KR102211821B1 - 기계학습과 경로 분류 기법적용을 통한 발전소 급수 가열기의 성능 저하 예측 시스템 - Google Patents

기계학습과 경로 분류 기법적용을 통한 발전소 급수 가열기의 성능 저하 예측 시스템 Download PDF

Info

Publication number
KR102211821B1
KR102211821B1 KR1020180062347A KR20180062347A KR102211821B1 KR 102211821 B1 KR102211821 B1 KR 102211821B1 KR 1020180062347 A KR1020180062347 A KR 1020180062347A KR 20180062347 A KR20180062347 A KR 20180062347A KR 102211821 B1 KR102211821 B1 KR 102211821B1
Authority
KR
South Korea
Prior art keywords
value
performance
unit
heater
time
Prior art date
Application number
KR1020180062347A
Other languages
English (en)
Other versions
KR20190136518A (ko
Inventor
권영민
Original Assignee
권영민
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 권영민 filed Critical 권영민
Priority to KR1020180062347A priority Critical patent/KR102211821B1/ko
Publication of KR20190136518A publication Critical patent/KR20190136518A/ko
Application granted granted Critical
Publication of KR102211821B1 publication Critical patent/KR102211821B1/ko

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

본 발명은 발전소 급수 가열기의 성능 저하 예측 시스템에 있어서, 상기 급수 가열기의 작동에 따른 신호값 및 성능값을 실시간으로 획득하는 급수 가열기 실시간 측정부와, 상기 급수 가열기의 성능 저하 상태에서 작동된 신호값 및 성능값을 수집하여 기 저장된 고장이력 DB와, 상기 급수 가열기 실시간 측정부에서 측정한 현재 신호값 및 성능값과 고장이력 DB에 기 저장된 성능저하 신호값 및 성능값을 비교하여 상기 발전소 급수 가열기의 성능 저하 원인을 판독하고 급수 가열기의 운전정지 시점을 예측하는 성능 저하 통합 플랫폼을 포함하여 이루어진다.

Description

기계학습과 경로 분류 기법적용을 통한 발전소 급수 가열기의 성능 저하 예측 시스템{Performance Prediction System of Power Feed Water Heater by Applying Machine Learning and Path Classification}
본 발명은 발전소 급수 가열기의 성능 저하 예측 시스템에 관한 것으로, 발전소 급수 가열기의 성능 저하 원인을 판독하고 급수 가열기의 운전정지 시점을 예측하는 기계학습과 경로 분류 기법적용을 통한 발전소 급수 가열기의 성능 저하 예측 시스템에 관한 것이다.
일반적으로 발전방법으로 수력발전, 화력발전, 원자력발전 등이 있으며, 상기와 같은 발전방법들은 대규모의 발전설비가 필요하다.
이러한 발전설비에는 통합제어설비, 터빈제어설비, 전기제어설비, 패키지제어설비 등 다양한 운전설비들이 있다.
또한, 발전설비에는 진동감시설비, 예측정비 관리기기, 전류, 자속, 온도 등을 계측하는 계측제어설비 등의 다양한 감시기기들이 있다.
종래에는 이러한 발전설비의 실시간 운전정보 취득과 성능 관리가 이원화되어 있고 오프라인 상에서 데이터를 처리하여 발전설비의 운전정보를 분석 및 관리하고 있다.
더불어, 최근 발전소 설비의 고장정지 최소화, 정비비용 감소 등 운영효율 향상을 위한 방법이 요구되어지고 있다.
발전소 설비의 자동제어시스템에 의해 설비 사고방지와 최적운전을 위하여 현장기기들을 제어하며, 자동제어시스템은 고장 임계값을 설정하여 임계값의 상한치를 넘을 경우 경보를 발생시키고 경보가 지속될 경우 설비운전을 중단하는 방식으로 운전되고 있다.
또한, 고장예측 시스템에 의하여 운전정보를 수집하여 정상 운전 데이터를 미리 학습시킨 후, 현재 운전값 대비 정상운전에 대한 예측값을 생성하여 예측값과 현재값의 차이가 미리 설정한 임계값을 초과할 경우 조기경보를 발생시켜 작업자에게 알려주어 조기경보가 발생한 기기에 대하여 집중 감시 및 관리할 수 있도록 하고 있다.
그러나 종래의 고장예측 시스템의 조기경보에 대한 정보만으로는 작업자가 조기경보가 발생한 기기에 대하여 언제 발전소를 정지시키고 정비 또는 교체작업을 진행해야 할지 결정하기에 어려운 문제가 있다.
대한민국 등록특허공보 등록번호 제10-1060139호 대한민국 공개특허공보 공개번호 제10-2018-0048218호
본 발명은 상술한 문제점을 해결하기 위한 것으로서, 작업자가 조기경보가 발생한 기기에 대한 조치 여부의사 결정을 지원하기 위하여 기기의 미래 성능저하 경로와 성능저하 원인 및 운전정지 시점에 대한 예측 정보를 제공하는 기계학습과 경로 분류 기법적용을 통한 발전소 급수 가열기의 성능 저하 예측 시스템을 제공하고자 하는데 그 목적이 있다.
그러나 본 발명의 목적은 상기에 언급된 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 목적을 달성하기 위하여, 본 발명은 발전소 급수 가열기의 성능 저하 예측 시스템에 있어서, 상기 급수 가열기의 작동에 따른 신호값 및 성능값을 실시간으로 획득하는 급수 가열기 실시간 측정부와, 상기 급수 가열기의 성능 저하 상태에서 작동된 신호값 및 성능값을 수집하여 기 저장된 고장이력 DB와, 상기 급수 가열기 실시간 측정부에서 측정한 현재 신호값 및 성능값과 고장이력 DB에 기 저장된 성능저하 신호값 및 성능값을 비교하여 상기 발전소 급수 가열기의 성능 저하 원인을 판독하고 급수 가열기의 운전정지 시점을 예측하는 성능 저하 통합 플랫폼을 포함하여 이루어진다.
또한, 상기 급수 가열기 실시간 측정부는 상기 급수 가열기에 구비되어 급수 가열기의 작동 상태에 따른 현재 신호값을 측정하는 센서측정부와, 상기 센서측정부에서 측정된 현재 신호값을 이용하여 현재 성능값을 산출하는 성능값 생성부와, 상기 급수 가열기 작동 중 시간의 변화에 따른 상기 현재 성능값을 통해 상기 급수 가열기의 벡터 데이터 그래프를 추출하는 실시간 트렌드 분석부를 포함하여 이루어진다.
또한, 상기 고장이력 DB의 성능 저하 신호값은 시계열 행렬 데이터 형태로 저장되고, 성능 저하 성능값은 상기 급수 가열기 작동 중 시간의 변화에 따른 상기 성능 저하 성능값에 대한 고장이력 벡터 데이터를 그래프의 형태로 저장된다.
또한, 상기 신호값은, 급수 입구 및 출구 온도, 스팀 입구 및 출구 온도, 배수관 온도 및 수위, 배수관 밸브 포지션이고, 상기 성능값은, 상기 스팀 입구 온도와 급수 출구 온도의 온도차(TTD ; Thermal temperature difference) 및 드레인 온도와 급수 입구 온도의 온도차(DCA ; Drain cooler approach)이다.
또한, 상기 통합 플랫폼은 상기 급수 가열기의 정상 상태로 작동되는 기설정된 기준 신호값 및 기준 성능값이 미리 학습된다.
그리고 상기 통합 플랫폼은 상기 급수 가열기 실시간 측정부의 현재 성능값과 상기 기준 성능값을 비교하여 상기 현재 성능값이 상기 기준 성능값보다 낮아지는 저하현상을 판정하는 경로 판독부와, 상기 경로 판독부에서 상기 현재 성능값이 상기 기준 성능값보다 낮아지는 경우, 상기 실시간 트렌드 분석부의 벡터 데이터 그래프에 대한 트렌드를 예측하는 트렌드 예측부와, 상기 트렌드 예측부를 통해 상기 급수 가열기의 성능 저하 원인과 운전정지 시점을 분석하는 분석부와, 상기 분석부에 의해 분석된 상기 급수 가열기의 성능 저하 원인과 운전정지 시점을 출력하는 출력부를 포함하여 이루어진다.
또한, 상기 트렌드 예측부는 상기 경로 판독부에서 상기 현재 성능값이 상기 기준 성능값보다 낮아질 때의 과거 신호값을 통해 과거 시계열 행렬 데이터 형태로 저장하는 저장부와, 상기 경로 판독부에서 상기 현재 성능값이 상기 기준 성능값보다 5% 내지 10% 낮아질 때, 상기 현재 신호값에 대한 예측 신호값 시계열 행렬 데이터를 산출하는 예측 데이터 연산부와, 상기 데이터 연산부에 의해 산출된 예측 신호값을 통해 예측 성능값을 계산하여, 계산된 예측 성능값의 기울기를 산출하는 예측 기울기 연산부를 포함하여 이루어진다.
또한, 상기 데이터 연산부는 상기 현재 신호값에 대해서 상기 저장부에 저장된 과거 시계열 행렬 데이터와의 시계열 거리 계산을 수행하는 거리계산 연산부와,
상기 거리계산 연산부에서 계산된 시계열 거리에 대한 유사도를 계산하여 유사도 가중치를 산출하는 유사도 연산부와, 상기 유사도 연산부에서 산출된 유사도 가중치를 기반으로 상기 현재 신호값에 대한 예측 신호값을 산출하는 예측값 연산부를 포함하여 이루어진다.
또한, 상기 분석부는 상기 현재 신호값의 증감 상태에 따른 성능저하원인표를 작성하고, 상기 성능저하원인표를 통해 성능 저하 원인 정보를 산출하는 성능 저하 원인 검출부와, 상기 예측 기울기 연산부에 의해 산출된 예측 성능값의 기울기값과 상기 고장이력 DB에 저장된 고장이력 벡터 데이터의 벡터값을 현재시점에서 유사도를 비교하여 유사한 벡터값을 갖는 고장 이력 벡터 데이터를 검출하는 비교 검출부와, 상기 예측 성능값의 기울기값과 유사한 고장 이력 벡터 데이터를 통해 현재 시점 이후의 기울기값을 연속적으로 계산하여 미래 시점의 기울기값을 획득함으로써 급수 가열기의 운전정지 시점을 예측하는 운전정지 시점 검출부를 포함하여 이루어진다.
또한, 상기 출력부는 성능 저하 원인 검출부를 통해 급수 가열기의 성능 저하 원인 정보를 사용자에게 제공하는 성능 저하 원인 출력부와, 상기 현재 성능값의 기울기가 운전정지 시점 검출부의 미래 시점의 기울기를 따라서 진행될 경우, 상기 예상 경로에 해당하는 경보영역을 사용자에게 제공하는 경보영역 출력부와, 상기 운전정지 시점 검출부의 급수 가열기의 운전정지 시점을 통해 현재시점에서 급수 가열기의 운전 정지가 발생하기까지의 예상시간을 사용자에게 제공하는 운전 정지 예상시간 출력부를 포함하여 이루어진다.
본 발명의 특징 및 이점들은 첨부도면에 의거한 다음의 상세한 설명으로 더욱 명백해질 것이다.
이에 앞서 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이고 사전적인 의미로 해석되어서는 아니 되며, 발명자가 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합되는 의미와 개념으로 해석되어야 한다.
이상에서 살펴본 바와 같이 본 발명에 따르면, 급수 가열기가 정상 작동 상태를 벗어날 경우, 작업자에게 급수 가열기의 이상에 따른 이상감지와 운전정지가 발생하기까지의 예지시간을 제공함으로써 설비의 이상이 발생되기 전에 적절한 조치를 취할 수 있어 유지관리 비용을 대폭 절감할 수 있는 효과가 있다.
도 1은 본 발명의 일실시예에 따른 급수 가열기 성능 저하 예측 시스템의 구성을 나타낸 블록도,
도 2는 본 발명의 일실시예에 따른 실시간 측정부의 구성을 나타낸 블록도,
도 3은 본 발명의 일실시예에 따른 성능저하 통합 플랫폼의 구성을 나타낸 블록도,
도 4는 본 발명의 일실시예에 따른 트렌드 예측부의 구성을 나타낸 블록도,
도 5는 본 발명의 일실시예에 따른 예측 데이터 연산부의 구성을 나타낸 블록도,
도 6은 본 발명의 일실시예에 따른 분석부의 구성을 나타낸 블록도,
도 7은 본 발명의 일실시예에 출력부의 구성을 나타낸 블록도,
도 8은 본 발명의 일실시예에 따른 성능저하 예지기법을 설명하기 위한 벡터 데이터 그래프를 나타낸 도이다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 설명하기로 한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다.
또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 하여 내려져야 할 것이다.
아울러, 아래의 실시예는 본 발명의 권리범위를 한정하는 것이 아니라 본 발명의 청구범위에 제시된 구성요소의 예시적인 사항에 불과하며, 본 발명의 명세서 전반에 걸친 기술사상에 포함되고 청구범위의 구성요소에서 균등물로서 치환 가능한 구성요소를 포함하는 실시예는 본 발명의 권리범위에 포함될 수 있다.
첨부된 도 1은 본 발명의 일실시예에 따른 급수 가열기 성능 저하 예측 시스템의 구성을 나타낸 블록도, 도 2는 본 발명의 일실시예에 따른 실시간 측정부의 구성을 나타낸 블록도, 도 3은 본 발명의 일실시예에 따른 성능저하 통합 플랫폼의 구성을 나타낸 블록도, 도 4는 본 발명의 일실시예에 따른 트렌드 예측부의 구성을 나타낸 블록도, 도 5는 본 발명의 일실시예에 따른 예측 데이터 연산부의 구성을 나타낸 블록도, 도 6은 본 발명의 일실시예에 따른 분석부의 구성을 나타낸 블록도, 도 7은 본 발명의 일실시예에 출력부의 구성을 나타낸 블록도, 도 8은 본 발명의 일실시예에 따른 성능저하 예지기법을 설명하기 위한 벡터 데이터 그래프를 나타낸 도이다.
우선, 본 발명에 따른 발전소 급수 가열기의 성능 저하 예측 시스템은 급수 가열기의 제작 설계서상의 기준 성능값 또는 급수 가열기의 정상운전에 따라 수집한 기준 성능값의 정보와 현재 급수 가열기의 작동에 의해 획득한 현재 성능값을 비교하여 성능저하가 발생하였을 때, 유사도 계산을 통하여 성능저하 경로를 분류하고, 미래 성능저하 경로에 대한 예측 정보와 성능저하 원인 정보를 산출하여 작업자에게 제공한다.
즉, 발전소 급수 가열기의 성능 저하 예측 시스템은 머신러닝 기법과 외삽기법을 적용하여 급수 가열기의 성능을 관리함으로써 작업자가 급수 가열기에 이상이 발생되기 전에 적절한 조치를 취할 수 있도록 한다.
첨부된 도 1 이하를 참조하면, 본 발명에 따른 발전소 급수 가열기(10)의 성능 저하 예측 시스템은 상기 급수 가열기의 작동에 따른 신호값 및 성능값을 실시간으로 획득하는 급수 가열기 실시간 측정부(100)와, 상기 급수 가열기(10)의 성능 저하 상태에서 작동된 신호값 및 성능값을 수집하여 기 저장된 고장이력 DB(200)와, 상기 급수 가열기(10)실시간 측정부에서 측정한 현재 신호값 및 성능값과 고장이력 DB(200)에 기 저장된 성능저하 신호값 및 성능값을 비교하여 상기 발전소 급수 가열기(10)의 성능 저하 원인을 판독하고 급수 가열기(10)의 운전정지 시점을 예측하는 성능 저하 통합 플랫폼(300)을 포함하여 이루어진다.
이때, 상기 고장이력 DB(200)의 성능 저하 신호값은 시계열 행렬 데이터 형태로 저장되고, 성능 저하 성능값은 상기 급수 가열기 작동 중 시간의 변화에 따른 상기 성능 저하 성능값에 대한 고장이력 벡터 데이터를 그래프의 형태로 저장된다.
또한, 상기 신호값은, 급수 입구 및 출구 온도, 스팀 입구 및 출구 온도, 배수관 온도 및 수위, 배수관 밸브 포지션에 대한 센서 신호값이다.
또한, 상기 성능값은, 상기 스팀 입구 온도와 급수 출구 온도의 온도차(TTD ; Thermal temperature difference) 및 드레인 온도와 급수 입구 온도의 온도차(DCA ; Drain cooler approach)이다.
이때, 상기 급수 가열기는 TTD 값과 DCA 값이 클수록 성능은 저하되며, TTD 값과 DCA 값이 증가할 경우, 급수 가열기 튜브의 오염 및 누설이 원인이 될 수 있다.
따라서 본 발명에 따른 발전소 급수 가열기의 성능 저하 예측 시스템은 TTD 값과 DCA 값의 증감상태를 측정함으로써 성능저하 원인 정보를 작업자에게 제공할 수 있다.
한편, 상기 급수 가열기 실시간 측정부(100)는 센서측정부(110)와, 성능값 생성부(120)와, 실시간 트렌드 분석부(130)를 포함하여 이루어진다.
상기 센서측정부(110)는 상기 급수 가열기(10)에 구비되어 급수 가열기(10)의 작동 상태에 따른 현재 신호값을 측정한다.
또한, 상기 성능값 생성부(120)는 상기 센서측정부(110)에서 측정된 현재 신호값을 이용하여 현재 성능값을 산출한다.
또한, 상기 실시간 트렌드 분석부(130)는 상기 급수 가열기(10) 작동 중 시간의 변화에 따른 상기 현재 성능값을 통해 상기 급수 가열기의 벡터 데이터 그래프를 추출한다.
한편, 상기 통합 플랫폼(300)은 상기 급수 가열기(10)의 정상 상태로 작동되는 기설정된 기준 신호값 및 기준 성능값이 미리 학습된다.
또한, 상기 통합 플랫폼(300)은 경로 판독부(310)와 트렌드 예측부(320)와 분석부(330)와, 출력부(340)를 포함하여 이루어진다.
상기 경로 판독부(310)는 상기 급수 가열기 실시간 측정부의 현재 성능값과 상기 기준 성능값을 비교하여 상기 현재 성능값이 상기 기준 성능값보다 낮아지는 저하현상을 판정한다.
또한, 상기 트렌드 예측부(320)는 상기 경로 판독부(310)에서 상기 현재 성능값이 상기 기준 성능값보다 낮아지는 경우, 상기 실시간 트렌드 분석부(130)의 벡터 데이터 그래프에 대한 트렌드를 예측한다.
또한, 상기 분석부(330)는 상기 트렌드 예측부(320)를 통해 상기 급수 가열기의 성능 저하 원인과 운전정지 시점을 분석하고, 상기 출력부(340)는 상기 분석부(330)에 의해 분석된 상기 급수 가열기(10)의 성능 저하 원인과 운전정지 시점을 출력한다.
또한, 상기 트렌드 예측부(320)는 저장부(321)와 예측 데이터 연산부(322)와 예측 기울기 연산부(323)를 포함하여 이루진다.
상기 저장부(321)는 상기 경로 판독부(310)에서 상기 현재 성능값이 상기 기준 성능값보다 낮아질 때의 과거 신호값을 통해 과거 시계열 행렬 데이터 형태로 저장한다.
그리고 상기 예측 데이터 연산부(322)는 상기 경로 판독부(310)에서 상기 현재 성능값이 상기 기준 성능값보다 5% 내지 10% 낮아질 때, 상기 현재 신호값에 대한 예측 신호값 시계열 행렬 데이터를 산출한다.
또한, 상기 예측 기울기 연산부(323)에 의해 산출된 예측 신호값을 통해 예측 성능값을 계산하여, 계산된 예측 성능값의 기울기를 산출한다.
이때, 상기 예측 데이터 연산부(322)는 상기 현재 신호값에 대해서 상기 저장부에 저장된 과거 시계열 행렬 데이터와의 시계열 거리 계산을 수행하는 거리계산 연산부(322a)와, 상기 거리계산 연산부(322a)에서 계산된 시계열 거리에 대한 유사도를 계산하여 유사도 가중치를 산출하는 유사도 연산부(322b)와, 상기 유사도 연산부(322b)에서 산출된 유사도 가중치를 기반으로 상기 현재 신호값에 대한 예측 신호값을 산출하는 예측값 연산부(322c)를 포함하여 이루어진다.
그리고 상기 거리계산 연산부(322a)는 아래의 [수식1]에 의해 시계열 거리 계산을 수행한다.
[수식1]
Figure 112018053553532-pat00001
또한, 상기 유사도 연산부(322b)는 아래의 [수식2]에 의해 유사도 계산을 수행한다.
[수식2]
Figure 112018053553532-pat00002
, h:kernel bandwidth
또한, 상기 예측값 연산부(322c)는 아래의 [수식3]에 의해 예측 신호값 산출을 수행한다.
[수식3]
Figure 112018053553532-pat00003
한편, 상기 분석부(330)는 성능 저하 원인 검출부(331)와 비교 검출부(332)와 운전정지 시점 검출부(333)를 포함하여 이루어진다.
상기 성능 저하 원인 검출부(331)는 상기 현재 신호값의 증감 상태에 따른 성능저하원인표를 작성하고, 상기 성능저하원인표를 통해 성능 저하 원인 정보를 산출한다.
이때, 성능저하원인표는 아래의 [표1]과 같이 작성될 수 있다.
성능저하원인 급수입구온도 급수출구온도 스팀입구온도 드레인온도 드레인밸브포지션
튜브 오염 정상 감소 정상 증가 정상
튜브 누설 정상 감소 정상 감소 증가
따라서 [표1]에 작성된 바와 같이, TTD 값과 DCA 값의 증감상태를 측정함으로써 성능저하 원인 정보를 산출할 수 있다.
또한, 상기 비교 검출부(332)는 상기 예측 기울기 연산부(323)에 의해 산출된 예측 성능값의 기울기값과 상기 고장이력 DB(200)에 저장된 고장이력 벡터 데이터의 벡터값을 현재시점에서 유사도를 비교하여 유사한 벡터값을 갖는 고장 이력 벡터 데이터를 검출한다.
그리고 상기 운전정지 시점 검출부(333)는 상기 예측 성능값의 기울기값과 유사한 고장 이력 벡터 데이터를 통해 현재 시점 이후의 기울기값을 연속적으로 계산하여 미래 시점의 기울기값을 획득함으로써 급수 가열기(10)의 운전정지 시점을 예측한다.
또한, 상기 출력부(340)는 성능 저하 원인 출력부(341)와 경보영역 출력부(342)와 정지 예상시간 출력부(343)를 포함하여 이루어진다.
상기 성능 저하 원인 출력부(341)는 성능 저하 원인 검출부(331)를 통해 급수 가열기의 성능 저하 원인 정보를 사용자에게 제공한다.
또한, 상기 경보영역 출력부(342)는 상기 현재 성능값의 기울기가 운전정지 시점 검출부(333)의 미래 시점의 기울기를 따라서 진행될 경우, 상기 예상 경로에 해당하는 경보영역을 사용자에게 제공한다.
또한, 상기 정지 예상시간 출력부(343)는 상기 운전정지 시점 검출부(333)의 급수 가열기의 운전정지 시점을 통해 현재시점에서 급수 가열기(10)의 운전 정지가 발생하기까지의 예상시간을 사용자에게 제공한다.
즉, 본 발명에 따른 성능저하 경로 예지 방법은 급수 가열기의 현재 신호값과 과거 시계열 행렬 데이터와의 유사도 계산방법에 의하여 산출된 예측 신호값 및 성능값을 통해 예측 기울기를 산출하여 미래 시점의 기울기값을 획득함으로써 미래의 성능경로를 예측한다.
이에 본 발명에 따른 성능저하 경로 예지 방법은 아래 [수식4]와 같이 나타낼 수 있다.
[수식4]
Figure 112018053553532-pat00004
상기 [수식4]에 대해 설명하면, 따르면 현재 신호값의 임의의 과거시점 데이터(
Figure 112018053553532-pat00005
)로 현재시점의 신호값 예측치(
Figure 112018053553532-pat00006
)를 구하고, 현재시점의 신호값 데이터(
Figure 112018053553532-pat00007
)로 동일시점의 예측치(
Figure 112018053553532-pat00008
)를 구한다.
그리고 위 두 수식의 결과값을 구한 후
Figure 112018053553532-pat00009
과
Figure 112018053553532-pat00010
의 기울기(△)를 구한 후, 해당 기울기를 구하여 도 8의 f1~f5의 벡터값 중 한 개를 택하여 현재시점 (t) 이후를 예측한다.
이에 따른 유사도 계산 방식은,
현재 데이터 에 대해서,
Figure 112018053553532-pat00011
현재 시계열
Figure 112018053553532-pat00012
에 대한 거리
Figure 112018053553532-pat00013
현재 시계열
Figure 112018053553532-pat00014
에 대한 거리
Figure 112018053553532-pat00015
상기와 같은 계산을 통해 기 저장된 성능저하 신호값들의 시계열 행렬데이터와 거리계산을 한다.
그리고 각
Figure 112018053553532-pat00016
에 대한 유사도(w)를 [수식2]를 통해 계산하여 유사도 가중치를
Figure 112018053553532-pat00017
산출한다.
그리고 현재 운전신호 데이터
Figure 112018053553532-pat00018
의 예측값과,
Figure 112018053553532-pat00019
현재 운전신호 데이터
Figure 112018053553532-pat00020
의 예측값을 산출한다.
Figure 112018053553532-pat00021
즉, 산출된 유사도 가중치를 기반으로 [수식3]을 통해 예측 신호값 산출 하고, 산출된 예측 신호값을 통해 예측 성능값(TTD, DCA)을 계산하여 예측 성능값에 대한 예측 기울기를 산출하여 미래의 성능저하 예측 데이터를 생성한다.
또한, 도 8을 참조하여 본 발명에 따른 급수 가열기의 성능저하 예지기법에 대하여 설명한다.
우선 그래프의 X축은 시계열이며, Y축은 성능값을 갖으며, normal 태그는 기준 성능값에 대한 데이터이고, f1~f5 태그는 기 저장된 고장이력 벡터 데이터에 관한 것이다.
이때, t라는 현재 시점의 데이터가 있다고 가정하고, t에서 입력받은 현재 신호(성능값)를 과거시점과 현재 시점의 데이터를 이용하여, 각 동일시점 구간의 예측치를 연산한 후 이에 대한 기울기를 구한다.
따라서 해당 기울기의 결과값을 f1~f5의 고장이력 벡터값과 유사도를 비교하고, f1~f5 중 유사한 벡터값을 택하여 현재시점 이후를 예측한다.
즉, t라는 현재시점에서 각각의 벡터값과 유사도를 비교하여 t+1이라는 미래시점의 기울기를 생성한다.
그리고 해당 벡터값의 기울기를 바탕으로 t+n만큼의 기울기를 연속적으로 계산하여 급수 가열기의 운전정지 시점을 예측할 수 있다.
또한, t+n 만큼의 기울기는 현재시점 t로부터 제일 유사한 f1~f5의 벡터값과 비교하여 t+1 만큼의 기울기가 계산되며 t+n이 변할 경우 비교되는 벡터값과 그에 따른 기울기 또한 변하게 되며 변경된 값을 정용하여 운전정지 시점을 예측할 수 있다.
따라서 본 발명에 따른 발전소 급수 가열기의 성능 저하 예측 시스템은 실시간 측정부로부터 현재 신호값 및 현재 성능값을 측정 및 계산하고, 경로 판독부로부터 현재 성능값과 기준 성능값을 비교하여 급수 가열기(10) 성능에 성능 저하 현상이 발생할 경우, 현재 신호값들의 증감 상태를 통해 성능저하 원인 정보를 산출한다.
그리고 성능 저하 신호값들을 시계열의 행렬데이터 형식으로 저장하며, 현재 신호값과 저장된 시계열 행렬 데이터와의 유사도 계산방법에 의해 성능 저하 경로 분류를 위한 예측 신호값을 산출한다.
그리고 예측 신호값을 통해 계산된 예측 성능값에 대한 미래 시점의 기울기값을 획득하고, 현재 성능값의 기울기가 운전정지 시점 검출부의 미래 시점의 기울기를 따라서 진행될 경우, 급수 가열기의 운전 정지가 발생하기까지의 예상시간을 사용자에게 제공한다.
따라서 급수 가열기가 정상 작동 상태를 벗어날 경우, 작업자에게 급수 가열기의 이상에 따른 이상감지 및 성능저하 원인 정보와 운전정지가 발생하기까지의 예지시간을 제공함으로써 설비의 이상이 발생되기 전에 적절한 조치를 취할 수 있어 유지관리 비용을 대폭 절감할 수 있는 효과가 있다.
이상 본 발명을 구체적인 실시예를 통하여 상세히 설명하였으나, 이는 본 발명을 구체적으로 설명하기 위한 것으로, 본 발명은 이에 한정되지 않으며, 본 발명의 기술적 사상 내에서 당 분야의 통상의 지식을 가진 자에 의해 그 변형이나 개량이 가능함이 명백하다.
본 발명의 단순한 변형 내지 변경은 모두 본 발명의 범주에 속하는 것으로 본 발명의 구체적인 보호 범위는 첨부된 특허청구범위에 의해 명확해질 것이다.
10 : 급수 가열기 100 : 실시간 측정부
110 : 센서측정부 120 : 성능값 생성부
130 : 실시간 트렌드 분석부 200 : 고장이력 DB
300 : 성능저하 통합 플랫폼 310 : 경로 판독부
320 : 트렌드 예측부 330 : 분석부
340 : 출력부

Claims (10)

  1. 발전소 급수 가열기의 성능 저하 예측 시스템에 있어서,
    상기 급수 가열기의 작동에 따른 신호값 및 성능값을 실시간으로 획득하는 급수 가열기 실시간 측정부와,
    상기 급수 가열기의 성능 저하 상태에서 작동된 신호값 및 성능값을 수집하여 기 저장된 고장이력 DB와,
    상기 급수 가열기 실시간 측정부에서 측정한 현재 신호값 및 성능값과 고장이력 DB에 기 저장된 성능저하 신호값 및 성능값을 비교하여 상기 발전소 급수 가열기의 성능 저하 원인을 판독하고 급수 가열기의 운전정지 시점을 예측하는 성능 저하 통합 플랫폼을 포함하여 이루어지며,
    상기 급수 가열기 실시간 측정부는,
    상기 급수 가열기에 구비되어 급수 가열기의 작동 상태에 따른 현재 신호값을 측정하는 센서측정부와,
    상기 센서측정부에서 측정된 현재 신호값을 이용하여 현재 성능값을 산출하는 성능값 생성부와,
    상기 급수 가열기 작동 중 시간의 변화에 따른 상기 현재 성능값을 통해 상기 급수 가열기의 벡터 데이터 그래프를 추출하는 실시간 트렌드 분석부를 포함하여 이루어지며,
    상기 통합 플랫폼은,
    상기 급수 가열기의 정상 상태로 작동되는 기설정된 기준 신호값 및 기준 성능값이 미리 학습되되,
    상기 급수 가열기 실시간 측정부의 현재 성능값과 상기 기준 성능값을 비교하여 상기 현재 성능값이 상기 기준 성능값보다 낮아지는 저하현상을 판정하는 경로 판독부와,
    상기 경로 판독부에서 상기 현재 성능값이 상기 기준 성능값보다 낮아지는 경우, 상기 실시간 트렌드 분석부의 벡터 데이터 그래프에 대한 트렌드를 예측하는 트렌드 예측부와,
    상기 트렌드 예측부를 통해 상기 급수 가열기의 성능 저하 원인과 운전정지 시점을 분석하는 분석부와,
    상기 분석부에 의해 분석된 상기 급수 가열기의 성능 저하 원인과 운전정지 시점을 출력하는 출력부를 포함하여 이루어지며,
    상기 트렌드 예측부는,
    상기 경로 판독부에서 상기 현재 성능값이 상기 기준 성능값보다 낮아질 때의 과거 신호값을 통해 과거 시계열 행렬 데이터 형태로 저장하는 저장부와,
    상기 경로 판독부에서 상기 현재 성능값이 상기 기준 성능값보다 5% 내지 10% 낮아질 때, 상기 현재 신호값에 대한 예측 신호값 시계열 행렬 데이터를 산출하는 예측 데이터 연산부와,
    상기 데이터 연산부에 의해 산출된 예측 신호값을 통해 예측 성능값을 계산하여, 계산된 예측 성능값의 기울기를 산출하는 예측 기울기 연산부를 포함하여 이루어지며,
    상기 예측 데이터 연산부는,
    상기 현재 신호값에 대해서 상기 저장부에 저장된 과거 시계열 행렬 데이터와의 시계열 거리 계산을 수행하는 거리계산 연산부와,
    상기 거리계산 연산부에서 계산된 시계열 거리에 대한 유사도를 계산하여 유사도 가중치를 산출하는 유사도 연산부와,
    상기 유사도 연산부에서 산출된 유사도 가중치를 기반으로 상기 현재 신호값에 대한 예측 신호값을 산출하는 예측값 연산부를 포함하여 이루어지며,
    또한, 상기 분석부는 상기 현재 신호값의 증감 상태에 따른 성능저하원인표를 작성하고, 상기 성능저하원인표를 통해 성능 저하 원인 정보를 산출하는 성능 저하 원인 검출부와, 상기 예측 기울기 연산부에 의해 산출된 예측 성능값의 기울기값과 상기 고장이력 DB에 저장된 고장이력 벡터 데이터의 벡터값을 현재시점에서 유사도를 비교하여 유사한 벡터값을 갖는 고장 이력 벡터 데이터를 검출하는 비교 검출부와, 상기 예측 성능값의 기울기값과 유사한 고장 이력 벡터 데이터를 통해 현재 시점 이후의 기울기값을 연속적으로 계산하여 미래 시점의 기울기값을 획득함으로써 급수 가열기의 운전정지 시점을 예측하는 운전정지 시점 검출부를 포함하는 것을 특징으로 하는 발전소 급수 가열기의 성능 저하 예측 시스템.
  2. 삭제
  3. 제1항에 있어서,
    상기 고장이력 DB의 성능 저하 신호값은 시계열 행렬 데이터 형태로 저장되고, 성능 저하 성능값은 상기 급수 가열기 작동 중 시간의 변화에 따른 상기 성능 저하 성능값에 대한 고장이력 벡터 데이터를 그래프의 형태로 저장된 것을 특징으로 하는 발전소 급수 가열기의 성능 저하 예측 시스템.
  4. 제1항에 있어서,
    상기 신호값은, 급수 입구 및 출구 온도, 스팀 입구 및 출구 온도, 배수관 온도 및 수위, 배수관 밸브 포지션이고,
    상기 성능값은, 상기 스팀 입구 온도와 급수 출구 온도의 온도차(TTD ; Thermal temperature difference) 및 드레인 온도와 급수 입구 온도의 온도차(DCA ; Drain cooler approach) 인 것을 특징으로 하는 발전소 급수 가열기의 성능 저하 예측 시스템.
  5. 삭제
  6. 삭제
  7. 삭제
  8. 제1항에 있어서,
    상기 거리계산 연산부는 아래의 [수식1]에 의해 시계열 거리 계산을 수행하는 것을 특징으로 하는 발전소 급수 가열기의 성능 저하 예측 시스템.
    [수식1]
    Figure 112019132419813-pat00022

  9. 제8항에 있어서,
    상기 유사도 연산부는 아래의 [수식2]에 의해 유사도 계산을 수행하는 것을 특징으로 하는 발전소 급수 가열기의 성능 저하 예측 시스템.
    [수식2]
    Figure 112018053553532-pat00023
    ,h:kernel bandwidth
  10. 제9항에 있어서,
    상기 예측값 연산부는 아래의 [수식3]에 의해 예측 신호값 산출을 수행하는 것을 특징으로 하는 발전소 급수 가열기의 성능 저하 예측 시스템.
    [수식3]
    Figure 112018053553532-pat00024

KR1020180062347A 2018-05-31 2018-05-31 기계학습과 경로 분류 기법적용을 통한 발전소 급수 가열기의 성능 저하 예측 시스템 KR102211821B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180062347A KR102211821B1 (ko) 2018-05-31 2018-05-31 기계학습과 경로 분류 기법적용을 통한 발전소 급수 가열기의 성능 저하 예측 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180062347A KR102211821B1 (ko) 2018-05-31 2018-05-31 기계학습과 경로 분류 기법적용을 통한 발전소 급수 가열기의 성능 저하 예측 시스템

Publications (2)

Publication Number Publication Date
KR20190136518A KR20190136518A (ko) 2019-12-10
KR102211821B1 true KR102211821B1 (ko) 2021-02-10

Family

ID=69002432

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180062347A KR102211821B1 (ko) 2018-05-31 2018-05-31 기계학습과 경로 분류 기법적용을 통한 발전소 급수 가열기의 성능 저하 예측 시스템

Country Status (1)

Country Link
KR (1) KR102211821B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111461450A (zh) * 2020-04-10 2020-07-28 河海大学 基于eemd和lstm的水电机组劣化度预测方法
CN114529106B (zh) * 2022-04-21 2022-07-15 深圳市佳运通电子有限公司 一种用于油田加热炉盘管结垢预测算法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007240779A (ja) * 2006-03-07 2007-09-20 Nippon Telegr & Teleph Corp <Ntt> 時系列類似度スコアリング方法
KR101087739B1 (ko) * 2010-11-08 2011-11-30 주식회사 지오네트 산업 플랜트 설비의 이상 운전신호 경로추적과 진로예측 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101060139B1 (ko) 2010-12-24 2011-08-29 한국남부발전 주식회사 발전설비의 운전정보 분석과 예측진단 시스템
KR101882847B1 (ko) * 2011-09-30 2018-07-30 한국전력공사 발전 설비의 성능 저하 원인 도출 방법 및 장치
KR20180048218A (ko) 2016-10-31 2018-05-10 현대위아 주식회사 기계학습 기반 공작기계 고장 진단 시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007240779A (ja) * 2006-03-07 2007-09-20 Nippon Telegr & Teleph Corp <Ntt> 時系列類似度スコアリング方法
KR101087739B1 (ko) * 2010-11-08 2011-11-30 주식회사 지오네트 산업 플랜트 설비의 이상 운전신호 경로추적과 진로예측 방법

Also Published As

Publication number Publication date
KR20190136518A (ko) 2019-12-10

Similar Documents

Publication Publication Date Title
Ma et al. Applications of fault detection and diagnosis methods in nuclear power plants: A review
KR101065767B1 (ko) 성능저하 및 고장원인 조기 진단방법
KR102211821B1 (ko) 기계학습과 경로 분류 기법적용을 통한 발전소 급수 가열기의 성능 저하 예측 시스템
Zhukovskiy et al. The prediction of the residual life of electromechanical equipment based on the artificial neural network
KR20190030763A (ko) 구동부의 정밀 예지 보전방법
CN109643112B (zh) 用于阀和致动器监测系统的高级启动计数器模块
CN114577418B (zh) 一种基于物联网的压力容器泄漏检测系统
CN109642469B (zh) 用于阀和致动器监测系统的导引状况评定模块
CN109214595A (zh) 基于大数据分析的核电厂主泵三级密封故障预测方法
Yang et al. A Petri net approach to early failure detection and isolation for preventive maintenance
CN109521751A (zh) 一种核电厂关键敏感设备故障缓解方法
JP2017010232A (ja) プラント診断装置及びプラント診断方法
KR101094074B1 (ko) 성능저하 및 고장원인 조기 진단을 위한 알고리즘 분석모델 제작방법
US11099219B2 (en) Estimating the remaining useful life of a power transformer based on real-time sensor data and periodic dissolved gas analyses
CN111183402A (zh) 发电厂的运转辅助装置和运转辅助方法
Jharko et al. Diagnostic tasks in human-machine control systems of nuclear power plants
Borowik et al. Eco-efficient control of the cooling systems for power transformers
CN114923287B (zh) 一种高压加热器故障预警方法、系统和介质
US20230305076A1 (en) Monitoring of a converter
CN114943281A (zh) 一种热管冷却反应堆智能决策方法及系统
CN117458399B (zh) 基于多源数据监测的矿用防爆电机保护方法和系统
Guoqing et al. Bearing fault prediction system design based on SPC
JP3463155B2 (ja) 弁の保守管理装置
CN113250986B (zh) 基于大数据的燃煤发电机组引风机电动机保护方法及系统
Anuar et al. MATLAB Simulation for Loss of Flow (LOF) in Reactor TRIGA Puspati (RTP)

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