KR102219090B1 - 발전기의 고장예측 진단 시스템 - Google Patents

발전기의 고장예측 진단 시스템 Download PDF

Info

Publication number
KR102219090B1
KR102219090B1 KR1020190007839A KR20190007839A KR102219090B1 KR 102219090 B1 KR102219090 B1 KR 102219090B1 KR 1020190007839 A KR1020190007839 A KR 1020190007839A KR 20190007839 A KR20190007839 A KR 20190007839A KR 102219090 B1 KR102219090 B1 KR 102219090B1
Authority
KR
South Korea
Prior art keywords
generator
unit
information
failure prediction
sensor
Prior art date
Application number
KR1020190007839A
Other languages
English (en)
Other versions
KR20200091073A (ko
Inventor
박건우
지상현
Original Assignee
주식회사 케이디파워
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 주식회사 케이디파워 filed Critical 주식회사 케이디파워
Priority to KR1020190007839A priority Critical patent/KR102219090B1/ko
Publication of KR20200091073A publication Critical patent/KR20200091073A/ko
Application granted granted Critical
Publication of KR102219090B1 publication Critical patent/KR102219090B1/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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or condition
    • 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]
    • 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
    • G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
    • G05B23/0294—Optimizing process, e.g. process efficiency, product quality
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02K—DYNAMO-ELECTRIC MACHINES
    • H02K19/00—Synchronous motors or generators

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Power Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

본 발명은 발전기의 현재 운전상태와 더불어 다양한 계측정보를 통해 과거 운전정보와 과거 고장 이력 정보를 취합하여 딥러닝 고장 예측 알고리즘을 통해 고장예측을 진단함으로써 사고를 미연에 방지함과 더불어 관리를 통한 발전기의 수명을 향상시킬 수 있도록 한 발전기의 고장예측 진단 시스템에 관한 것으로서, 발전기의 현재 운전상태 및 진동, 속도, 전력, 초음파, 전압 및 전류, 소음, 부분방전, 아크, 매연 정보를 계측하는 계측부와, 상기 계측부로 계측된 발전기의 정보를 전달받아 수집하는 수집부와, 상기 수집부에 수집된 발전기의 정보를 저장하고 과거 운전정보, 실시간 운전정보, 계측 요소 및 고장 이력을 관리하는 빅 데이터 관리부와, 상기 빅 데이터 관리부에 저장 및 관리된 정보를 전달받아 딥러닝 고장 예측 알고리즘을 수행하여 상기 발전기의 현재 상태를 진단하는 고장 예측 진단부와, 상기 고장 예측 진단부에서 진단된 결과를 전달받아 표시 및 전달하는 표시부를 포함하여 구성되는 것을 특징으로 한다.

Description

발전기의 고장예측 진단 시스템{Fault estimation diagnosis system of generator}
본 발명은 발전기의 고장예측 진단 시스템에 관한 것으로, 특히 고장 예측을 통해 사고를 미연에 방지하도록 한 발전기의 고장예측 진단 시스템에 관한 것이다.
일반적으로 발전기는 주로 공장이나 빌딩의 비상용 전원, 낙도 등에서의 도내 배전용 전원 등으로 설치된다. 디젤기관은 열기관 중에서도 가장 효율이 좋고, 시동에 시간이 걸리지 않으며, 부속설비가 적어 넓은 장소가 필요치 않고 간편하게 설치된다. 또 운전 전후의 연료손실이 적으며, 경부하에서도 효율이 좋다. 사용하는 중유는 인화할 위험이나 변질 될 염려가 적고 재가 생기지 않는다. 취급이 간단하고, 오래 사용해도 효율이 떨어지지 않으며, 수리비가 적게 드는 등의 특징이 있다.
이러한 장점 때문에 비상용으로도 발전기가 많이 사용되고 있는데, 비상용 발전기가 갖춰야 할 가장 중요한 기능은 오랜 시간 가동되지 않았어도 비상 상황이 발생했을 때 발전기로서 기능을 제대로 수행해야 한다. 비상용 발전기는 대개 지하에 마련된 특정공간에 비상 상황 한번을 위해서 가동 없이 수년 동안 방치될 수도 있는데, 비상 상황에서 가동이 되지 않는다면 인명피해나 경제적 피해가 커질 수밖에 없다.
본 발명은 상기와 같은 문제를 해결하기 위해 안출된 것으로 발전기의 현재 운전상태와 더불어 다양한 계측정보를 통해 과거 운전정보와 과거 고장 이력 정보를 취합하여 딥러닝 고장 예측 알고리즘을 통해 고장예측을 진단함으로써 사고를 미연에 방지함과 더불어 관리를 통한 발전기의 수명을 향상시킬 수 있도록 한 발전기의 고장예측 진단 시스템을 제공하는데 그 목적이 있다.
상기와 같은 목적을 달성하기 위한 본 발명에 의한 발전기의 고장예측 진단 시스템은 발전기의 현재 운전상태 및 진동, 속도, 전력, 초음파, 전압 및 전류, 소음, 부분방전, 아크, 매연 정보를 계측하는 계측부와, 상기 계측부로 계측된 발전기의 정보를 전달받아 수집하는 수집부와, 상기 수집부에 수집된 발전기의 정보를 저장하고 과거 운전정보, 실시간 운전정보, 계측 요소 및 고장 이력을 관리하는 빅 데이터 관리부와, 상기 빅 데이터 관리부에 저장 및 관리된 정보를 전달받아 딥러닝 고장 예측 알고리즘을 수행하여 상기 발전기의 현재 상태를 진단하는 고장 예측 진단부와, 상기 고장 예측 진단부에서 진단된 결과를 전달받아 표시 및 전달하는 표시부를 포함하여 구성되는 것을 특징으로 한다.
본 발명의 실시예에 의한 발전기의 고장예측 진단 시스템은 다음과 같다.
즉, 발전기의 현재 운전상태와 더불어 다양한 계측정보를 통해 과거 운전정보와 과거 고장 이력 정보를 취합하여 딥러닝 고장 예측 알고리즘을 통해 고장예측을 진단함으로써 사고를 미연에 방지함과 더불어 관리를 통한 발전기의 수명을 향상시킬 수 있다.
도 1은 일반적인 발전기를 나타낸 평면도
도 2는 도 1의 동체를 나타낸 사시도
도 3은 본 발명에 의한 발전기의 고장예측 진단 시스템을 개략적으로 나타낸 구성도
도 4는 도 3의 계측부를 보다 구체적으로 나타낸 구성도
도 5는 도 3의 빅 데이터 관리부를 보다 구체적으로 나타낸 구성도
도 6은 도 3의 고장 예측 진단부를 구체적으로 나타낸 구성도
도 7은 도 3의 표시부를 보다 구체적으로 나타낸 구성도
이하, 본 발명의 바람직한 실시예를 첨부한 도면을 참조하여 당해 분야의 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 설명하기로 한다. 첨부된 도면들에서 구성에 표기된 도면번호는 다른 도면에서도 동일한 구성을 표기할 때에 가능한 한 동일한 도면번호를 사용하고 있음에 유의해야 한다.
또한, 본 발명을 설명함에 있어 관련된 공지의 기능 또는 공지의 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고 도면에 제시된 어떤 특징들은 설명의 용이함을 위해 확대 또는 축소 또는 단순화된 것이고, 도면 및 그 구성요소들이 반드시 적절한 비율로 도시되어 있지는 않다. 그러나 당업자라면 이러한 상세 사항들을 쉽게 이해할 것이다.
도 1은 일반적인 발전기를 나타낸 평면도이고, 도 2는 도 1의 동체를 나타낸 사시도이다.
일반적인 발전기는 도 1 및 도 2에 도시된 바와 같이, 디젤연료를 사용하여 기계적인 에너지를 생산하는 디젤엔진(100)과, 상기 디젤엔진(100)으로부터 기계적인 에너지를 전달받아 전기에너지로 바꾸는 동체(200)로 이루어진다.
상기 동체(200)에는 고정자(220)와 회전자(230)가 설치되는 동체 하우징을 포함하여 다수의 전자부품이 내장되어 있다.
즉, 기계적인 에너지를 전기적인 에너지로 바꾸는 동체(200)에는 유도기전력을 발생시키기 위한 고정자(220)와 회전자(230)가 구비되어 있다.
상기 고정자(220)는 원판형의 고정자 코어(222)가 동체의 내면에 길이 방향으로 다수 적층되어 형성되고, 상기 회전자(230)는 다수의 회전자 코어가 길이 방향으로 다수 적층되어 형성된 것이다. 수십 내지 수백개씩 연속되어 적층되는 고정자 코어(222)와 회전자 코어에는 각각 절연물질로 코팅되어 있다.
상기 고정자(220)와 회전자(230)는 유도기전력 발생 과정에서 열이 발생하는데, 절연물질은 실리콘이나 합성수지재로서, 금속박판으로 이루어져 열 방출이 우수한 고정자(220)나 회전자(230)가 공기와 접촉하는 것을 차단함으로써 결과적으로는 방열을 방해한다.
도 3은 본 발명에 의한 발전기의 고장예측 진단 시스템을 개략적으로 나타낸 구성도이다.
본 발명에 의한 발전기의 고장예측 진단 시스템은 도 3에 도시된 바와 같이, 발전기의 현재 운전상태 및 진동, 속도, 전력, 초음파, 전압 및 전류, 소음, 부분방전, 아크, 매연 정보를 계측하는 계측부(310)와, 상기 계측부(310)로 계측된 발전기의 정보를 전달받아 수집하는 수집부(320)와, 상기 수집부(320)에 수집된 발전기의 정보를 저장하고 과거 운전정보, 실시간 운전정보, 계측 요소 및 고장 이력을 관리하는 빅 데이터 관리부(330)와, 상기 빅 데이터 관리부(330)에 저장 및 관리된 정보를 전달받아 딥러닝 고장 예측 알고리즘을 수행하여 상기 발전기의 현재 상태를 진단하는 고장 예측 진단부(340)와, 상기 고장 예측 진단부(340)에서 진단된 결과를 전달받아 표시 및 전달하는 표시부(350)를 포함하여 구성된다.
여기서, 상기 발전기는 도 1의 디젤엔진(100)에서 생성된 동력을 회전자(230) 및 고정자(220)에 의해 발전을 수행하는 실시 예로 본 실시 예와 관련된 구성요소들만이 도시되어 있다. 따라서, 도면에 도시된 구성요소들 외에 다른 범용적인 구성 요소들이 더 포함될 수 있음을 본 실시 예와 관련된 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다.
상기 디젤엔진(100)에 의해 회전하는 회전자(230)에서 발생하는 자속을 고정자(220) 권선에 쇄교하여 발전이 이루어지며, 이러한 디젤엔진(100)에서 생성된 동력을 발전기에 전달하는 본 발명의 실시 예는 관련된 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다.
상기 발전기는 재해 발생시 발전전력을 생산하고, 생산된 발전전원을 수배전반을 통해 부하에 공급하도록 구성된다. 이때에 공급되는 발전전원은 경보설비, 소방설비 및 소화설비 등으로 구성된 소방부하 및 비상부하에 우선 전원을 공급하게 된다.
그러므로 재해 발생시 비상전원 공급 시스템의 정상적인 기능의 수행으로 신속하게 필요로 하는 소방부하 및 비상부하에 전원을 공급할 수 있고, 그에 따라 재해시 발생할 수 있는 물적, 인적 피해를 최소화할 수 있다. 따라서 사전에 예방하기 위해서는 상시 발전기의 정상기능에 대한 안전관리가 대단히 중요하다.
상기 부하는 재해가 발생하지 않은 통상의 상황에서는 상용전원으로부터 주전력을 제공받아 전력을 소모하며 소기의 기능을 수행하게 된다. 그리고 재해가 발생하는 경우 발전기로부터 발전 전원을 공급받아 방재 및 인명의 구조를 위한 기능을 수행한다.
상기 딥러닝 고장 예측 알고리즘은 사전 학습된 정상 패턴과 일치하는지 아니면 상이한지를 판단하거나 사전 학습된 패턴 외에 신규 패턴이 발생했는지를 판단한다.
도 4는 도 3의 계측부를 보다 구체적으로 나타낸 구성도이다.
도 4에 도시된 바와 같이, 상기 계측부(310)는 발전기의 현재 운전상태를 계측하는 운전 상태 계측부(310a)와, 상기 발전기의 내부 및 외부의 정보를 계측하는 스마트 센서부(310b)로 구성된다.
이때 상기 스마트 센서부(310b)는 상기 발전기 내부 및 외부에 가해지는 진동을 계측하는 진동센서(311)와, 상기 발전기의 전압 및 전류를 계측하는 전압/전류 센서(312)와, 상기 발전기의 몸체 두께 및 움직임을 계측하는 초음파 센서(313)와, 상기 발전기의 내부 및 외부의 소음을 계측하는 소음 센서(314)와, 상기 발전기의 출력단에서 출력되는 전력을 측정하는 전력 센서(315)와, 상기 발전기의 엔진 속도를 계측하는 가속도 센서(316)와, 상기 발전기 내부에서 발생하는 아크 및 부분방전을 계측하는 아크 및 부분방전 센서(317)와, 상기 발전기에서 발생하는 매연을 검출하는 매연검출 센서(318)와, 상기 발전기 내부 및 외부의 온도를 검출하는 온도센서(319)를 포함하여 구성되어 있다.
한편, 본 발명의 스마트 센서부(310b)를 통해 발전기 내부 및 외부의 환경 정보를 포함하여 전력 상태를 계측하는 것을 설명하고 있지만, 이에 한정하지 않고 습도, 이산화탄소, 산소 농도 등을 계측하여 안전 사고를 미연에 방지할 수가 있다.
상기 진동센서(311)는 발전기의 진동 상태를 감지하는 바이브레이션 어퀴지션 유닛(Vibration acquistition unit)을 구비하여 진동을 감지한다.
일반적으로 진동을 감지하기 위해서는 진동 감지 센서를 사용하는 경우가 많으나, 이는 진동수가 높은 진동을 감지하기에 용이한 센서로서, 발전기의 각 부품의 불량 여부를 감지하기에는 적합하지만, 낮은 주파수를 감지하기에는 적합하지 않다. 본 발명에서는 발전기의 진동을 감지하기 위해 가속도 센서를 사용한다.
도 5는 도 3의 빅 데이터 관리부를 보다 구체적으로 나타낸 구성도이다.
도 5에 도시된 바와 같이, 상기 빅 데이터 관리부(330)는 과거 운전정보 저장부(331), 실시간 운전정보 저장부(332), 센서별 계측정보 저장부(333), 고장이력 저장부(334), 트렌드 분석정보 저장부(335) 및 사용자 임의 저장부(336)로 구성되어 있다.
상기 과거 운전정보 저장부(331)는 상기 발전기가 설치된 시점부터 현재 전까지의 과거의 발전기의 운전정보가 저장되어 있다. 이를 근거로 발전기의 총 운전시간 등을 파악할 수가 있다. 뿐만 아니라 상기 발전기를 통해 발전한 전력량, 디젤연료의 사용량을 저장하고 있다.
상기 실시간 운전정보 저장부(332)는 현재 발전기의 실시간 운전정보를 저장한다.
상기 센서별 계측정보 저장부(333)는 상기 스마트 센서부(310b)를 통해 계측된 발전기의 내부 및 외부의 환경 정보를 포함하여 진동, 전압/전류, 두께 및 움직임, 소음, 전력, 속도, 아크 및 부분방전, 매연, 온도 등의 계측된 정보가 저장되어 있다.
상기 트렌드 분석정보 저장부(335)는 발전기 운전 중 상시적으로 정전 용량의 변화 트렌드를 비교 분석하여 고정자 권선의 흡습에 대한 이상 유무를 실시간으로 판단할 수 있다. 프로브 극판은 예로써, 동판을 사용하여 구현 가능하며 정전 용량을 측정할 여러 고정자 권선에 다중으로 설치하여 측정할 수 있다.
여기서, 상기 정전 용량이 온도 변화에 거의 영향을 받지 않는 것을 알 수 있다. 일반적으로 발전소에서 정전용량을 측정할 때 소요되는 시간은 3시간 정도가 요구된다. 즉, 정전 용량을 측정하는 3시간 동안에는 정전 용량의 변화가 거의 없음을 확인할 수 있다. 이에 따라, 본 발명은 온도 변화에 영향을 받지 않고 고정자 권선의 정전 용량을 정확히 측정하여, 고정자 권선 절연체의 흡습 상태를 정확히 진단할 수 있다.
상기 사용자 임의 저장부(336)는 사용자 또는 관리자가 필요한 정보를 저장하는데, 예를 들면, A/S 일자 및 종류, 점검 일자 등의 정보를 저장하게 된다.
도 6은 도 3의 고장 예측 진단부를 구체적으로 나타낸 구성도이다.
도 6에 도시된 바와 같이, 상기 고장 예측 진단부(340)는 상기 빅 데이터 관리부(330)에 저장된 정보를 전달받아 발전기의 고장 진단을 행한다.
즉, 계측 요소와 더불어 실시간 운전정보 데이터와 과거운전 변수 데이터를 전달받아 비교하는 비교부(341)와, 상기 비교부(341)의 비교 결과를 전달받아 정상운전 구간에서의 신호와 상이한 패턴을 분석하는 패턴 분석부(342)와, 상기 패턴 분석부(342)를 분석된 상이한 패턴 정보를 전달받아 운전 중의 특징을 추출하는 특징 추출부(343)와, 상기 특징 추출부(343)를 통해 추출된 특징과 더불어 계측 요소를 전달받아 발전기의 파라미터를 최적화하는 파라미터 최적화부(344)와, 상기 파라미터 최적화부(344)에서 최적화된 발전기의 정보를 전달받아 딥러닝 고장 예측 알고리즘을 수행하여 발전기를 진단하는 딥러닝 고장 예측 알고리즘부(345)와, 상기 딥러닝 고장예측 알고리즘부(345)에서 진단된 결과를 전달받아 상기 발전기의 고장예측을 판단하는 상태 판단부(346)를 포함하여 구성된다.
이때 상기 비교부(341), 패턴 분석부(342), 특징 추출부(343), 파라미터 최적화부(344)는 각각 두 개씩 구성하여 상기 딥러닝 고장예측 알고리즘부(345)에 두 가지의 결과를 전달하게 된다. 이 때문에 상기 딥러닝 고장예측 알고리즘부(345)는 보다 정확하게 발전기의 고장진단을 예측할 수가 있다.
도 7은 도 3의 표시부를 보다 구체적으로 나타낸 구성도이다.
도 7에 도시된 바와 같이, 상기 표시부(350)는 고장 진단부(351), 결함 예측부(352), 수명 계산부(353), 설비 상태부(354), 알람/트립부(355)를 포함하여 이루어진다.
여기서, 상기 고장 진단부(351)는 상기 고장예측 진단부(340)로부터 발전기의 고장예측 상태 결과를 전달받아 표시하고, 상기 결함 예측부(340)는 상기 발전기에서 결함이 발생하는 위치를 표시하며, 상기 수명 계산부(353)는 상기 발전기의 수명 상태를 표시한다.
또한, 상기 설비 상태부(354)는 상기 발전기의 설비 상태를 표시하며, 상기 알람/트립부(355)는 상기 발전기의 고장에 대해서 관리자가 알 수 있도록 알람을 발생하거나 상기 발전기의 운전을 강제로 종료하는 트립신호를 발생한다.
한편, 상기 표시부(350)는 상기 고장예측 진단부(340)로부터 발전기의 고장진단 결과를 받으면서 관리자에게 통보하기 위해 통신부(도시되지 않음)를 구비하고 있고, 상기 통신부는 관리자에게 발전기의 점검을 안내할 뿐만 아니라 상기 수집부(320)에도 전달하여 상기 수집부(320)를 통해 발전기의 운전상태를 수집할 수 있도록 한다.
상기 통신부는 데이터 통신(IEEE802.3 또는 이더넷 등)을 위한 것으로, 허브(HUB) 및 RTU를 포함한다.
상기 관리자는 상기 표시부(350)로부터 발전기의 고장상태를 전달받게 되면 현장에 설치된 발전기를 점검하고, 필요에 따라 수리 또는 교환 처리를 실시함으로써 사고를 미연에 방지할 수가 있다. 즉, 발전기는 항시 운전이 되지 않고 비상시에만 가동이 되기 때문에 사전에 점검 등이 이루어지지 않는 경우에 정작 필요할 때 사용할 수가 없게 되어 인명 사고 등의 위험을 초래하게 된다.
상기 표시부(350) 상기 고장예측 진단부(340)에서 감지한 이상 상태 정보를 원격에서 수집하여 해당 부하차단 명령 및 경고 메시지를 발생하는 기능을 수행하는 것으로, 발전기 부하의 이상 상태 정보를 수집하여 저장하는 데이터저장부(도시되지 않음), 상기 발전기 부하의 이상 상태에 따른 경고 메시지를 발생하는 경고 발생부(도시되지 않음) 및 상기 발전기 부하의 이상 상태를 수신받아 부하차단 명령 및 경고 메시지 발생을 결정하는 모니터링부(도시되지 않음)를 포함한다.
이때, 상기 표시부(350)는 사용자의 키 조작에 따라 모니터링부 및 데이터저장부에 접속하여 각종 고장 원인, 정비 방법 및 고장 예측 부분을 수신할 수 있는 컴퓨터 등을 말하는 것이며, 데스크탑 컴퓨터, 노트북 컴퓨터 중 어느 하나일 수 있고, 모니터링부 및 데이터저장부에 접속하기 위한 접속 프로그램과 접속 프로그램을 저장하기 위한 메모리, 접속 프로그램을 실행하여 연산 및 제어하기 위한 제어부 등을 내장하고 있는 컴퓨터를 말한다.
한편, 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 보호범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
310 : 계측부 320 : 수집부
330 : 빅 데이터 관리부 340 : 고장 예측 진단부
350 : 표시부

Claims (8)

  1. 발전기의 현재 운전상태 및 진동, 속도, 전력, 초음파, 전압 및 전류, 소음, 매연 정보를 계측하는 계측부와,
    상기 계측부로 계측된 발전기의 정보를 전달받아 수집하는 수집부와,
    상기 수집부에 수집된 발전기의 정보를 저장하고 과거 운전정보, 실시간 운전정보, 계측 요소 및 고장 이력을 관리하는 빅 데이터 관리부와,
    상기 빅 데이터 관리부에 저장 및 관리된 정보를 전달받아 딥러닝 고장 예측 알고리즘을 수행하여 상기 발전기의 현재 상태를 진단하는 고장 예측 진단부와,
    상기 고장 예측 진단부에서 진단된 결과를 전달받아 표시 및 전달하는 표시부를 포함하여 구성되고,
    상기 계측부는 발전기의 현재 운전상태를 계측하는 운전 상태 계측부와, 상기 발전기의 내부 및 외부의 정보를 계측하는 스마트 센서부로 구성되며,
    상기 스마트 센서부는 상기 발전기 내부 및 외부에 가해지는 진동을 계측하는 진동센서와, 상기 발전기의 전압 및 전류를 계측하는 전압/전류 센서와, 상기 발전기의 몸체 두께 및 움직임을 계측하는 초음파 센서와, 상기 발전기의 내부 및 외부의 소음을 계측하는 소음 센서와, 상기 발전기의 출력단에서 출력되는 전력을 측정하는 전력 센서와, 상기 발전기의 엔진 속도를 계측하는 가속도 센서와, 상기 발전기에서 발생하는 매연을 검출하는 매연검출 센서와, 상기 발전기 내부 및 외부의 온도를 검출하는 온도센서 및 상기 발전기 내부에서 발생하는 아크 및 부분방전을 계측하는 아크 및 부분방전 센서를 포함하여 이루어지며,
    상기 빅 데이터 관리부는 상기 발전기가 설치된 시점부터 현재 전까지의 과거의 발전기의 운전정보가 저장되는 과거 운전정보 저장부와, 현재 발전기의 실시간 운전정보를 저장하는 실시간 운전정보 저장부와, 상기 스마트 센서부를 통해 계측된 발전기의 내부 및 외부의 환경 정보를 포함하여 진동, 전압/전류, 두께 및 움직임, 소음, 전력, 속도, 매연, 온도의 계측된 정보가 저장되는 센서별 계측정보 저장부와, 상기 발전기 운전 중 상시적으로 정전 용량의 변화 트렌드를 비교 분석하여 고정자 권선의 흡습에 대한 이상 유무를 실시간으로 판단하는 트렌드 분석정보 저장부와, 사용자 또는 관리자가 필요한 정보를 저장하는 사용자 임의 저장부를 포함하여 구성되고,
    상기 고장 예측 진단부는 상기 빅 데이터 관리부에 저장된 정보를 전달받아 발전기의 고장 진단을 행하는 것으로,
    상기 발전기의 계측 요소와 더불어 실시간 운전정보 데이터와 과거운전 변수 데이터를 전달받아 비교하는 비교부와,
    상기 비교부의 비교 결과를 전달받아 정상운전 구간에서의 신호와 상이한 패턴을 분석하는 패턴 분석부와,
    상기 패턴 분석부를 분석된 상이한 패턴 정보를 전달받아 운전 중의 특징을 추출하는 특징 추출부와,
    상기 특징 추출부를 통해 추출된 특징과 더불어 계측 요소를 전달받아 발전기의 파라미터를 최적화하는 파라미터 최적화부와,
    상기 파라미터 최적화부에서 최적화된 발전기의 정보를 전달받아 딥러닝 고장 예측 알고리즘을 수행하여 발전기를 진단하는 딥러닝 고장 예측 알고리즘부와,
    상기 딥러닝 고장예측 알고리즘부에서 진단된 결과를 전달받아 상기 발전기의 고장예측을 판단하는 상태 판단부를 포함하여 구성되고,
    상기 비교부, 패턴 분석부, 특징 추출부, 파라미터 최적화부는 각각 두 개씩 구성하여 그 두 가지 결과를 상기 딥러닝 고장예측 알고리즘부에 전달하는 것을 특징으로 하는 발전기의 고장예측 진단 시스템.
  2. 삭제
  3. 삭제
  4. 제 1 항에 있어서, 상기 스마트 센서부는 습도, 이산화탄소, 산소 농도를 계측하는 것을 특징으로 하는 발전기의 고장예측 진단 시스템.
  5. 삭제
  6. 삭제
  7. 제 1 항에 있어서, 상기 표시부는 고장 진단, 결함 예측, 수명 계산, 설비 상태, 알람/트립을 표시하는 것을 특징으로 하는 발전기의 고장예측 진단 시스템.
  8. 삭제
KR1020190007839A 2019-01-22 2019-01-22 발전기의 고장예측 진단 시스템 KR102219090B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190007839A KR102219090B1 (ko) 2019-01-22 2019-01-22 발전기의 고장예측 진단 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190007839A KR102219090B1 (ko) 2019-01-22 2019-01-22 발전기의 고장예측 진단 시스템

Publications (2)

Publication Number Publication Date
KR20200091073A KR20200091073A (ko) 2020-07-30
KR102219090B1 true KR102219090B1 (ko) 2021-02-24

Family

ID=71839380

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190007839A KR102219090B1 (ko) 2019-01-22 2019-01-22 발전기의 고장예측 진단 시스템

Country Status (1)

Country Link
KR (1) KR102219090B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230146824A (ko) 2022-04-13 2023-10-20 한국전력공사 발전설비 이상감지 모델의 자동 재학습 시스템 및 방법

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102383416B1 (ko) * 2020-08-20 2022-04-06 한국핵융합에너지연구원 플라즈마 장비의 센싱데이터를 이용한 공정 예측 방법 및 이를 위한 스마트센서
KR102589729B1 (ko) * 2020-09-03 2023-10-16 주식회사 제이제이앤컴퍼니스 스마트 양식장의 고장진단 시스템 및 그에 의한 고장진단 방법
KR102390668B1 (ko) * 2020-09-28 2022-04-26 한국생산기술연구원 우선순위 의사결정 모델을 사용한 스팀트랩 유지보수 방법
KR102262045B1 (ko) * 2020-11-02 2021-06-08 박덕근 제조 현장의 예지보전 알고리즘을 관리하는 클라우드 서버 및 이를 포함하는 스마트 공장 관리 시스템
KR102264773B1 (ko) * 2020-11-30 2021-06-15 주식회사 국제기술인증원 센서를 이용한 변압기의 온도, 부분방전 및 소음의 진단 및 제어를 위한 고장진단시스템
KR102274929B1 (ko) * 2020-12-31 2021-07-08 이레산업(주) 변압기 실시간 모니터링 시스템
KR102265694B1 (ko) * 2021-01-13 2021-06-16 (주)에코파워텍 온도변화 추세 비교분석을 통한 고장예측이 가능한 배전반
KR102464322B1 (ko) * 2021-02-23 2022-11-25 (주)명성에이앤티(A&T) 설비 이상 모니터링 시스템
KR102389897B1 (ko) * 2021-08-17 2022-04-25 주식회사 프로컴시스템 휴대용 변류기 시험기
CN114089720A (zh) * 2021-11-12 2022-02-25 辽宁东科电力有限公司 一种发电厂用汽轮机智能控制一体化系统及控制方法
KR102387375B1 (ko) 2021-11-19 2022-04-18 주식회사 에이투엠 선제적 풍력발전 유지관리 시스템
KR102645196B1 (ko) * 2022-01-14 2024-03-06 한전케이디엔주식회사 Ai를 이용한 ami 설비 이상 탐지 방법 및 장치
CN114993669B (zh) * 2022-04-20 2023-04-18 燕山大学 多传感器信息融合的传动系统故障诊断方法及系统
KR102464750B1 (ko) * 2022-06-30 2022-11-10 한국전진기술(주) 발전기의 이상 검출 방법
KR102449375B1 (ko) * 2022-06-30 2022-10-06 한국전진기술(주) 콜렉터링 브러시간 이상 감지 시스템
CN115308593A (zh) * 2022-07-11 2022-11-08 浙江联宜电机有限公司 多维度数据融合电机故障预检装置、系统及其预检方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150043076A (ko) * 2013-10-14 2015-04-22 두산중공업 주식회사 발전소 관리 시스템 및 그의 제어방법
KR101842347B1 (ko) * 2016-05-04 2018-03-26 두산중공업 주식회사 플랜트 이상 감지를 위한 자동 학습 시스템 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230146824A (ko) 2022-04-13 2023-10-20 한국전력공사 발전설비 이상감지 모델의 자동 재학습 시스템 및 방법

Also Published As

Publication number Publication date
KR20200091073A (ko) 2020-07-30

Similar Documents

Publication Publication Date Title
KR102219090B1 (ko) 발전기의 고장예측 진단 시스템
US9910093B2 (en) Generator neutral ground monitoring device utilizing direct current component measurement and analysis
CN105074598B (zh) 用于输电和配电资产状态预测和诊断的系统和方法
EP2697699B1 (en) Dynamic assessment system for high-voltage electrical components
Saponara et al. Predictive diagnosis of high-power transformer faults by networking vibration measuring nodes with integrated signal processing
CN113167834A (zh) 重型电机健全性分析平台及使用其的分析方法
CN103513139A (zh) 一种电力变压器故障智能诊断技术、方法及设备
US20140324739A1 (en) Systems and methods for learning of normal sensor signatures, condition monitoring and diagnosis
CN105980946A (zh) 故障检测的系统及方法
KR101103131B1 (ko) 원자력발전소 예비디젤발전기의 진단장치 및 방법
de Andrade Vieira et al. Failure risk indicators for a maintenance model based on observable life of industrial components with an application to wind turbines
CN111509847A (zh) 一种电网机组状态的智能检测系统及方法
CN206804743U (zh) 开关柜状态监测装置及系统
JP2014517320A (ja) 高電圧機器における単一及び複数の部分放電（ｐｄ）欠陥を分類するためにｐｒｐｄ包絡値を使用する方法
CN106773993A (zh) 现场数据采集终端及系统
Jaros et al. Advanced signal processing methods for condition monitoring
CN109470983B (zh) 一种保电设备故障预警方法及系统
CN114154728A (zh) 一种故障预测方法、装置、电子设备及存储介质
Chang et al. Fuzzy theory-based partial discharge technique for operating state diagnosis of high-voltage motor
Refaat et al. Smart grid condition assessment: concepts, benefits, and developments
CN112630643B (zh) 换流变有载调压开关顶盖状态监测装置及方法
Azarian et al. Applications of health monitoring to wind turbines
KR100905971B1 (ko) 발전-전동기 운전중 진단 시스템 및 방법
CN206930947U (zh) 智能电机故障录波预警系统
Tenbohlen et al. Benefit of sensors for on-line monitoring systems for power transformers

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant