filed Critical 포스코에너지 주식회사
Priority to KR1020170173885A priority Critical patent/KR102126427B1/ko
Publication of KR20190072813A publication Critical patent/KR20190072813A/ko
Application granted granted Critical
Publication of KR102126427B1 publication Critical patent/KR102126427B1/ko

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
    • 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]
    • 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
    • F04B49/10—Other safety measures
    • 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
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

본 발명은 고압 펌프 고장 예지 방법 및 시스템에 관한 것으로, 본 발명의 일 실시예에 따른 고압 펌프 고장 예지 방법은, 발전기의 운전 데이터를 수집하는 단계; 상기 발전기의 과거 정상 운전 기간동안, 고압 펌프에 관한 운전 데이터 중 주요 운전 인자별로 제1 회귀 분석을 실시하여, 주요 운전 인자별 제1 예측식을 도출하는 단계; 상기 주요 운전 인자별 제1 예측식에 기초하여, 주요 운전 인자별로 정상 운전 범위를 설정하는 단계; 상기 주요 운전 인자별 운전 데이터가 일정 기간 단위로 해당 정상 운전 범위 내에서 소정의 변동 추세를 보이는 경우, 해당 주요 운전 인자의 운전 데이터에 대해서 제2 회귀 분석을 실시하여, 제2 예측식을 도출하는 단계; 및 상기 제2 예측식에 기초한 주요 운전 인자의 예측값이 상기 정상 운전 범위를 벗어나는 시점을 상기 고압 펌프의 고장 시점으로서 예측하는 단계를 포함한다.

Description

고압 펌프 고장 예지 방법 및 시스템{high pressure pump failure prediction Method And System}
본 발명은 발전기에 적용되는 고압 펌프 고장 예지 방법 및 시스템에 관한 것이다.
발전기는 예를 들면 가스 터빈, 스팀 터빈, 보일러, 복수기 및 보조 설비 등 다양한 설비가 유기적으로 기동하여 전력을 생산한다.
보조 설비 중에는 대용량 고압 펌프가 포함되며, 예로써, 급수 펌프(BFP: Boiler Feedwater Pump), 해수 순환수 펌프(CWP: Circulating Water Pump), 복수 추출 펌프(CEP: Condensate Extraction Pump) 등을 들 수 있다.
그런데, 이와 같은 고압 펌프는 고장이 나면 발전소 가동이 정지되는 필수 설비이지만, 종래에는 고압 펌프에 대한 사전 고장 예지나 진단 시스템이 없어서, 고장이 발생한 후에야 정비를 실시하는 사후 대응 방식이 적용되고 있었다.
본 발명은 상기와 같은 문제점을 감안하여 이루어진 것으로, 고압 펌프에 있어서 사전에 설비 이상을 감지하여 고장을 미연에 방지할 수 있도록 하는 고압 펌프 고장 예지 방법 및 시스템을 제공하는 데 목적이 있다.
상기와 같은 기술적 과제를 해결하기 위하여, 본 발명의 일 실시예에 따른 고압 펌프 고장 예지 방법은, 발전기의 운전 데이터를 수집하는 단계; 상기 발전기의 과거 정상 운전 기간동안, 고압 펌프에 관한 운전 데이터 중 주요 운전 인자별로 제1 회귀 분석을 실시하여, 주요 운전 인자별 제1 예측식을 도출하는 단계; 상기 주요 운전 인자별 제1 예측식에 기초하여, 주요 운전 인자별로 정상 운전 범위를 설정하는 단계; 상기 주요 운전 인자별 운전 데이터가 일정 기간 단위로 해당 정상 운전 범위 내에서 소정의 변동 추세를 보이는 경우, 해당 주요 운전 인자의 운전 데이터에 대해서 제2 회귀 분석을 실시하여, 제2 예측식을 도출하는 단계; 및 상기 제2 예측식에 기초한 주요 운전 인자의 예측값이 상기 정상 운전 범위를 벗어나는 시점을 상기 고압 펌프의 고장 시점으로서 예측하는 단계를 포함한다.
고압 펌프는 급수 펌프, 해수 순환수 펌프 및 복수 추출 펌프 중 어느 하나일 수 있다.
주요 운전 인자는, 고압 펌프에 대한 모터 정보, 압력 정보, 유량 정보, 온도 정보 및 진동 정보를 포함한다.
일례로, 제1 회귀 분석은, 각 주요 운전 인자에 대해서 미리 설정된 적어도 하나의 영향 인자를 독립 변수로 하여 회귀 분석을 실시하는 것이며, 주요 운전 인자별 제1 예측식은, 주요 운전 인자별로 독립 변수와, 제1 회귀 분석에 의해 도출된 독립 변수에 대한 회귀 계수에 기초하여 도출될 수 있다. 여기서, 영향 인자는, 주요 운전 인자별로 상관 분석을 통해서 설정된 기준보다 높은 상관 관계를 보이는 인자로 설정될 수 있다.
또한, 주요 운전 인자별로 정상 운전 범위를 설정하는 단계에서, 정상 운전 범위는 각 주요 운전 인자에 대해 주요 운전 인자별 제1 예측식을 기준으로 과거 정상 운전 기간동안의 편차를 고려하여 설정될 수 있다.
일례로, 제2 회귀 분석은, 일정 기간 동안 소정의 변동 추세를 보이는 주요 운전 인자의 운전 데이터에 대해서 일정 기간 동안의 운전 시간에 따라 회귀 분석을 실시하는 것이며, 제2 예측식은, 운전 시간 및 제2 회귀 분석에 의해 도출된 운전 시간에 대한 회귀 계수에 기초하여 도출될 수 있다.
한편, 본 발명의 다른 실시예에 따른 고압 펌프 고장 예지 시스템은, 발전기의 운전 데이터를 수집하는 데이터 수집부; 상기 발전기의 과거 정상 운전 기간동안, 고압 펌프에 관한 운전 데이터 중 적어도 하나의 주요 운전 인자별로 제1 회귀 분석을 실시하여, 주요 운전 인자별 제1 예측식을 도출하는 제1 회귀 분석부; 상기 주요 운전 인자별 제1 예측식에 기초하여, 주요 운전 인자별로 정상 운전 범위를 설정하는 정상 운전 범위 설정부; 상기 주요 운전 인자별 운전 데이터가 일정 기간 단위로 해당 정상 운전 범위 내에서 소정의 변동 추세를 보이는 경우, 해당 주요 운전 인자의 운전 데이터에 대해서 제2 회귀 분석을 실시하여, 제2 예측식을 도출하는 제2 회귀 분석부; 및 상기 제2 예측식에 기초한 주요 운전 인자의 예측값이 상기 정상 운전 범위를 벗어나는 시점을 상기 고압 펌프의 고장 시점으로서 예측하는 예측부를 포함한다.
본 발명에 의하면, 고압 펌프의 정상 운전 범위를 발전소의 현장 여건에 맞게 설정할 수 있고, 또한, 정상 운전 범위를 벗어나는 고장 시점을 예측할 수 있으므로, 고압 펌프에 있어서 사전에 설비 이상을 감지하여 고장을 미연에 방지할 수 있다.
본 발명에 의한 다른 효과는, 이후 실시예에 따라 추가적으로 설명하기로 한다.
도 1은 복합 발전 시스템의 구성을 개략적으로 나타내는 블록도이다.
도 2의 (a)는 본 발명의 일 실시예에 따른 고압 펌프 고장 예지 시스템의 구성을 나타내는 블록도이며, 도 2의 (b)는 도 2의 (a)의 제어부의 구성을 나타내는 블록도이다.
도 3은 본 발명의 일 실시예에 따른 고압 펌프에 관한 주요 운전 인자 그룹과 외부 인자 그룹의 운전 데이터를 설명하기 위한 개념도이다.
도 4는 가동 시간에 따른 주요 운전 데이터를 예측값 및 정상 운전 범위와 함께 나타내는 그래프로서, 도 4의 (a)는 주요 운전 데이터가 정상 운전 범위 내에서 운전 중인 경우를 나타내며, 도 4의 (b)는 주요 운전 데이터가 정상 운전 범위를 벗어난 경우를 나타낸다.
도 5는 본 발명의 일 실시예에 따른 제2 예측식 도출과정을 설명하기 위한 도면으로서, 도 5의 (a)는 주요 운전 데이터가 가동 시간에 따라 소정의 추세를 보이는 경우를 나타낸 그래프이며, 도 5의 (b)는 도 5의 (a)의 소정의 추세를 보이는 구간에 대해서 제2 예측식을 도출하는 것을 나타낸 그래프이다.
도 6은 본 발명의 일 실시예에 따른 고압 펌프 고장 예지 방법을 나타내는 순서도이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 본 발명에 따른 실시 예들을 첨부도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
먼저, 본 발명이 적용될 수 있는 발전 시스템을 간단히 설명하기로 한다.
도 1은 복합 발전 시스템의 구성을 개략적으로 나타내는 블록도이다. 도 1에서와 같이, 복합 발전 시스템은 예를 들면 가스 터빈(110), 스팀 터빈(140), 발전기(120), 보일러(130)(예로써, 배열 회수 보일러) 및 복수기(150)를 포함한다. 먼저, 가스 터빈(110)은 공기 압축기(이하, 간단히 '압축기'라고도 한다), 연소기 및 터빈으로 이루어지고, 압축기에서 압축된 공기를 연소기에서 가스 연료와 함께 연소시킴으로써, 생긴 고온 고압의 가스를 터빈에 내뿜으면서 팽창시켜 가스 터빈을 회전시킨다. 이에 따라, 가스 터빈(110)은 공기 압축기와 연소기를 통해 얻은 회전력을 이용하여 발전기(120)를 1차적으로 구동시킨다. 한편, 가스 터빈(110)에서 터빈을 회전시킨 고온 고압의 가스는 보일러(130)로 공급되고, 스팀 터빈(140)은 보일러(130)로부터 공급되는 고압 고온의 증기를 이용하여 회전하여 발전기(120)를 2차적으로 구동시킨다. 이때, 스팀 터빈(110)의 고압 터빈, 중압 터빈 및 저압 터빈을 순서대로 거친 증기는 복수기(150)에서 냉각 응축되어 물로 환원되고, 환원된 물은 재활용을 위해서 다시 보일러(130)로 보내진다. 이와 같이 하여, 복합 발전을 실시할 수 있다.
여기서, 도시하지는 않았으나, 복합 발전 시스템에 적용되는 고압 펌프는 급수 펌프(BFP), 해수 순환수 펌프(CWP), 복수 추출 펌프(CEP) 등이 있다. 급수 펌프(BFP)는 가스 터빈(110)의 연소열을 회수하는 배열회수 보일러에 적정 압력의 물을 공급하는 설비이고, 해수 순환수 펌프(CWP)는 복수기(150)에 냉각수(통상 바닷물)를 공급하여 복수기 진공 형성을 효과적으로 할 수 있도록 하는 설비이며, 복수 추출 펌프(CEP)는 복수기(150) 응축수를 추출하여 발전에 사용되는 순수를 보일러(130)로 보내 순환할 수 있도록 하는 설비이다.
본 발명은 이러한 발전 시스템에서 고압 펌프의 고장을 사전에 감지하여 미리 예방할 수 있도록 하기 위한 것이다. 또한, 도 1에서는 복합 발전 시스템을 예로 들어 설명했으나, 고압 펌프가 적용되는 발전 시스템이면 단일의 가스 터빈 발전 시스템, 스팀 터빈 발전 시스템이어도 상관없다.
이어서, 도 2를 이용하여, 본 발명의 일 실시예에 따른 고압 펌프 고장 예지 시스템에 대해서 설명하기로 한다. 도 2의 (a)는 본 발명의 일 실시예에 따른 고압 펌프 고장 예지 시스템의 구성을 나타내는 블록도이며, 도 2의 (b)는 도 2의 (a)의 제어부의 구성을 나타내는 블록도이다.
도 2의 (a)에 도시된 바와 같이, 본 발명의 일 실시예에 따른 고압 펌프 고장 예지 시스템(1)은, 크게 통신부(10), 표시부(30) 및 제어부(20)를 포함할 수 있다.
먼저, 통신부(10)는 유/무선을 이용하여 외부 장치와 통신하는 장치로서, 제어부(20)에 의해 제어된다.
표시부(30)는 사용자 인터페이스로서, 제어부(20)의 제어에 의해 각종 입력 정보, 처리 정보 등을 표시하는 디스플레이 장치이다.
제어부(20)는 고압 펌프 고장 예측을 위한 전반적인 프로세스를 수행하는 처리부로서, 도 2의 (b)에 도시된 바와 같이, 데이터 수집부(21), 제1 회귀 분석부(22), 정상 운전 범위 설정부(23), 제2 회귀 분석부(24) 및 예측부(25)를 포함할 수 있다.
데이터 수집부(21)는 발전기의 운전 데이터를 수집하는 구성이다. 일례로, 데이터 수집부(10)는 통신부(10)를 통해 고압 펌프와 관련된 미리 설정된 운전 데이터를 실시간으로 수집하거나, 과거 운전 데이터를 수집할 수 있다. 여기서, 고압 펌프는 급수 펌프, 해수 순환수 펌프 및 복수 추출 펌프 중 적어도 하나일 수 있다.
제1 회귀 분석부(22)는 발전기의 과거 정상 운전 기간동안, 고압 펌프에 관한 운전 데이터 중 적어도 하나의 주요 운전 인자별로 제1 회귀 분석을 실시하여, 주요 운전 인자별 제1 예측식을 도출하는 처리부이다.
구체적으로, 제1 회귀 분석은, 예를 들면, 각 주요 운전 인자에 대해서 미리 설정된 적어도 하나의 영향 인자를 독립 변수로 하여 회귀 분석을 실시하는 것이며, 주요 운전 인자별 제1 예측식은, 주요 운전 인자별로 독립 변수와, 제1 회귀 분석에 의해 도출된 독립 변수에 대한 회귀 계수에 기초하여 도출될 수 있다.
여기서, 주요 운전 인자는, 고압 펌프의 고장과 직접적으로 관련된 운전 데이터로서, 고압 펌프에 대한 모터 정보, 압력 정보, 유량 정보, 온도 정보 및 진동 정보 중 적어도 하나를 포함한다.
또한, 영향 인자는, 주요 운전 인자별로 상관 분석을 통해서 설정된 기준보다 높은 상관 관계를 보이는 인자로 설정되는 것으로, 예를 들어, 영향 인자는 각 주요 운전 인자에 대해서 해당 주요 운전 인자 외의 나머지 주요 운전 인자와, 미리 설정된 외부 인자로 설정될 수 있다.
도 3을 이용하여, 주요 운전 인자의 그룹 외부 인자 그룹을 설명하기로 한다. 도 3은 본 발명의 일 실시예에 따른 고압 펌프에 관한 주요 운전 인자 그룹과 외부 인자 그룹의 운전 데이터를 설명하기 위한 개념도이다.
도 3에서와 같이, 주요 운전 인자 그룹에는, 모터 정보와, 압력 정보와, 온도 정보와, 진동 정보가 포함된다. 도시하지 않았으나, 주요 운전 인자 그룹에는 유량 정보가 더 포함될 수 있다. 또한, 외부 인자 그룹에는 밸브 포지션 정보와, 복수기 관련 정보와, 기타 외부 인자 정보가 포함된다.
예를 들어, 복수 추출 펌프(CEP)의 경우, 주요 운전 인자 그룹에 있어서, 모터 정보는 모터 전류와 모터 권선 온도(예로써, R상, S상, T상 온도)의 정보를 포함할 수 있다. 또한, 압력 정보는 펌프의 토출 압력 정보를 포함할 수 있다. 또한, 온도 정보는 펌프에 마련된 베어링의 온도 정보를 포함할 수 있다. 또한, 진동 정보는 모터 축 방향의 스러스트(thrust) 정보와 베어링 진동 정보를 포함할 수 있다. 또한, 유량 정보는 펌프의 토출 유량 정보를 포함할 수 있다. 한편, 외부 인자 그룹에 있어서, 밸프 포지션 정보에는 펌프 토출 측 밸브 포지션 정보와 덤프 밸브 포지션 정보와 최소 유량 밸브 포지션 정보를 포함할 수 있다. 또한, 복수기 관련 정보에는 수위 정보와 진공도(또는 압력) 정보를 포함할 수 있다. 또한, 기타 외부 인자 정보에는 석션(suction)측 스트레이너 차압 정보와 가스터빈 출력/스팀터빈 출력 정보와 외기 온도 정보를 포함할 수 있다.
또한, 해수 순환수 펌프(CWP)의 경우, 주요 운전 인자 그룹에 있어서, 모터 정보는 모터 전류와 모터 권선 온도(예로써, R상, S상, T상 온도)의 정보를 포함할 수 있다. 또한, 압력 정보는 펌프의 토출 압력 정보를 포함할 수 있다. 또한, 온도 정보는 펌프에 마련된 베어링의 온도 정보를 포함할 수 있다. 또한, 진동 정보는 모터 축 방향의 스러스트 정보와 베어링 진동 정보를 포함할 수 있다. 또한, 유량 정보는 펌프의 토출 유량 정보를 포함할 수 있다. 한편, 외부 인자 그룹에 있어서, 밸프 포지션 정보에는 펌프 토출 측 밸브 포지션를 포함할 수 있다. 또한, 복수기 관련 정보에는 복수기 입구 측 압력/온도 정보와 복수기 전/후단 배관 차압 정보와 복수기의 수위 정보와 복수기의 진공도 정보를 포함할 수 있다. 또한, 기타 외부 인자 정보에는 채수구(Pond) 물 레벨 정보와 가스터빈 출력/스팀터빈 출력 정보와 외기 온도 정보를 포함할 수 있다.
이러한 주요 운전 인자 그룹과 외부 인자 그룹은, 고압 펌프와 관련된 모든 운전 데이터를 기반으로 상관 분석를 통하여, 해당 고압 펌프의 고장과 상관성이 높은 운전 데이터들을 그룹화하여 설정되는 것이다. 예를 들면, 고압 펌프와 관련된 모든 운전 데이터에 대해서 과거 운전 기간 동안의 패턴을 분석하고 이상 데이터를 보이는 기간의 운전 데이터를 제거하여 정상 운전 기간 동안의 운전 데이터를 확보한 후, 고압 펌프의 고장과 직접적으로 관련되는 주요 운전 인자를 선정하여, 주요 운전 인자별로 해당 주요 운전 인자와 서로 높은 상관 관계를 보이는 인자들을 선정하여, 주요 운전 인자 그룹과 외부 인자 그룹으로 그룹화한 것이다. 즉, 주요 운전 인자 그룹의 각 인자와 외부 인자 그룹의 각 인자는 서로 높은 상관 관계를 갖는다. 또한, 주요 운전 인자 그룹 및 외부 인자 그룹은 고압 펌프 또는 발전기 구조에 따라 다르게 설정될 수 있다.
이에 따라, 제1 회귀 분석시, 예를 들어, 주요 운전 인자로서 온도 정보에 대해 회귀 분석을 실시하는 경우, 영향 인자로서, 나머지 주요 운전 인자(즉, 모터 정보, 압력 정보, 유량 정보 및 진동 정보)와 외부 인자 그룹(밸브 포지션 정보, 복수기 관련 정보 및 기타 외부 인자 정보)을 독립 변수로 하여 회귀 분석을 수행함으로써, 온도 정보에 대한 제1 예측식을 도출할 수 있다. 마찬가지로, 제1 회귀 분석시, 예를 들어, 주요 운전 인자로서 압력 정보에 대해 회귀 분석을 실시하는 경우, 영향 인자로서, 나머지 주요 운전 인자(즉, 모터 정보, 유량 정보, 온도 정보 및 진동 정보)와 외부 인자 그룹(밸브 포지션 정보, 복수기 관련 정보 및 기타 외부 인자 정보)을 독립 변수로 하여 회귀 분석을 수행함으로써, 압력 정보에 대한 제1 예측식을 도출할 수 있다.
이와 같은 방식으로, 모터 정보 및 진동 정보의 주요 운전 인자에 대해서도 각각 제1 예측식을 도출할 수 있다. 예를 들어, 모터 정보로서 모터 전류가 주요 운전 인자로 선정되는 경우, 나머지 주요 운전 인자로서 모터 정보의 모터 권선 온도도 포함될 수 있다.
다만, 제1 회귀 분석에 있어서, 영향 인자를 독립 변수로 선정할 때, 다중공선성 제거를 위해 상관성이 높은 변수는 대표 변수 하나만 반영하여 선정할 수 있다.
또한, 제1 회귀 분석부(22)는, 주요 운전 인자별 제1 예측식에 대해서, 각각 과거의 운전 데이터를 이용한 학습 과정을 거쳐 예측 오차를 검증하는 과정을 통해 제1 예측식에 의한 예측값이 실제의 주요 운전 데이터(실제값)와 가장 유사하게 모델링된 함수를 제1 예측식으로 선정할 수 있다.
이어서, 정상 운전 범위 설정부(23)는 주요 운전 인자별 제1 예측식에 기초하여, 주요 운전 인자별로 정상 운전 범위를 설정하는 구성이다. 일례로, 정상 운전 범위는 각 주요 운전 인자에 대해 주요 운전 인자별 제1 예측식을 기준으로 과거 정상 운전 기간동안의 편차를 고려하여 설정될 수 있다.
이에 따라, 제어부(20)는 표시부(30)를 통해, 도 4의 (a)와 같이, 주요 운전 인자별로 가동 시간에 따른 실제 운전 데이터와, 제1 예측식에 의한 예측값과, 정상 운전 범위를 표시하여, 실시간으로 모니터링을 수행할 수 있다.
또한, 제어부(20)는 알람부(미도시)를 더 구비하여, 도 4의 (b)와 같이, 주요 운전 인자별 실시간 모니터링시, 주요 운전 인자에 대한 실제 운전 데이터가 정상 운전 범위를 순간적으로 벗어나는 것을 감지하고 알람을 발생시킬 수 있다.
이어서, 제2 회귀 분석부(24)는 주요 운전 인자별 운전 데이터가 일정 기간 단위로 해당 정상 운전 범위 내에서 소정의 변동 추세를 보이는 경우, 해당 주요 운전 인자의 운전 데이터에 대해서 제2 회귀 분석을 실시하여, 제2 예측식을 도출하는 구성이다.
일례로, 제2 회귀 분석은, 일정 기간 동안 소정의 변동 추세를 보이는 주요 운전 인자의 운전 데이터에 대해서 일정 기간 동안의 운전 시간에 따라 회귀 분석을 실시하는 것이며, 제2 예측식은, 운전 시간 및 제2 회귀 분석에 의해 도출된 운전 시간에 대한 회귀 계수에 기초하여 도출될 수 있다.
여기서, 소정의 변동 추세는, 소정의 단기간 동안 주요 운전 인자가 미리 설정된 기준폭보다 크게 변동되는 경우이거나, 또는 소정의 장기간 동안 주요 운전 인자가 지속적으로 변동되는 경우이거나, 또는 주요 운전 인자가 초기값을 기준으로 설정된 기준값을 초과하는 경우일 수 있다. 이에 따라, 제어부(20)는 각 주요 운전 인자가 소정의 변동 추세를 보이는 것으로 판단되는 경우, 제2 회귀 분석부(24)를 이용하여 제2 회귀 분석을 실시할 수 있다.
도 5를 이용하여 제2 예측식 도출과정을 설명하기로 한다. 도 5는 본 발명의 일 실시예에 따른 제2 예측식 도출과정을 설명하기 위한 도면으로서, 도 5의 (a)는 주요 운전 데이터가 가동 시간에 따라 소정의 추세를 보이는 경우를 나타낸 그래프이며, 도 5의 (b)는 도 5의 (a)의 소정의 추세를 보이는 구간에 대해서 제2 예측식을 도출하는 것을 나타낸 그래프이다.
먼저, 도 5의 (a)와 같이, 가동 시간에 따라 베어링의 온도에 대한 운전 데이터(실제값)를 모니터링한다. 이때, 제어부(20)가 A 구간에서 소정의 변동 추세를 보인 것으로 판단한 경우, A 구간의 가동 시간에 따라 베어링의 온도에 대한 운전 데이터를 회귀 분석하여, 도 5의 (b)와 같이, 제2 예측식을 도출한다. 이에 따라, 제2 예측식을 이용하여 현재 시점 이후의 가동 시간에 따른 베어링 온도의 변화를 예측(즉, 각 주요 운전 인자에 대한 미래 추세를 예측)할 수 있다.
일례로, 제2 예측식도 A 구간 동안의 과거의 운전 데이터를 이용한 학습 과정을 거쳐 예측 오차를 검증하는 과정을 통해 제2 예측식에 의한 예측값이 실제의 주요 운전 데이터(실제값)와 가장 유사하게 모델링된 함수를 제2 예측식으로 선정할 수 있다.
이어서, 예측부(25)는 제2 예측선에 기초한 주요 운전 인자의 예측값이 정상 운전 범위를 벗어나는 시점을 고압 펌프의 고장 시점으로서 예측하는 고장 시점 예측부이다.
이에 따라, 제어부(20)는 예측된 고장 시점을 표시부(30)를 통해 표시하거나, 알람부(미도시)를 통해 해당 고장 시점을 관리자에게 알림으로써, 관리자는 고압 펌프의 이상 여부를 사전에 인지할 수 있다. 뿐만 아니라, 제어부(20)는 주요 운전 인자 별로 고장 시점을 알림으로써, 관리자는 고압 펌프의 이상 여부와 함께 보다 직접적인 이상 부위를 인지할 수 있다.
본 발명에서는 이해를 돕기 위해서 고압 펌프 고장 예지 시스템을 다양한 구성부를 통해서 설명했지만, 고압 펌프 고장 예지 시스템은 각 구성의 기능을 모두 포함하는 컴퓨터 장치로서 구현될 수 있다.
이어서, 도 6을 이용하여, 본 발명에 따른 고압 펌프 고장 예지 방법에 대해서 설명하기로 한다. 도 6은 본 발명의 일 실시예에 따른 고압 펌프 고장 예지 방법을 나타내는 순서도이다.
도 6에 도시된 바와 같이, 본 발명에 따른 고압 펌프 고장 예지 방법은, 먼저, 발전기의 운전 데이터를 수집한다(S10). 이어서, 발전기의 과거 정상 운전 기간동안, 고압 펌프에 관한 운전 데이터 중 주요 운전 인자별로 제1 회귀 분석을 실시하여, 주요 운전 인자별 제1 예측식을 도출한다(S20). 이어서, 주요 운전 인자별 제1 예측식에 기초하여, 주요 운전 인자별로 정상 운전 범위를 설정한다(S30). 이어서, 주요 운전 인자별 운전 데이터가 일정 기간 단위로 해당 정상 운전 범위 내에서 소정의 변동 추세를 보이는 경우, 해당 주요 운전 인자의 운전 데이터에 대해서 제2 회귀 분석을 실시하여, 제2 예측식을 도출한다(S40). 이어서, 제2 예측선에 기초한 주요 운전 인자의 예측값이 정상 운전 범위를 벗어나는 시점을 고압 펌프의 고장 시점으로서 예측한다(S50).
또한, 본 발명에 따른 고압 펌프 고장 예지 시스템 및 방법은 각 구성 또는 단계의 기능을 수행하는 프로그램을 기록한 컴퓨터로 판독 가능한 기록 매체로서 구현될 수 있다.
이와 같은 본 발명에 의하면, 고압 펌프의 정상 운전 범위를 발전소의 현장 여건에 맞게 설정할 수 있고, 또한, 정상 운전 범위를 벗어나는 고장 시점을 예측할 수 있으므로, 고압 펌프에 있어서 사전에 설비 이상을 감지하여 고장을 미연에 방지할 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
10: 통신부 20: 제어부
21: 데이터 수집부 22: 제1 회귀 분석부
23: 정상 운전 범위 설정부 24: 제2 회귀 분석부
25: 예측부
30: 표시부 110: 가스 터빈
120: 발전기 130: 보일러
140: 스팀 터빈 150: 복수기

Claims (8)

  1. 발전기의 운전 데이터를 수집하는 단계;
    상기 발전기의 과거 정상 운전 기간동안, 고압 펌프에 관한 운전 데이터 중 주요 운전 인자별로 제1 회귀 분석을 실시하여, 주요 운전 인자별 제1 예측식을 도출하는 단계;
    상기 주요 운전 인자별 제1 예측식에 기초하여, 주요 운전 인자별로 정상 운전 범위를 설정하는 단계;
    상기 주요 운전 인자별 운전 데이터가 일정 기간 단위로 해당 정상 운전 범위 내에서 소정의 변동 추세를 보이는 경우, 해당 주요 운전 인자의 운전 데이터에 대해서 제2 회귀 분석을 실시하여, 제2 예측식을 도출하는 단계; 및
    상기 제2 예측식에 기초한 주요 운전 인자의 예측값이 상기 정상 운전 범위를 벗어나는 시점을 상기 고압 펌프의 고장 시점으로서 예측하는 단계를 포함하는 고압 펌프 고장 예지 방법.
  2. 청구항 1에 있어서,
    상기 고압 펌프는 급수 펌프, 해수 순환수 펌프 및 복수 추출 펌프 중 어느 하나인 것인 고압 펌프 고장 예지 방법.
  3. 청구항 1에 있어서,
    상기 주요 운전 인자는, 상기 고압 펌프에 대한 모터 정보, 압력 정보, 유량 정보, 온도 정보 및 진동 정보를 포함하는 것인 고압 펌프 고장 예지 방법.
  4. 청구항 1에 있어서,
    상기 제1 회귀 분석은, 각 주요 운전 인자에 대해서 미리 설정된 적어도 하나의 영향 인자를 독립 변수로 하여 회귀 분석을 실시하는 것이며,
    상기 주요 운전 인자별 제1 예측식은, 주요 운전 인자별로 상기 독립 변수와, 상기 제1 회귀 분석에 의해 도출된 독립 변수에 대한 회귀 계수에 기초하여 도출되는 것인 고압 펌프 고장 예지 방법.
  5. 청구항 4에 있어서,
    상기 영향 인자는, 주요 운전 인자별로 상관 분석을 통해서 설정된 기준보다 높은 상관 관계를 보이는 인자로 설정되는 것인 고압 펌프 고장 예지 방법.
  6. 청구항 1에 있어서,
    상기 주요 운전 인자별로 정상 운전 범위를 설정하는 단계에서,
    상기 정상 운전 범위는 각 주요 운전 인자에 대해 주요 운전 인자별 제1 예측식을 기준으로 과거 정상 운전 기간동안의 편차를 고려하여 설정되는 것인 고압 펌프 고장 예지 방법.
  7. 청구항 1에 있어서,
    상기 제2 회귀 분석은, 일정 기간 동안 소정의 변동 추세를 보이는 주요 운전 인자의 운전 데이터에 대해서 상기 일정 기간 동안의 운전 시간에 따라 회귀 분석을 실시하는 것이며,
    상기 제2 예측식은, 상기 운전 시간 및 상기 제2 회귀 분석에 의해 도출된 운전 시간에 대한 회귀 계수에 기초하여 도출되는 것인 고압 펌프 고장 예지 방법.
  8. 발전기의 운전 데이터를 수집하는 데이터 수집부;
    상기 발전기의 과거 정상 운전 기간동안, 고압 펌프에 관한 운전 데이터 중 적어도 하나의 주요 운전 인자별로 제1 회귀 분석을 실시하여, 주요 운전 인자별 제1 예측식을 도출하는 제1 회귀 분석부;
    상기 주요 운전 인자별 제1 예측식에 기초하여, 주요 운전 인자별로 정상 운전 범위를 설정하는 정상 운전 범위 설정부;
    상기 주요 운전 인자별 운전 데이터가 일정 기간 단위로 해당 정상 운전 범위 내에서 소정의 변동 추세를 보이는 경우, 해당 주요 운전 인자의 운전 데이터에 대해서 제2 회귀 분석을 실시하여, 제2 예측식을 도출하는 제2 회귀 분석부; 및
    상기 제2 예측식에 기초한 주요 운전 인자의 예측값이 상기 정상 운전 범위를 벗어나는 시점을 상기 고압 펌프의 고장 시점으로서 예측하는 예측부를 포함하는 고압 펌프 고장 예지 시스템.
KR1020170173885A 2017-12-18 2017-12-18 고압 펌프 고장 예지 방법 및 시스템 KR102126427B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170173885A KR102126427B1 (ko) 2017-12-18 2017-12-18 고압 펌프 고장 예지 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170173885A KR102126427B1 (ko) 2017-12-18 2017-12-18 고압 펌프 고장 예지 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20190072813A KR20190072813A (ko) 2019-06-26
KR102126427B1 true KR102126427B1 (ko) 2020-06-24

Family

ID=67105067

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170173885A KR102126427B1 (ko) 2017-12-18 2017-12-18 고압 펌프 고장 예지 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102126427B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102235336B1 (ko) * 2020-06-05 2021-04-02 (주)씨앤에스아이 이수 순환 시스템의 장비 고장 예측 장치 및 방법
CN114576152B (zh) * 2020-12-01 2024-01-16 格兰富控股联合股份公司 水泵状态监测系统、监测方法、装置、电子设备和介质
KR102331349B1 (ko) * 2021-06-29 2021-11-24 장동주 압송관로 펌프 제어반 고장 진단 장치 및 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000046701A (ja) 1998-07-23 2000-02-18 Japan Nuclear Cycle Development Inst States Of Projects 機器の診断方法
JP2010506268A (ja) 2006-09-28 2010-02-25 フィッシャー−ローズマウント システムズ， インコーポレイテッド 熱交換器における異常状態の防止

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH064789A (ja) * 1992-06-22 1994-01-14 Hitachi Ltd 機器の異常監視方法および装置
JPH06281547A (ja) * 1993-03-26 1994-10-07 Hitachi Ltd 機器の異常監視方法および装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000046701A (ja) 1998-07-23 2000-02-18 Japan Nuclear Cycle Development Inst States Of Projects 機器の診断方法
JP2010506268A (ja) 2006-09-28 2010-02-25 フィッシャー−ローズマウント システムズ， インコーポレイテッド 熱交換器における異常状態の防止

Also Published As

Publication number Publication date
KR20190072813A (ko) 2019-06-26

Similar Documents

Publication Publication Date Title
KR102126427B1 (ko) 고압 펌프 고장 예지 방법 및 시스템
US7113890B2 (en) Method and apparatus for detecting faults in steam generator system components and other continuous processes
US7818276B2 (en) Intelligent monitoring system and method for building predictive models and detecting anomalies
KR102366120B1 (ko) 발전 설비 성능 감시 장치
CN101320253A (zh) 厂级多台发电机组主机重要部件寿命在线管理方法及系统
JP2002155708A (ja) 発電プラントのガイダンス提供システムおよび方法
JP6486566B2 (ja) リスク評価装置、リスク評価方法、及び、リスク評価プログラム
CN105527113B (zh) 一种核电站热能效率监测与诊断系统和方法
KR20170129626A (ko) 보조 설비용 지능형 관리 시스템
WO2016103382A1 (ja) コンバインドサイクルプラント
Jiang et al. Plant performance monitoring and diagnostics: Remote, real-time and automation
Yu et al. A clustering-based fault detection method for steam boiler tube in thermal power plant
JP6574533B2 (ja) リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム
JP6486567B2 (ja) リスク評価装置、リスク評価方法、及び、リスク評価プログラム
CN105781639B (zh) 调整底限压力水平来改善联合循环设备启动的系统及方法
CN114923287B (zh) 一种高压加热器故障预警方法、系统和介质
JP2020173575A (ja) 設備診断システム
Addel-Geliel et al. Application of model based fault detection for an industrial boiler
US11136918B2 (en) Method and apparatus for cooling water system optimization
JP2022512309A (ja) 機械システムの自動化された状態ベースのメンテナンスのための方法およびシステム
JP2023094895A (ja) 故障予測装置、故障予測装置の制御方法及びプログラム
KR102063381B1 (ko) 과열 저감기 정비 시기 예측 방법 및 시스템
Yu et al. Leakage detection of steam boiler tube in thermal power plant using principal component analysis
KR102063382B1 (ko) 공기 압축기 세정시기 예측 방법 및 시스템
Vasudeva Power plant operation and maintenance cost reduction through control system improvements

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