KR102351123B1 - System for performance verication and predictive maintenance of ess - Google Patents

System for performance verication and predictive maintenance of ess Download PDF

Info

Publication number
KR102351123B1
KR102351123B1 KR1020190172438A KR20190172438A KR102351123B1 KR 102351123 B1 KR102351123 B1 KR 102351123B1 KR 1020190172438 A KR1020190172438 A KR 1020190172438A KR 20190172438 A KR20190172438 A KR 20190172438A KR 102351123 B1 KR102351123 B1 KR 102351123B1
Authority
KR
South Korea
Prior art keywords
ess
unit
performance
performance verification
test
Prior art date
Application number
KR1020190172438A
Other languages
Korean (ko)
Other versions
KR20210080060A (en
Inventor
송광철
Original Assignee
(주)엘탑
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 (주)엘탑 filed Critical (주)엘탑
Priority to KR1020190172438A priority Critical patent/KR102351123B1/en
Publication of KR20210080060A publication Critical patent/KR20210080060A/en
Application granted granted Critical
Publication of KR102351123B1 publication Critical patent/KR102351123B1/en

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]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • 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
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Abstract

개시된 본 발명에 따른 ESS 성능검증 및 예측정비는, ESS 설비를 구성하는 배터리, BMS, PCS와, 이들을 연결하는 연결 배선 및 상기 연결 배선에 설치되는 전기장치에 설치되어 각종 신호를 측정하는 신호 측정부와, 신호 측정부에 의해 측정된 각종 신호를 처리하는 신호 처리 및 분석부와, 신호 처리 및 분석부를 거친 신호를 기초로 ESS 설비의 성능 검증을 수행하고 또한 성능검증 결과보고서를 작성하는 성능 검증부와, 성능 검증부의 수행된 성능검증 결과 데이터 및 결과 보고서가 표시되는 디스플레이부, 및 신호 처리 및 분석부를 거친 신호와 성능 검증부에 의한 결과 데이터를 학습데이터로 하는 머신러닝 알고리즘에 기반하여 ESS 설비의 성능과 수명 및 정비사항을 예측하는 예측 정비부를 포함한다. 본 발명에 의하면 ESS 설비의 전기화재요인을 기술적으로 규명하기 위하여 설비구성요소를 실시간 감시하여 성능을 검증하고 감시 및 성능검증 데이터를 저장하며, 전기화재 원인분석 유형별 대책에 대한 선행기술조사를 통해 기반기술 자료를 정립할 수 있으며, 또한 성능검증을 통한 딥러닝 기반의 예측알고리즘 적용하여 신뢰성 있는 예측정비를 제공할 수 있는 효과가 있다.ESS performance verification and predictive maintenance according to the present invention disclosed is a battery, BMS, and PCS constituting an ESS facility, a connection wiring connecting them, and a signal measuring unit installed in an electric device installed in the connection wiring to measure various signals A signal processing and analysis unit that processes various signals measured by the signal measuring unit, and a performance verification unit that performs performance verification of the ESS facility based on the signal passed through the signal processing and analysis unit and prepares a performance verification result report And, a display unit on which the performance verification result data and result report performed by the performance verification unit are displayed, and a signal that has passed through the signal processing and analysis unit and a machine learning algorithm that uses the result data by the performance verification unit as learning data of the ESS facility Includes predictive maintenance to predict performance and lifespan and maintenance. According to the present invention, in order to technically identify electrical fire factors of ESS facilities, real-time monitoring of facility components to verify performance, store monitoring and performance verification data, and analysis of causes of electrical fires based on prior art research on countermeasures for each type It is possible to establish technical data and also has the effect of providing reliable predictive maintenance by applying a deep learning-based prediction algorithm through performance verification.

Description

ESS 성능검증 및 예측정비 시스템{SYSTEM FOR PERFORMANCE VERICATION AND PREDICTIVE MAINTENANCE OF ESS}ESS performance verification and predictive maintenance system

본 발명은 ESS에서 수집된 각종 센싱 신호들을 이용하여 성능을 검증하고, 센싱 신호 및 성능검증 결과를 바탕으로 머신러닝 학습 알고리즘을 이용하여 예측정비를 할 수 있는 ESS 성능검증 및 예측정비 시스템에 관한 것이다.The present invention relates to an ESS performance verification and predictive maintenance system capable of verifying performance using various sensing signals collected from the ESS and performing predictive maintenance using a machine learning learning algorithm based on the sensing signals and performance verification results. .

ESS(Energy Storage System)는 일반적으로 과잉생산된 전기에너지를 저장하였다가 필요할 때 용도에 맞게 할 수 있는 것으로, 광범위하게는 태양광, 풍력발전 등 신재생에너지를 생산할 때 출력을 안정화하는 데도 이용된다. 뿐만 아니라 정전 등의 비상시에도 활용할 수 있다. ESS (Energy Storage System) is generally used to store excess electrical energy and use it when needed. It is also widely used to stabilize the output when generating new and renewable energy such as solar and wind power. . It can also be used in an emergency such as a power outage.

그런데 최근에 ESS 사업장에서 화재로 인한 사고가 빈번하게 발생함으로 인해 ESS 설비에 대한 안전이 이슈화되고 있다.However, recently, the safety of ESS facilities has become an issue due to frequent fire accidents at ESS workplaces.

사고원인이 정확하게 밝혀지지 않았으나, 그간 조사된 사고 원인으로는 전기적 충격에 대한 배터리 보호시스템 미흡, 운영환경 관리 미흡, 설치부주의, ESS 통합제어 보호체계 미흡 등으로 판명되었고, 그 중 대부분이 하드웨어(H/W)적인 결함이었다.Although the cause of the accident was not precisely identified, the causes of the accident investigated so far were found to be insufficient battery protection system against electric shock, insufficient management of the operating environment, negligence in installation, and insufficient ESS integrated control protection system. /W) was a glitch.

도 1은 ESS 사고 원인 및 그에 대응되는 안전대책을 나타낸 도면이다. 도시된 바와 같이 안전대책은 제조기준, 설치기준, 운영관리 기준, 소방 기준으로 구분되어 있으며, ESS 화재사고로 인해 제품 및 시스템 차원의 안전관리 강화로 ESS 사업장 구성 시 각 장비에 대한 시험성적서 및 인증에 대한 검증이 강화되고 있다. 1 is a view showing the cause of an ESS accident and safety measures corresponding thereto. As shown, safety measures are divided into manufacturing standards, installation standards, operation management standards, and firefighting standards, and test reports and certifications for each equipment when configuring an ESS business site by strengthening product and system-level safety management due to an ESS fire accident verification is being strengthened.

또한 전기산업진흥회, 스마트그리드협회, 전지산업협회, 관련업계 등 민간이 자율적으로 협력하여, 배터리시스템 보호장치 성능사항, ESS 통합관리 기준 등을 조만 간 단체표준에 추가하고, 고효율 인증, 보험 등과 연계하여 실효성을 확보토록 할 예정이다.In addition, the private sector, such as the Electricity Industry Promotion Association, Smart Grid Association, Battery Industry Association, and related industries, cooperated voluntarily to add battery system protection device performance items and ESS integrated management standards to group standards soon, and link high-efficiency certification and insurance. This will ensure effectiveness.

그런데, 이러한 강화된 기준에 맞게 ECC 설비 및 시스템을 구축한다고 하더라고 실제 가동시 화재 등의 안전사고를 방지하는 것에 대한 담보가 없는 문제가 발생한다. 따라서 이러한 강화된 규정에 맞는 제품을 만들고 인증 및 시험성적을 받기 위해서는 사전 테스트 및 신뢰성을 검증할 수 있는 장치가 필요하다. However, even if ECC facilities and systems are built in accordance with these reinforced standards, there is a problem that there is no guarantee for preventing safety accidents such as fire during actual operation. Therefore, in order to manufacture a product that meets these strengthened regulations and to receive certification and test results, a device capable of pre-testing and verifying reliability is required.

대한민국 공개특허공보 제10-2017-0114078호(2017.10.13. 공개)Republic of Korea Patent Publication No. 10-2017-0114078 (published on October 13, 2017) 대한민국 등록특허공보 제10-1270798호(2013.05.28. 등록)Republic of Korea Patent Publication No. 10-1270798 (Registered on May 28, 2013)

본 발명은 상기와 같은 점을 감안하여 안출된 것으로써, ESS 설비의 전기화재요인을 기술적으로 규명하기 위하여 설비 구성요소를 실시간 감시하여 성능검증을 하고, 이러한 성능검증을 통한 예측알고리즘을 통해 신뢰성 있는 예측정비 시스템을 제공하는데 그 목적이 있다.The present invention has been devised in consideration of the above points, and in order to technically identify the electrical fire factors of the ESS facility, the facility components are monitored in real time to verify the performance, and through the prediction algorithm through the performance verification, the reliability It aims to provide a predictive maintenance system.

상기 목적을 달성하기 위한 본 발명에 따른 성능검증을 통한 예측정비 시스템은, ESS 설비를 구성하는 배터리, BMS, PCS와, 이들을 연결하는 연결 배선 및 상기 연결 배선에 설치되는 전기장치에 설치되어 각종 신호를 측정하는 신호 측정부; 상기 신호 측정부에 의해 측정된 각종 신호를 처리하는 신호 처리 및 분석부; 상기 신호 처리 및 분석부를 거친 신호를 기초로 ESS 설비의 성능 검증을 수행하고, 또한 성능검증 결과보고서를 작성하는 성능 검증부; 상기 성능 검증부의 수행된 성능검증 결과 데이터 및 결과 보고서가 표시되는 디스플레이부; 및 상기 신호 처리 및 분석부를 거친 신호와 성능 검증부에 의한 결과 데이터를 학습데이터로 하는 머신러닝 알고리즘에 기반하여, ESS 설비의 성능과 수명 및 정비사항을 예측하는 예측 정비부;를 포함한다.The predictive maintenance system through performance verification according to the present invention for achieving the above object is installed in a battery, BMS, PCS constituting an ESS facility, a connecting wire connecting them, and an electric device installed in the connecting wire, various signals a signal measuring unit for measuring a signal processing and analysis unit for processing various signals measured by the signal measuring unit; a performance verification unit that performs performance verification of the ESS facility based on the signal passed through the signal processing and analysis unit and prepares a performance verification result report; a display unit on which the performance verification result data and the result report performed by the performance verification unit are displayed; and a predictive maintenance unit that predicts the performance, lifespan, and maintenance of the ESS facility based on a machine learning algorithm using the signal passed through the signal processing and analysis unit and the result data by the performance verification unit as learning data.

그리고 상기 예측 정비부는 ESS 설비와 전기적 출력 특성이 같도록 시물레이션 ESS 등가회로를 구현하고 상기 시물레이션 ESS 등가회로의 파라미터를 학습하여, ESS 설비의 성능과 수명 및 정비사항을 예측한다.And the predictive maintenance unit implements a simulation ESS equivalent circuit to have the same electrical output characteristics as the ESS facility, learns the parameters of the simulation ESS equivalent circuit, and predicts the performance, lifespan, and maintenance of the ESS facility.

본 발명에 의하면 ESS 설비의 전기화재요인을 기술적으로 규명하기 위하여 설비구성요소를 실시간 감시하여 성능을 검증하고 감시 및 성능검증 데이터를 저장하며, 전기화재 원인분석 유형별 대책에 대한 선행기술조사를 통해 기반기술 자료를 정립할 수 있으며, 또한 성능검증을 통한 딥러닝 기반의 예측알고리즘 적용하여 신뢰성 있는 예측정비를 제공할 수 있는 효과가 있다.According to the present invention, in order to technically identify electrical fire factors of ESS facilities, real-time monitoring of facility components to verify performance, store monitoring and performance verification data, and analysis of causes of electrical fires based on prior art research on countermeasures for each type It is possible to establish technical data and also has the effect of providing reliable predictive maintenance by applying a deep learning-based prediction algorithm through performance verification.

도 1a는 일반적인 ESS 설비 운영 개념도,
도 1b는 일반적인 ESS 설비 구성도,
도 2는 본 발명의 실시예에 따른 ESS 성능검증 및 예측정비 시스템의 개념도,
도 3는 본 발명의 실시예에 따른 ESS 성능검증 및 예측정비 시스템의 블럭 구성도,
도 4는 본 발명의 시스템의 각 동작을 설명하기 위한 도면,
도 5는 본 발명의 시스템의 예측 정비부의 인공신경망 구조의 일 예를 나타내는 도면,
도 6은 본 발명의 시스템의 예측 정비부가 파라미터 추정을 통한 예측 방식의 예를 설명하는 도면이다.1a is a conceptual diagram of a general ESS facility operation;
1b is a general ESS facility configuration diagram;
2 is a conceptual diagram of an ESS performance verification and predictive maintenance system according to an embodiment of the present invention;
3 is a block diagram of an ESS performance verification and predictive maintenance system according to an embodiment of the present invention;
4 is a view for explaining each operation of the system of the present invention;
5 is a view showing an example of an artificial neural network structure of a predictive maintenance unit of the system of the present invention;
6 is a view for explaining an example of a prediction method through parameter estimation by the predictive maintenance unit of the system of the present invention.

본 발명의 상기와 같은 목적, 특징 및 다른 장점들은 첨부도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명함으로써 더욱 명백해질 것이다. 이하 첨부된 도면을 참조하여 본 발명의 실시예에 따른 ESS 성능검증 및 예측정비 시스템에 대해 상세히 설명하기로 한다.The above objects, features and other advantages of the present invention will become more apparent by describing preferred embodiments of the present invention in detail with reference to the accompanying drawings. Hereinafter, an ESS performance verification and predictive maintenance system according to an embodiment of the present invention will be described in detail with reference to the accompanying drawings.

도 1 내지 도 3을 참조하면, 본 발명의 실시예에 따른 ESS 성능검증 및 예측정비 시스템은 신호 측정부(110). 신호 처리 및 분석부(120), 제어부(130), 디스플레이부(140), 데이터베이스부(150), 성능 검증부(160) 및 예측 정비부(170)를 포함한다.1 to 3 , the ESS performance verification and predictive maintenance system according to an embodiment of the present invention includes a signal measuring unit 110 . It includes a signal processing and analysis unit 120 , a control unit 130 , a display unit 140 , a database unit 150 , a performance verification unit 160 , and a predictive maintenance unit 170 .

신호 측정부(110)는 ESS 시스템에 설치되는 각종 신호를 검지하는 센서들일 수 있다. ESS 시스템의 구조는 보통 전지를 저장하는 배터리, 배터리를 관리 및 제어하는 BMS, 전력변환시스템인 PCS(Power Conversion System), PCS와 BMS를 제어하여 충반정량과 시간을 조정하는 제어장치인 PMS, 그리고 이들을 연결하는 연결 배선 및 연결 배선에 설치되는 각종 장치(차단기, 스위치 기어 등)를 포함하는 구조로 이루어진다. The signal measuring unit 110 may be sensors that detect various signals installed in the ESS system. The structure of an ESS system usually consists of a battery that stores batteries, a BMS that manages and controls the battery, a PCS (Power Conversion System) that is a power conversion system, a PMS that controls the PCS and BMS to adjust the charging and discharging amount and time, and It consists of a structure including the connecting wiring connecting them and various devices (breaker, switchgear, etc.) installed on the connecting wiring.

신호 측정부(110)는 기존 ESS 설비에 설치된 센서들을 활용할 수 있거나 또는 추가로 센서들을 배치할 수 있다. The signal measuring unit 110 may utilize sensors installed in existing ESS facilities or may additionally arrange sensors.

신호 측정부(110)를 구체적으로 살펴보면 온도와 습도를 측정하는 온/습도 센서, 전압과 전류를 측정하는 접압/전류 센서, 주파수를 측정하는 주파수 측정 장치, 배터리의 충전/방전시의 전압이나 전류를 측정하는 충방전 전압/전류 센서를 포함할 수 있다. Looking at the signal measuring unit 110 in detail, a temperature/humidity sensor for measuring temperature and humidity, a voltage/current sensor for measuring voltage and current, a frequency measuring device for measuring frequency, and voltage or current during charging/discharging of the battery It may include a charge-discharge voltage / current sensor for measuring.

신호 처리 및 분석부(120)는 신호 측정부(110)에서 보내는 센서들의 신호를 처리 및 분석하게 된다. 신호 처리 및 분석부(120)는 보통 전 처리(노이즈 제거), 입력 분포도 계산, 일정 압력값 이내의 신호 SNR 비교, 최적의 신호 선택, 신호 추출, 신호 전송의 순서로 진행된다. 도 5는 이러한 신호 처리 및 분석부(120)에 의해 진행되는 신호 처리 결과를 예시적으로 나타낸 도면이다.The signal processing and analysis unit 120 processes and analyzes signals from the sensors transmitted from the signal measurement unit 110 . The signal processing and analysis unit 120 usually proceeds in the order of pre-processing (noise removal), input distribution calculation, signal SNR comparison within a certain pressure value, optimal signal selection, signal extraction, and signal transmission. 5 is a diagram exemplarily showing a signal processing result performed by the signal processing and analysis unit 120 .

신호 처리 및 분석부(120)를 거친 신호는 제어부(130)로 전송되고 제어부(130)는 이러한 신호들을 필요에 맞게 데이터베이스부(150), 성능 검증부(160), 예측 정비부(170)로 보내고, 또한 성능 검증부(160), 예측 정비부(170)에서 검증이나 분석된 신호 및 이의 결과물들을 디스플레이부(140)나 데이터베이스부(150)에 저장하도록 제어하는 역할을 한다. The signal that has passed through the signal processing and analysis unit 120 is transmitted to the control unit 130 , and the control unit 130 converts these signals to the database unit 150 , the performance verification unit 160 , and the predictive maintenance unit 170 as needed. It also serves to control the performance verification unit 160 and the predictive maintenance unit 170 to store the verified or analyzed signals and their results in the display unit 140 or the database unit 150 .

데이터베이스부(150)에는 신호 처리 및 분석부(120)를 거친 신호가 저장되고, 또한 이외에 성능검증 및 예측 정비를 하기 위한 각종 기초자료, 결과자료 들이 저장되어 있다. 특히 성능검증 및 예측정비를 위해 배터리의 SOC, SOH 기반의 빅데이터 구축이 필요하다. In the database unit 150, the signal that has passed through the signal processing and analysis unit 120 is stored, and in addition, various basic data and result data for performance verification and predictive maintenance are stored. In particular, it is necessary to build big data based on SOC and SOH of batteries for performance verification and predictive maintenance.

성능 검증부(160)는 신호 처리 및 분석부(120)에서 보내온 신호 및 데이터베이스부(150)에 저장된 자료들을 기초로 ESS 설비의 성능 검증을 수행하게 된다. The performance verification unit 160 performs performance verification of the ESS facility based on the signals sent from the signal processing and analysis unit 120 and data stored in the database unit 150 .

성능 검증부(160)에 의한 성능검증 사항은 전력측정 시험, 고조파 시험, 누설전류 시험 등이 있으며, 또한 ESS 설비를 구성하는 BMS 기능 시험(계측기능 시험, 계산기능 시험, 제어/보호 기능 시험, 특정기능 시험 포함), 배터리의 충전/방전 시험(충전 및 방전 시험, 과충전 및 과방전 시험, 과충전 및 과장전 차단시험 포함), PMS 기능 시험(계측기능 시험, 저장기능 시험, 제어기능 및 보호기능 시험)들을 모두 포함하는 ESS 점검항목 측정시험을 할 수 있다. Performance verification by the performance verification unit 160 includes power measurement test, harmonic test, leakage current test, and the like, and BMS function test (measurement function test, calculation function test, control/protection function test, Including specific function test), battery charge/discharge test (including charge and discharge test, overcharge and overdischarge test, overcharge and overcharge cutoff test), PMS function test (measurement function test, storage function test, control function and protection function) ESS check item measurement test including all tests) can be performed.

또한, 상기 항목들 이외에 ESS 설비의 전기장치 성능시험(정상특성 시험, 과도응답 특성 시험, 내전기 특성 시험, 배터리 연계 시험)과, ESS 설비의 설치상대 종합점검 시험(구조, 배선 및 단자, 접지 설비, 환기시설, 조명설비, 모티터링 등)과, 온도/습도 측정 시험을 하게 된다. In addition, in addition to the above items, electric device performance tests (normal characteristics test, transient response characteristic test, electric resistance test, battery connection test) of ESS facilities and comprehensive inspection tests of ESS facilities (structure, wiring and terminals, grounding) equipment, ventilation facilities, lighting equipment, monitoring, etc.) and temperature/humidity measurement tests.

한편, 성능 검증부(160)은 성능시험 결과를 결과보고서 형식으로 작성할 수 있고, 제어부(130)는 이러한 성능시험 결과 데이터 및 결과보고서를 디스플레이부(140)를 통해 표출할 수 있다. 그리고 성능시험 결과 데이터는 제어부(130)에 의해 데이터베이스부(150)에 저장될 수 있으며, 통신수단을 통해 관리 서버 또는 에플리케이션을 통해 관리자 단말기로 전송될 수 있다. Meanwhile, the performance verification unit 160 may write the performance test result in the form of a result report, and the control unit 130 may display the performance test result data and the result report through the display unit 140 . And, the performance test result data may be stored in the database unit 150 by the control unit 130, and may be transmitted to the manager terminal through the management server or application through the communication means.

예측 정비부(170)는 머신러닝(딥러닝) 알고리즘에 기반하여, 실제 ESS 설비가 작업자에 배치되기 전에 딥러닝을 통해 ESS 성능 및 수명이나 정비사항등을 예측할 수 있게 된다. 즉 성능 검증부(160)에 의한 성능시험 결과(각종 시험결과, 충방전 이력 등)들을 데이터 셋으로 학습을 수행하여 예측정비를 수행할 수 있다. The predictive maintenance unit 170 is based on a machine learning (deep learning) algorithm, and can predict ESS performance and lifespan or maintenance items through deep learning before the actual ESS facility is deployed to the worker. That is, it is possible to perform predictive maintenance by learning the performance test results (various test results, charge/discharge history, etc.) by the performance verification unit 160 as a data set.

딥러닝 알고리즘은 종래의 다양한 모델(FFNN, CNN, RNN 등)을 적용할 수 있으며 가장 좋은 성능을 보이는 모델을 채택하거나 보완하여 사용할 수 있다. 도 6은 본 발명에 적용되는 예측 정비부(170)에 적용되는 알로리즘의 일 예를 나타낸 것인데, 인공신경망은 최적의 은닉증 수, 노드 수를 알 수 없기 때문에 반복적인 작업을 거쳐 본 시스템에 적합한 인경신경망 구조를 도출해야 한다.The deep learning algorithm can apply various conventional models (FFNN, CNN, RNN, etc.), and it can be used by adopting or supplementing the model with the best performance. 6 shows an example of an algorithm applied to the predictive maintenance unit 170 applied to the present invention. Since the artificial neural network does not know the optimal number of concealment and the number of nodes, it is applied to the present system through repetitive work. An appropriate neural network structure should be derived.

한편, 딥러닝 학습에 의한 AI 예측기법은 예측 결과가 특정 범위에서 크게 틀릴 수 있기 때문에(예를 들어 과적합 학습된 경우) 보다 안정한 범위 내에서 예측할 수 있도록, 본 발명에서는 물리 모델의 파라미터 추적 기법을 적용하여 알고리즘을 적용한다. On the other hand, in the AI prediction technique by deep learning learning, since the prediction result can be greatly different in a specific range (for example, when overfitting learning), the present invention can predict within a more stable range. to apply the algorithm.

본 발명의 예측정비 시스템에서 활용하는 값들은 대부분 전기회로에서 취득하는 값들이기 때문에, 이 값들을 가상에서도 얻을 수 있도록 시뮬레이션 등가회로 모델을 구현한다. 즉, 실제 ESS와 전기적 출력 특성이 같도록 등가회로 모델의 파라미터들을 인공지능 학습 기법을 이용하여 도출하게 된다. Since most of the values used in the predictive maintenance system of the present invention are values obtained from electric circuits, a simulation equivalent circuit model is implemented so that these values can be obtained even in virtual reality. That is, the parameters of the equivalent circuit model are derived using the artificial intelligence learning technique so that the electrical output characteristics of the actual ESS are the same.

한편, 본 발명의 시스템의 실제 가동 시 리스크를 줄이기 위해 실전 배치 전 실제와 같은 환경을 모의해주는 실시간 모의실험 장치를 사용하여 본 발명의 시스템을 검증할 수 있고, 검증을 마친 본 발명의 시스넴은 ESS 설비와 연계하여 현장에 배치될 수 있다.On the other hand, in order to reduce the risk during the actual operation of the system of the present invention, the system of the present invention can be verified by using a real-time simulation device that simulates the same environment before actual deployment, and the system of the present invention that has been verified is It can be deployed on site in connection with ESS facilities.

이상에서 살펴본 바와 같이 본 발명에 따른 ESS 성능검증 및 예측정비 시스템에 의하면, ESS 설비의 전기화재요인을 기술적으로 규명하기 위하여 설비구성요소를 실시간 감시하여 성능을 검증하고 감시 및 성능검증 데이터를 저장하며, 전기화재 원인분석 유형별 대책에 대한 선행기술조사를 통해 기반기술 자료를 정립할 수 있으며, 또한 성능검증을 통한 딥러닝 기반의 예측알고리즘 적용하여 신뢰성 있는 예측정비를 제공할 수 있는 이점이 있다.As described above, according to the ESS performance verification and predictive maintenance system according to the present invention, in order to technically identify the electric fire factor of the ESS facility, the facility components are monitored in real time to verify the performance, and the monitoring and performance verification data are stored. , it has the advantage of providing reliable predictive maintenance by applying a predictive algorithm based on deep learning through performance verification, as well as establishing basic technical data through prior art research on countermeasures for each type of cause analysis of electric fires.

이상에서 본 발명의 바람직한 실시예에 대하여 설명하였으나 본 발명은 상술한 특정의 실시예에 한정되지 아니한다. 즉, 본 발명이 속하는 기술분야에서 통상의 지식을 가지는 자라면 첨부된 특허청구범위의 사상 및 범주를 일탈함이 없이 본 발명에 대한 다수의 변경 및 수정이 가능하며, 그러한 모든 적절한 변경 및 수정의 균등물들도 본 발명의 범위에 속하는 것으로 간주되어야 할 것이다.Although preferred embodiments of the present invention have been described above, the present invention is not limited to the specific embodiments described above. That is, a person of ordinary skill in the art to which the present invention pertains can make numerous changes and modifications to the present invention without departing from the spirit and scope of the appended claims, and all such appropriate changes and modifications are possible. Equivalents are to be considered as falling within the scope of the present invention.

110. 신호 측정부 120. 신호 처리 및 분석부
130. 제어부 140. 디스플레이부
150. 데이터베이스부 160. 성능 검증부
170. 예측 정비부110. Signal measurement unit 120. Signal processing and analysis unit
130. Control unit 140. Display unit
150. Database unit 160. Performance verification unit
170. Predictive Maintenance Department

Claims (2)

ESS 설비를 구성하는 배터리, BMS, PCS와, 이들을 연결하는 연결 배선 및 상기 연결 배선에 설치되는 전기장치에 설치되어 각종 신호를 측정하는 신호 측정부;
상기 신호 측정부에 의해 측정된 각종 신호를 처리하는 신호 처리 및 분석부;
상기 신호 처리 및 분석부를 거친 신호를 기초로, ESS 설비의 전력측정 시험, 고조파 시험, 누설전류 시험, BMS 기능 시험, 배터리의 충전/방전 시험, PMS 기능 시험, 전기장치 성능시험, ESS 설비의 설치상대 종합점검 시험 및 온도/습도 측정 시험을 포함하는 ESS 설비의 성능 검증을 수행하고, 또한 성능검증 결과보고서를 작성하는 성능 검증부;
상기 성능 검증부의 수행된 성능검증 결과 데이터 및 결과 보고서가 표시되는 디스플레이부;
상기 신호 처리 및 분석부를 거친 신호와 성능 검증부에 의한 결과 데이터를 학습데이터로 하는 머신러닝 알고리즘에 기반하여, ESS 설비의 성능과 수명 및 정비사항을 예측하는 예측 정비부;를 포함하며,
상기 예측 정비부는, ESS 설비와 전기적 출력 특성이 같도록 시물레이션 ESS 등가회로를 구현하고 상기 시물레이션 ESS 등가회로의 파라미터를 학습하여, ESS 설비의 성능과 수명 및 정비사항을 예측하는 것을 특징으로 하는 ESS 성능검증 및 예측정비 시스템.
A battery, BMS, and PCS constituting the ESS facility, a connection wiring connecting them, and a signal measuring unit installed in an electric device installed in the connection wiring to measure various signals;
a signal processing and analysis unit for processing various signals measured by the signal measuring unit;
Based on the signal passed through the signal processing and analysis unit, ESS facility power measurement test, harmonic test, leakage current test, BMS function test, battery charge/discharge test, PMS function test, electric device performance test, ESS facility installation a performance verification unit that performs performance verification of ESS facilities, including a relative comprehensive inspection test and temperature/humidity measurement test, and prepares a performance verification result report;
a display unit on which the performance verification result data and the result report performed by the performance verification unit are displayed;
A predictive maintenance unit that predicts the performance, lifespan, and maintenance of the ESS facility based on a machine learning algorithm that uses the signal passed through the signal processing and analysis unit and the result data by the performance verification unit as learning data;
The predictive maintenance unit implements a simulation ESS equivalent circuit to have the same electrical output characteristics as the ESS facility, learns the parameters of the simulation ESS equivalent circuit, and predicts the performance, lifespan, and maintenance of the ESS facility. ESS performance, characterized in that Verification and predictive maintenance system.
 삭제delete
KR1020190172438A 2019-12-20 2019-12-20 System for performance verication and predictive maintenance of ess KR102351123B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190172438A KR102351123B1 (en) 2019-12-20 2019-12-20 System for performance verication and predictive maintenance of ess

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190172438A KR102351123B1 (en) 2019-12-20 2019-12-20 System for performance verication and predictive maintenance of ess

Publications (2)

Publication Number Publication Date
KR20210080060A KR20210080060A (en) 2021-06-30
KR102351123B1 true KR102351123B1 (en) 2022-01-14

Family

ID=76602201

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190172438A KR102351123B1 (en) 2019-12-20 2019-12-20 System for performance verication and predictive maintenance of ess

Country Status (1)

Country Link
KR (1) KR102351123B1 (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101792975B1 (en) * 2017-04-25 2017-11-02 한국기술교육대학교 산학협력단 Method for Predicting State of Health of Battery Based on Numerical Simulation Data

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101270798B1 (en) 2012-02-17 2013-06-05 넥스콘 테크놀러지 주식회사 Only energy storage system bms testing equipment
KR20160107782A (en) * 2015-03-05 2016-09-19 한국전기연구원 System and method for assessing performance of electric energy storage system by using test sequence
KR20170114078A (en) 2016-04-04 2017-10-13 단태욱 Coffee composition and a method of manufacturing containing graviola
KR102073085B1 (en) * 2018-01-02 2020-03-03 (주)코에버정보기술 Dynamic monitoring system based on FBD machine learning and method thereof

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101792975B1 (en) * 2017-04-25 2017-11-02 한국기술교육대학교 산학협력단 Method for Predicting State of Health of Battery Based on Numerical Simulation Data

Also Published As

Publication number Publication date
KR20210080060A (en) 2021-06-30

Similar Documents

Publication Publication Date Title
CN106199305B (en) Underground coal mine power supply system dry-type transformer insulation health state evaluation method
CN103454516B (en) Intelligent transformer substation secondary equipment health state diagnostic method
CN101553738B (en) Flashover analysis tool
CN102005736B (en) On-line monitoring method of state of relay protection equipment
CN106295956B (en) Reliability assessment method considering repairable multi-state complex characteristic of power supply system of nuclear power plant
CN109271741A (en) A kind of prediction of buck DC-DC power module remaining life and health evaluating method
CN107203816A (en) A kind of trouble hunting method and system of secondary equipment in power system
CN104380554A (en) Fault detection in energy supply networks
CN103296750B (en) Apparatus and method for correcting error of acquired data
Fioravanti et al. Predictive-maintenance practices: For operational safety of battery energy storage systems
Lamár et al. Average probability of failure of aperiodically operated devices
CN110297161A (en) Take precautions against the method and scheduling system of with ground power transmission of grid equipment
CN115979349A (en) Power station space environment monitoring method and system
KR102469874B1 (en) Monitoring System for Switchgear with Accident Data Discrimination and Power Consumption Pattern Analysis Software using Machine Learning
CN102930408B (en) A kind of 750kV electric grid secondary equipment state appraisal procedure based on information fusion
CN111123009A (en) Intelligent substation avalanche testing method and system based on SCD file and terminal equipment
CN105629097A (en) Hidden fault detection method for relay protection device
CN107479007A (en) A kind of power supply module test system and method
KR102067831B1 (en) Asset management method and apparatus for substation based on reliability indices of power grid
CN110389287A (en) A kind of method for early warning and system of the electric discharge of high-tension switch cabinet interior insulation
KR102351123B1 (en) System for performance verication and predictive maintenance of ess
KR20150118456A (en) Method for partial discharge diagnosis of monitoring apparatus
CN105676044A (en) Online test method and system for lightning arrester and monitor thereof
US20230038461A1 (en) Asset management method for substation
Aizpurua et al. Towards a hybrid power cable health index for medium voltage power cable condition monitoring

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant