KR102379920B1 - 바이메탈 스위치 및 다중 병렬 회로를 이용한 연료전지 고장 진단 시스템 및 이를 이용한 진단 방법 - Google Patents

Abstract

본 발명은 바이메탈 스위치 및 다중 병렬 회로를 이용한 연료전지 고장 진단 시스템에 관한 것으로서, 보다 상세하게는 바이메탈에 의해 시험전류의 변화되는 정도에 따라 L과 R의 시정수의 크기 비교를 통해 일정치 이상인 경우 고장을 진단하고 예측할 수 있는 바이메탈 스위치 및 다중 병렬 회로를 이용한 연료전지 고장 진단 시스템에 관한 것이다.

Description

바이메탈 스위치 및 다중 병렬 회로를 이용한 연료전지 고장 진단 시스템 및 이를 이용한 진단 방법{Fuel cell failure diagnosis system using bi-metal switch and parallel circuit and the method using it}

본 발명은 바이메탈 스위치 및 다중 병렬 회로를 이용한 연료전지 고장 진단 시스템에 관한 것으로서, 보다 상세하게는 다중 병렬 회로에서 바이메탈에 의해 시험전류의 변화되는 정도에 따라 L과 R의 시정수의 크기 비교를 통해 일정치 이상인 경우 고장을 진단하고 예측할 수 있는 바이메탈 스위치 및 다중 병렬 회로를 이용한 연료전지 고장 진단 시스템에 관한 것이다.

일반적으로 연료전지의 스택은 단위전지가 여러 개 적층된 것으로 막전극접합체(Membrane Electrode Assembly, MEA), 가스확산층, 분리판, 가스켓(가스밀폐), 체결판 등으로 구성된다.

막전극접합체는 전극(촉매층)과 전해질막의 일체형으로 접합돼 있으며 전극은 백금 촉매와 탄소로 이뤄져 있어 수소에서 전자를 분리하거나 수소 이온과 산소를 결합시켜 물을 발생시키는 역할을 담당한다.

기체확산층은 막전극접합체 외부에 위치하며 탄소 소재의 Carbon Cloth, Paper, Felt의 형태로 이뤄져 있으며 수소 또는 공기(산소), 물을 공급하고 배출시키는 역할을 한다.

기체확산층 외부에는 연료를 공급하고 반응에 의해 발생된 물을 배출하도록 유로가 형성된 분리판이 존재하며, 분리판은 수소, 산소를 기체확산층으로 공급하거나 발생된 물을 배출시키는 역할을 한다.

운전 장치는 연료전지 스택에 수소와 공기를 공급하고 스택이 전기를 발생할 수 있도록 하는 역할을 한다.

공기공급 장치는 연료전지 양극에 공기를 공급함으로써 스택에서 일어나는 전기화학 반응에 필요한 산화제를 공급한다.

열관리 장치는 스택에서 발생하는 열을 방출시킴으로써 내부의 온도와 습도를 조절하는 역할을 담당하며 공조 장치는 열 및 물 관리계와 밀접한 관계가 있기 때문에 부수적인 운전 장치로 분류한다.

고분자 전해질 연료전지는 일반적으로 100℃ 이하의 저온에서 작동되기 때문에 고온 연료전지에 비해 물관리에 어려움이 있지만 빠른 시동성과 높은 동력 밀도의 장점으로 자동차와 주택 그리고 소형 건물용의 열병합 발전에 가장 적합하게 적용되고 있다.

본 발명은 내구성 향상을 통하여 수명을 향상시키기 위해서는 연료 전지 주요 부품의 설계 및 제조 기술개선과 더불어 운영 및 유지보수 기술의 최적화가 병행되어야 한다.

한편 고체 산화물 연료전지(Solid Oxide Fuel Cell, SOFC)는 다양한 연료전지 방식 중 가장 고온에서 작동하기 때문에 비가역 손실이 작아 가장 높은 발전효율을 보이며, 폐열의 온도 또한 높아 다양한 분야에 활용할 수 있다는 장점이 있다.

SOFC 시스템은 안정적인 제어 시스템과 고장 감지 및 진단 시스템을 구축이 매우 중요하다.

이를 위해 연료전지 스택의 성능을 정량적으로 정확하게 예측하는 것이 중요하다.

SOFC 출력에 영향을 주는 요소 중 사용자가 조절이 가능한 변수는 전류에 따른 연료 소비량, 공급하는 연료의 유량, 전류값과 연료 투입량으로 결정되는 연료 이용률 등이 있으며, 다양한 동작 조건에 따라 스택의 운전 온도, 출력이 결정된다.

이러한 요소는 실험을 통해 측정하여 시간 및 비용이 크게 발생하고 있다.

특히, 고온에서 작동하는 특성상 시동 및 정지 절차는 물론, 운전조건 변화에 따라서 성능이 변화하기 때문에 긴 안정화 시간이 필요하여 연료전지 성능이 예측된 값을 나타내는지 판단하고 성능모델을 구축하는 데에도 많은 시간과 비용이 소요된다.

도 1과 도 2에 도시된 바와 같이 시스템 일부에서 발생한 작은 오류는 중대한 시스템 전체의 고장으로 파급될 수 있으며, 특히 연료전지의 경우 구조적으로 운전 장치의 소소한 고장이나 단위 전지의 결함이 스택 전체에 영향을 입혀 손상을 입힐 수 있다.

스택은 단위전지들의 직렬로 연결된 구조로서 스택 신뢰성은 각 단위 셀의 신뢰성을 곱한 값이기 때문에 셀 수가 증가할수록 고장에 취약해진다.

고장이 초기 단계에서 검출되거나 예측될 수 있다면 심각한 손상으로 발전하기 전에 시스템을 정비할 수 있어 연료전지의 신뢰성을 향상시킬 수 있다.

스택 제조 과정에서 유동 채널과 리브(rib) 그리고 개스킷을 포함하는 분리판과 전해질막의 불균일한 접촉에 의한 응력에 의하여 변형이나 손상이 발생할 수 있으며, 장기간 운전된 연료전지의 경우 전해질막의 시간 의존 변형에 해당하는 크리프 및 미세 균열 등이 나타난다.

이러한 현상은 분리판 사이의 분리막에 반복적으로 가해지는 응력과 상태 습도의 국소 변화에 의한 변형과 관련이 있다.

또한 멤브레인의 결함을 유발하는 중요한 요소는 개방 회로 전압(OCV), 온도 사이클, 전압 사이클 및 상대 습도 사이클이 있다.

종래의 시동, 정지 및 부하 변화 등에 의하여 열, 압력 및 습도 변화를 겪게 되면 전해질막의 반복적인 팽창과 수축 등에 의하여 전해질막의 내구성이 저하되며 치수 변화와 전극 사이의 불량한 접촉 및 구멍과 같은 결함을 초래할 수 있다.

또한 외부적으로 과도하거나 균일하지 않은 체결력은 기계적으로 불균일한 응력과 변형을 유발하며, 이러한 응력과 변형은 연료전지의 성능저하 및 연료전지 스택을 완전한 고장에 이르게 하는 전해질막의 손상을 초래한다.

종래에도 고장 검출과 잔여 수명을 예측하기 위하여 쉽게 표현이 가능한 IF-THEN 규칙과 퍼지 추론 시스템을 사용한 전문가 시스템을 적용할 수 있다.

그러나 복합 방식은 예측의 정확도를 높이기 위하여 데이터 기반 및 모델 기반 방식을 결합하여 이 둘의 장점을 활용하는 것으로 전문 수학적 모델과 더불어 충분한 운전 데이터 및 전문가의 지식을 필요로 한다.

그러나 전문 수학적 모델의 선택과 주관적인 전문가의 지식에 따른 데이터 기반 접근법 각각의 한계와 단점을 극복하기 어려운 문제점이 있었다.

또한 종래의 데이터 기반 접근법은 시스템 모델이나 시스템 특정 지식을 사용하지 않는 블랙박스 접근 방법으로 예측 정확성에 문제가 있었다.

본 발명은 상기와 같은 문제점을 해결하기 위해 이루어진 것으로서, 다중 병렬 회로에서 바이메탈 스위치를 이용하여 시험전류를 가변시켜 시험에 따른 고장을 미리 진단할 수 있는 바이메탈 스위치 및 다중 병렬 회로를 이용한 연료전지 고장 진단 시스템을 제공하는 데 목적이 있다.

상기 과제를 해결하기 위하여 본 발명은 연료전지 고장진단 장치에 있어서, 연료 전지 스택과 인덕턴스(L)과 저항(R)으로 이루어진 다중 병렬 회로를 이루는 온도 조절 제한 스위치 센서의 a접점(NO)과 b접점(NC)을 이용하여 2가지의 시험전류(test1, test2)를 순차적으로 입력하여 스택전압의 변화를 감지하여 고장을 진단한다.

상기 온도 조절 제한 스위치 센서는 열팽창 계수가 다른 두 종류의 금속을 이용하여 열에 의해 휘는 정도를 이용하여 스위치 동작을 수행하는 바이메탈 스위치;인 것을 특징으로 한다.

상기 바이메탈 스위치에 흐르는 전류에 의해 열이 발생되면 열팽창 계수에 따라 스위치가 동작되어 시험전류의 변화를 발생시킨다.

상기 시험전류의 변화되는 정도는 인덕턴스(L)과 저항(R)의 시정수에 따라 달라진다.

상기 R을 가변저항으로 사용할 경우 시정수를 변화시켜 시험전류를 가변시킨다.

상기 바이메탈 스위치에 연결되는 인덕턴스(L)과 저항(R) 대신 부하를 사용하여, 부하 연결을 변경하여 고장을 진단한다.

본 발명은 연료 전지의 스택과 인덕턴스(L)과 저항(R)으로 이루어진 다중 병렬 회로를 이루는 온도 조절 제한 스위치 센서의 a접점(NO)과 b접점(NC)을 이용하여 2가지의 시험전류(test1, test2)를 순차적으로 입력하는 단계; 상기 스택전압의 변화를 감지하여 고장을 진단하는 단계;를 포함한다.

상기 연료 전지의 평균 수명 데이터를 포함하는 데이터 모듈을 통해 해당 수명 데이터를 전달받아 상기 진단부의 고장 진단 확률을 곱하여 수명을 상기 예측부가 계산하는 단계;를 더 포함한다.

상기와 같이 이루어지는 본 발명은 다중 병렬 회로에서 바이메탈 스위치를 이용하여 시험전류를 가변시켜 시험에 따른 고장을 미리 진단하여 심각한 손상으로 발전하기 전에 시스템을 정비할 수 있어 연료전지의 신뢰성을 향상시킬 수 있다.

또한 본 발명에 따른 다중 병렬 회로에서 고장 진단을 위한 구성은 단독 또는 복합적으로 유기적 연결되어 실시될 수 있어 시험전류가 약하게 나타날 경우에도, 다양한 실시예에 따른 측정값의 평균값을 사용하여 고장진단에 실패할 우려가 적다.

도 1은 종래 발명에 따른 연료전지 내부에서 전기 발생 원리 등을 보여주는 도면이다.
도 2는 종래 발명에 따른 학습과 열화 추정 등을 보여주는 도면이다.
도 3은 본 발명의 다른 실시예에 따른 고장 분석을 위한 스캔하는 과정을 보여주는 도면이다.
도 4는 본 발명의 다른 실시예에 따른 고장 분석을 위한 구성들을 보여주는 도면이다.
도 5는 본 발명의 또 다른 실시예에 따른 다양한 예측 구성들을 보여주는 도면이다.
도 6은 본 발명의 또 다른 실시예에 따른 다양한 머신러닝 구성들을 보여주는 도면이다.
도 7은 본 발명의 또 다른 실시예에 따른 수명 계산을 위한 구성들을 보여주는 도면이다.
도 8은 본 발명의 또 다른 실시예에 따른 비례값 계산을 위한 구성들을 보여주는 도면이다.

본 발명을 충분히 이해하기 위해서 본 발명의 바람직한 실시예를 첨부 도면을 참조하여 설명한다. 본 발명의 실시예는 여러 가지 형태로 변형될 수 있으며, 본 발명의 범위가 아래에서 상세히 설명하는 실시예로 한정되는 것으로 해석되어서는 안 된다. 본 실시예는 당업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위하여 제공되는 것이다. 따라서 도면에서의 요소의 형상 등은 보다 명확한 설명을 강조하기 위해서 과장되어 표현될 수 있다. 각 도면에서 동일한 부재는 동일한 참조부호로 도시한 경우가 있음을 유의하여야 한다.

또한 이하 본 발명에서 설명하는 각 구성은 단독 또는 복합적으로 유기적 연결되어 실시될 수 있으며, 특히 진단부와 예측부는 다양한 실시예의 평균값을 이용하여 진단 및 예측할 수 있다.

또한, 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 공지 기능 및 구성에 대한 상세한 기술은 생략된다.

도 3에 도시된 바와 같이 연료 전지에서 바이메탈 스위치에 흐르는 전류에 의해 열이 발생되면 열팽창 계수에 따라 스위치가 동작되어 시험전류의 변화를 발생시킨다.

본 발명은 상기 연료 전지 스택(10)과 인덕턴스(L)과 저항(R)으로 이루어진 다중 병렬 회로를 이루는 온도 조절 제한 스위치 센서(30)의 a접점(NO)과 b접점(NC)을 이용하여 2가지의 시험전류(test1, test2)를 순차적으로 입력하여 스택전압의 변화를 감지하여 고장분석부(20)가 고장을 진단한다.

상기 시험전류의 변화되는 정도는 인덕턴스(L)과 저항(R)의 시정수에 따라 달라지며, 시정수는 외부로부터의 입력에 얼마나 빠르게 혹은 느리게 반응할 수 있는지를 나타내는 지표를 나타낸다.

상기 R을 가변저항으로 사용할 경우 시정수를 변화시켜 시험전류를 가변시킬 수 있다.

상기 바이메탈 스위치에 연결되는 인덕턴스(L)과 저항(R) 대신 부하를 사용하여, 부하 연결을 변경하여 고장을 진단할 수 있다.

도 4에 도시된 바와 같이 고장 검출 및 진단하는 진단부(100)와 고장을 예측하는 예측부(200) 등을 포함한다.

이러한 진단부(100)와 예측부(200)의 빠르고 정확한 진단 및 예측을 위해 전처리 과정이 필요하며, 비례부(300)는 시험 전류의 변화에 대해 시정수가 비례적이지 않은 경우를 통해 고장 유무를 판단하거나 연료전지의 성능을 테스트할 수 있다.

또한 상기 연료 전지의 시험 전류의 변화에 대해 시정수가 비례적이지 않은 경향을 분석하여 연료전지 스택의 수명 저하를 예측할 수 있다.

도 5에 도시된 바와 같이 연료전지 열화 예지 진단을 위해 RUL 예측부(201)는 운전되는 연료 전지 시스템이나 주요 부품의 남은 수명(Remaining Useful Life, RUL)을 예측하여 시스템의 신뢰성을 진단할 수 있다.

본 발명에 따른 RUL 예측부(201)의 예지 진단 기술은 상태기반 유지보수를 지원하기 위한 것으로 실시간 현재 상태를 모니터링하여 조치를 취하는 실시간 고장 검출/진단 기술과 더불어 현재 상태를 기반으로 앞으로의 성능저하 추이를 예측하여 유지보수의 최적화 전력을 제공하는 기술이다.

RUL 예측부(201)의 예진은 고장 검출 및 진단 결과를 바탕으로 시스템 및 부품 고장의 전조 증상인 열화 현상을 예측하고 수명을 추정하여 알람부(400) 등을 통해 수리나 제어변경 등의 의사결정을 지원하는 기술이다.

본 발명에 따른 Hardware in the loop simulation(HILS)는 시뮬레이션 된 부하에서 하드웨어를 테스트하는 데 사용되는 것으로 사전 진단을 위한 자료 확보, 진단 알고리즘 개발, 테스트 및 검증을 위해 사용된다.

가속 수명 테스트(AST)에서 가속 부하 시험은 가혹한 실험 조건을 적용하여 제품이 정상조건보다 더 빨리 성능저하나 고장이 발생하도록 설계되었으며 연료전지에 일반적으로 많이 적용되는 방식으로 여러 가지 환경조건과 부하 조건을 독립적으로 적용하여 고장을 가속화 할 수 있다.

또한 실시간 학습은 시스템의 운전 자료를 그대로 사용하는 것으로 새로운 시스템이 일정 기간 동안 고장이 없다는 가정 하에 정상상태의 자료를 확인하는 방법이다.

또한 데이터 기반 접근법은 통계적 접근과 기계 학습 접근법으로 구분할 수 있으며 통계적 접근은 미리 분석된 자료의 기본적인 통계 특성값을 기반으로 한다.

본 발명에 따른 예측부(200)는 새로운 관측값이 주어진 자료의 통계적 특성에서 벗어나면 이상으로 판정하여 열화를 예지한다.

본 발명에 따른 통계적 방법으로는 모수 접근법과 비모수 접근법이 있으며, 모수 접근법은 예상 데이터의 기본 통계 특성을 기반으로 하고 있다.

본 발명에 따른 모수 접근법은 가정된 기본 확률 분포에 기초하여 그 확률 분포와 관련된 모수가 자료로 계산되며 정상적인 운전 자료를 이용하여 모수가 계산되고 확률 분포가 주어진다.

이 분포를 이용하여 비정상상태를 검출하고 잔여 수명(remaining useful lie: RUL)을 예측하게 된다.

도 6에 도시된 바와 같이 본 발명에 따른 비모수 접근법은 기본적인 확률 분포로 알려지지 않은 경우와 표준 분포 등으로 데이터를 특성화할 수 없는 경에 적합하며 주어진 자료와 새로운 자료를 비교하기 위하여 히스토그램 비교와 거리 산정을 통한 방식인 Nearest Neighbor(NN), K-평균, Support Vector Machine(SVM) 분류 방법 등이 사용될 수 있다.

본 발명에 따른 기계학습법은 수집된 정상, 비정상 자료를 정보로 이용하여 신경망 등을 학습시켜 미래를 예측하는 방식이다.

상기 기계 학습 접근법을 사용하여 데이터를 정상과 비정상 등 여러 그룹으로 분류하거나 클러스터링할 수 있으며 이 정보는 시스템의 유효 수명을 예측하는 예측 알고리즘에 제공될 수 있다.

즉 입력 자료에 레이블이 지정된 출력이 주어진 학습을 감독 학습이라고 하며, 정상적인 자료와 고장 자료를 모두 활용하여 예진과 건전성을 수행할 수 있다.

또한 감독 학습은 신경망이나 SVM 방식이 사용될 수 있고, 미리 분류된 데이터가 없는 경우 감독 되지 않은 학습을 사용하며 이 방법 역시 클러스터링 기술을 기반으로 데이터를 여러 그룹으로 분류하고 정상적인 데이터를 식별할 수 있다.

본 발명에 따른 감독 되지 않는 학습법으로는 주성분 분석법(PCS)과 K-평균 클러스터링, 퍼지 클러스터링 방식이 사용될 수 있으며, 랜덤신호의 예측을 위하여 칼만 필터(Kalman Filter, KF)와 입자 필터(Particle Filter, PF) 방식이 사용되기도 한다.

본 발명에 따른 모델 기반 접근법은 고장을 나타내는 물리적 현상을 예측하는데, 수학 방정식을 사용하기 때문에 고장의 물리학적(Physics of Failure, PoF) 접근법이라고 알려져 있다.

해당 시스템의 고장 메커니즘, 시스템의 구조, 구성 재료 및 외부 부하 등에 대한 지식이 필요하다.

PoF 기반 모델은 고장모드, 메커니즘 및 효과적인 분석을 기반으로 제품 설계를 최적화하는데 사용될 수 있다.

본 발명에 따른 고장 검출과 진단 방법은 전처리와 분류의 두 단계로 구분될 수 있다. 전처리 과정은 센서의 측정값을 이용하여 분류과정에 효과적으로 이용될 수 있는 특성 값을 추출하거나 생성하는 과정이다.

이러한 특성 값의 변환은 고장 특성을 추출하려는 방법의 하나이며 분류는 전 처리에서 처리된 자료를 이용하여 전문가 시스템이나 패턴인식 방법 등으로 시스템이나 부품의 고장원인과 위치 등을 구분할 수 있다.

도 7에 도시된 바와 같이 상기 예측부(200)는 상기 연료 전지의 평균 수명 데이터를 포함하는 데이터 모듈을 통해 해당 수명 데이터를 전달받아 상기 진단부의 고장 진단 확률을 곱하여 수명을 계산하는 수명 계산부(220)을 더 포함한다.

도 8에 도시된 바와 같이 본 발명은 상기 스택의 고장 유무를 확인하고, 고장의 종류에 따라 알람하는 알람부(400), 상기 연료 전지의 전류의 변화에 대해 전압의 변화가 비례적이지 않은 경우를 감시하는 비례부(300) 등을 포함한다.

본 발명에 따른 전처리 과정은 연료 전지의 고장 검출 및 진단에 필요한 변수를 선택하고 특성화시키는 과정으로 적절한 전처리에 의해 분류과정을 단순화시킬 수 있으며, 분류의 정확도를 높일 수 있다.

이러한 전처리기법으로는 연료 전지에서 측정된 신호의 변환, 특성값 도출, 모델식을 이용하는 방법이 있다.

상기 모델식 방법으로는 이론적 중첩값(Analytical redundancy)을 구하고 이 값과 실제 측정값과의 차이인 오차(Residual)을 이용한 방법이 있다.

상기 특성값은 연료 전지 시스템이나 부품의 성능 특성을 나타내는 값으로 측정된 값을 이용하여 산출할 수 있는 열효율, 열전달률, 연료비 등을 사용한다.

또한 상술한 모델로 관측(Current)모델, 공칭(Nominal)모델 그리고 고장(Fault)모델 등이 있다.

상기 관측모델은 현재의 시스템의 성능을 예측하기 위한 모델이며, 공칭모델은 주어진 입력상태에서 정상적인 시스템의 출력을 예측하는 모델이다.

상기 고장 모델은 주어진 입력상태에서 특정 고장을 예측하기 위한 모델이다.

상기 고장 모델을 이용할 경우 고장의 검출은 물론 진단도 가능하나, 이를 위해서는 다수의 고장 모델이 필요하다.

이중에서 상태나 출력값 오차는 비례부(300)에서 연료 전지의 실제 측정값과 공칭모델의 결과나 고장 모델의 결과를 비교하여 구할 수 있다.

본 발명은 프로세스 관리도기법으로 Shewhat 차트, 누적합관리도, Exonentially Weighted Moving Average(EWMA; 지수가중이동평균) 등을 사용할 수 있다.

상기 지수가중이동평균은 각 연료 전지에서 검출한 데이터의 지수 가중 이동 평균을 통해 최근 데이터 지점에 더 높은 가중치를 준다.

즉 진단부(100)는 각 상태에서 정확한 측정을 위해 각각 지수 가중 이동 평균을 사용할 수 있다.

따라서 바이메탈 스위치 및 다중 병렬 회로를 이용한 연료전지 고장 진단 시스템는 최근의 데이터에 더 많은 영향을 받는 지수 가중 이동 평균을 사용하여 상기 연료전지에 부착된 센서값이 일정치 이상일 경우 경고 발생 시점을 과거의 데이터에 얽매이지 않고 용이하게 판단할 수도 있다.

이 외에도 본 발명에 따른 진단부(100)에서 사용할 수 있는 신호해석 기법으로 FFT(Fast Fourier Transrorm), STFT(Short-Time Fourier Transform), Wavelet 변환(Wavelet Transform), 전기화학 임피던스 분석법(Electrochemical Impedance Spectroscopy, EIS) 등이 있다.

일실시예로서 본 발명은 고장 검출과 진단을 위해 분류부(500)에 의한 분류 방법을 사용한다.

분류부(500)에 의한 분류는 전처리 된 자료를 바탕으로 정상상태 여부를 판단하고 정상이 아닌 경우 고장의 원인과 위치를 규명하는 과정이다.

분류부(500)에 의한 분류과정은 전문가 시스템(Expert System)으로 볼 수 있으며, 전문가 시스템은 특정분야에 있어서 인간의 전문 지식에 의한 추론 과정을 컴퓨터 등의 기계를 이용해 실현시키는 것으로 지식기반과 추론엔진으로 구성된다.

분류부(500)에 의한 추론 및 분류 방법으로는 간단하게는 조건(If-Then) 규칙이 사용될 수 있으며, 복잡한 시스템의 경우 퍼지 논리(Fuzzy Logic, FL), 퍼지 군집화(Fuzzy Clustering), 신경망(Artificial Neural Network, ANN) 등이 사용될 수 있다.

본 발명은 인공지능을 이용한 대표적인 분류법으로 K-NN에 퍼지이론을 연계시킨 퍼지 K-NN 방법을 이용한다.

K-NN 결정 규칙은 벡터의 최근접 자료로 표시되는 분류에 의해 입력 패턴을 간단한 과정에 의해 분류하게 된다.

이렇게 연료 전지 고장 진단에 K-NN 결정 규칙을 사용하면 계산이 간단하고 작은 수의 샘플을 이용하여 매우 좋은 결과들을 얻을 수 있는 장점이 있다.

또한 본 발명은 퍼지 집합이론과 K-NN 방법을 접합시킨 퍼지 K-NN 알고리즘을 사용할 수 있는 데, 샘플 자료를 위한 전처리가 필요 없으며, 샘플 벡터에 특정 군집을 지정하는 것 이외에 속하는 정도를 나타내는 소속함수를 포함시키는 것이 기존 K-NN 방법과 구별된다.

이 때 퍼지 K-NN 알고리즘은 연료 전지 샘플 자료의 소속함수와 샘플 자료까지의 거리를 이용하여 군집에 속하는 정도인 소속함수를 계산하여 고장을 분류한다.

본 발명은 연료 전지의 단위시간 당 증분을 이용한 경향검사(Trend Check)와 평균치, 공분산, 상관관계 등의 통계적 특성 변화를 고장 검출 및 진단에 이용한다.

이 때 진단부(100)에서 사용되는 고장 검출을 위한 신호로는 연료전지의 고정 변수인 전압, 전류, 온도, 압력, 유량은 물론 자기 공명 영상, 음향 방출, 자기장, 중성자 방사선 등이 이용될 수 있으며, 이를 위한 실험 방법으로는 임피던스 분석법, 분극 곡선 해석, 공간 전류 밀도 분포, 압력 강하 및 기체 크로마토그래피 등이 사용될 수 있다.

이러한 접근법은 측정자료의 동향 분석과 신호 변환방식을 이용하여 상태를 파악하는 방법이다.

이외의 전기화학 분석 방법으로는 순환전류 전류 법(Cyclic voltammerty, CV), 선형주사전위법(Linear Sweeping Voltammetry, LSV) 등이 연료전지의 상태 파악을 위해 사용되고 있다.

본 발명에 따른 전기화학 분석법의 일종인 전류차단법(Current Interrupt, CI)은 전류를 제거하여 일시적인 전압 변화를 알아보는 방법이다.

본 발명에 따른 연료전지는 일정한 부하 전류 값을 가지면서 동시에 일정한 전압값을 나타내는데, 전압이 정상상태에 이르렀을 때 순간적으로 부하전류를 차단하면 전압값은 순간적으로 상승하게 된다.

이때 연료 전지의 시간에 따른 전압값의 상승 기울기가 달라지는 전압값을 확인할 수 있으며 이는 연료전지 전체 손실 전압 중 물질 전달과 관련된 반응 및 확산 시간의 영향에 따른 전압 손실을 구분하는 기준값으로 고려된다.

본 발명에 따른 순환전압전류법(Cyclic Voltammetry, CV)법은 주어진 전위 범위에서 일정한 속도로 전위를 변화시키면서 전류 응답 특성을 분석하는 방법이다.

이 때 특정 전위에서 순환을 시작하여 변곡점에서 다시 원래의 전위로 돌아 오기까지를 하나의 사이클로 하며, 이러한 CV 법은 연료전지에서는 주로 촉매의 활성이나 전기화학적 유효 표면적을 분석하는 데 사용한다.

본 발명에 따른 예측부(200)는 전해질막이 열화되면 막이 얇아지고 핀홀이 형성되어 수소 투과도가 증가하게 되는데, 이 수소 투과도를 측정하여 전해질막 열화 정도를 분석하여 예측하는 데 사용한다.

즉 전압을 일정 속도로 증가(Linear Sweep)시키면 투과된 수소가 cathode쪽 백금 촉매 상에서 산화 반응하여 전자를 방출하는데 이 전자의 양을 측정하면 막을 통과한 수소의 양을 알 수 있다.

본 발명에 따른 진단부(100)는 스택 성능의 심도 있는 분석을 위하여 전기화학적 임피던스법(Electrochemical Impedance Spectroscopy, EIS)은 정상상태와 동작상태 모두 적용할 수 있다.

상기 임피던스 법에서 교류 간섭신호는 전기적 전류의 흐름을 방해하는 시스템의 능력을 진단부(100)가 측정할 수 있다.

상기 EIS는 연료전지 스택의 물관리를 분석하기 위해 적용되어 왔는데, 물 넘침과 탈수 현상 사이를 구별해 주고 인지할 수 있는 방법이다.

본 발명에 따른 연료전지스택의 비정상상태는 연료전지 셀의 비정상적 전압강하로 나타나고, 현재 이러한 연료전지 셀의 전압강하는 각 셀의 전압 측정장치(Cell Voltage Monitoring, CVM)를 통해 계측되어 진단부(100) 등에 전송된다.

본 발명에 따른 IM(Intermodulation) 방법은 이러한 연료전지 스택의 비선형화를 신호처리 방법으로 진단부(100)에서 검출한다.

본 발명에 따른 IM 방법은 CVM과 같이 각 셀의 전압을 측정하는 것이 아니라 연료전지 스택을 하나의 시스템으로 접근하여 그 시스템의 비선형성을 검출함으로써 스택을 진단하는 효율적인 방법이다.

그리고 테스트를 위한 신호를 전류에 중첩시켜 나타나는 연료전지 스택 전압의 변화를 측정한다.

연료 전지의 스택 시스템의 비선형성을 검출하기 위해 시스템 입력으로 정현파 전류를 직류 스택 운전 전류에 중첩시킨 후, 스택 전압을 측정하고 그 전압 신호를 Fourier 변환(FFT, Fast Fourier Transformation)한 후 진폭 주파수 성분을 분석한다.

이러한 주파수응답에 의한 진단 방법은 하나의 정현파 전류 신호를 입력하여 진단하는 방법과 전기 앰프의 왜곡률을 추정하는 방법, 2개의 서로 다른 주파수를 갖는 신호를 입력하여 검출효율이 향상된 IM 방법이 있다.

따라서 예측부(200)에서 스택에 고장이 발생하거나, 수명이 저하되었을 경우 추가적인 주파수 성분이 포함되어 왜곡률이 증가하기 때문에 왜곡률을 기준으로 고장 및 수명 저하를 판단할 수 있다.

한편, 본 발명은 연료 전지의 스택과 인덕턴스(L)과 저항(R)으로 이루어진 다중 병렬 회로를 이루는 온도 조절 제한 스위치 센서의 a접점(NO)과 b접점(NC)을 이용하여 2가지의 시험전류(test1, test2)를 순차적으로 입력하는 단계; 상기 스택전압의 변화를 감지하여 고장을 진단하는 단계; 상기 연료 전지의 평균 수명 데이터를 포함하는 데이터 모듈을 통해 해당 수명 데이터를 전달받아 상기 진단부의 고장 진단 확률을 곱하여 수명을 상기 예측부가 계산하는 단계;를 포함한다.

따라서 바이메탈 스위치를 이용하여 시험전류를 가변시켜 시험에 따른 고장을 미리 진단하여 심각한 손상으로 발전하기 전에 시스템을 정비할 수 있어 연료전지의 신뢰성을 향상시킬 수 있다.

10 : 연료전지 스택
20 : 고장분석부
30 : 바이메탈 스위치
40 : 부하
100 : 진단부
110 : 데이터 모듈
200 : 예측부
220 : 수명 계산부
300 : 비례부
400 : 알람부

Claims (10)

1. 연료전지 고장진단 장치에 있어서,
   연료 전지 스택과 인덕턴스(L)과 저항(R)으로 이루어진 다중 병렬 회로를 이루는 온도 조절 제한 스위치 센서의 a접점(NO)과 b접점(NC)을 이용하여 2가지의 시험전류(test1, test2)를 순차적으로 입력하여 스택전압의 변화를 감지하여 고장을 진단하며,
   상기 연료 전지 스택의 평균 수명 데이터를 포함하는 데이터 모듈을 통해 해당 수명 데이터를 전달받아 진단부의 고장 진단 확률을 곱하여 수명을 예측부가 예측하는 것을 특징으로 하는 바이메탈 스위치 및 다중 병렬 회로를 이용한 연료전지 고장 진단 시스템.
2. 청구항 1에 있어서,
   상기 온도 조절 제한 스위치 센서는 열팽창 계수가 다른 두 종류의 금속을 이용하여 열에 의해 휘는 정도를 이용하여 스위치 동작을 수행하는 바이메탈 스위치;인 것을 특징으로 하는 바이메탈 스위치 및 다중 병렬 회로를 이용한 연료전지 고장 진단 시스템.
3. 청구항 2에 있어서,
   상기 바이메탈 스위치에 흐르는 전류에 의해 열이 발생되면 열팽창 계수에 따라 스위치가 동작되어 시험전류의 변화를 발생시키는 것을 특징으로 하는 바이메탈 스위치 및 다중 병렬 회로를 이용한 연료전지 고장 진단 시스템.
4. 청구항 3에 있어서,
   상기 시험전류의 변화되는 정도는 인덕턴스(L)과 저항(R)의 시정수에 따라 달라지는 것을 특징으로 하는 바이메탈 스위치 및 다중 병렬 회로를 이용한 연료전지 고장 진단 시스템.
5. 청구항 1에 있어서,
   상기 저항을 가변저항으로 사용할 경우 시정수를 변화시켜 시험전류를 가변시키는 것을 특징으로 하는 바이메탈 스위치 및 다중 병렬 회로를 이용한 연료전지 고장 진단 시스템.
6. 삭제
7. 연료 전지의 스택과 인덕턴스(L)과 저항(R)으로 이루어진 다중 병렬 회로를 이루는 온도 조절 제한 스위치 센서의 a접점(NO)과 b접점(NC)을 이용하여 2가지의 시험전류(test1, test2)를 순차적으로 입력하는 단계;
   상기 스택전압의 변화를 감지하여 고장을 진단하는 단계;를 포함하며,
   상기 연료 전지의 평균 수명 데이터를 포함하는 데이터 모듈을 통해 해당 수명 데이터를 전달받아 진단부의 고장 진단 확률을 곱하여 수명을 예측부가 계산하는 것을 특징으로 하는 바이메탈 스위치 및 다중 병렬 회로를 이용한 연료전지 고장 진단 시스템를 이용한 진단 방법.
8. 삭제
9. 청구항 7에 있어서,
   상기 저항을 가변저항으로 사용할 경우 시정수를 변화시켜 시험전류를 가변시키는 것을 특징으로 하는 바이메탈 스위치 및 다중 병렬 회로를 이용한 연료전지 고장 진단 시스템를 이용한 진단 방법.
10. 청구항 7에 있어서,
    상기 바이메탈 스위치에 연결되는 인덕턴스(L)과 저항(R) 대신 부하를 사용하여, 부하 연결을 변경하여 고장을 진단하는 것을 특징으로 하는 바이메탈 스위치 및 다중 병렬 회로를 이용한 연료전지 고장 진단 시스템를 이용한 진단 방법.

Images