KR102453852B1 - 센서 데이터 처리 시스템 - Google Patents

센서 데이터 처리 시스템 Download PDF

Info

Publication number
KR102453852B1
KR102453852B1 KR1020200158816A KR20200158816A KR102453852B1 KR 102453852 B1 KR102453852 B1 KR 102453852B1 KR 1020200158816 A KR1020200158816 A KR 1020200158816A KR 20200158816 A KR20200158816 A KR 20200158816A KR 102453852 B1 KR102453852 B1 KR 102453852B1
Authority
KR
South Korea
Prior art keywords
data
sensor
data processing
real
sensor data
Prior art date
Application number
KR1020200158816A
Other languages
English (en)
Other versions
KR20220071548A (ko
Inventor
강기수
윤호근
이호영
성운경
방대우
석승준
Original Assignee
한국남동발전 주식회사
(주)포미트
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 한국남동발전 주식회사, (주)포미트 filed Critical 한국남동발전 주식회사
Priority to KR1020200158816A priority Critical patent/KR102453852B1/ko
Publication of KR20220071548A publication Critical patent/KR20220071548A/ko
Application granted granted Critical
Publication of KR102453852B1 publication Critical patent/KR102453852B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

본 발명은 실시간 데이터 및 배치 데이터를 빠르고 안정적으로 전송할 수 있는 센서 데이터 처리 시스템을 제공하는 것을 목적으로 하며,
발전소 또는 플랜트에 설치된 센서로부터 수집되는 센서 데이터를 처리하는 센서 데이터 처리 시스템에 있어서, 복수의 설비 그룹과, 각 상기 설비 그룹별로 복수의 센서를 포함하는 발전소 시스템; 상기 센서로부터 센서 데이터를 수신하며, 제1 메세지 프레임워크를 포함하여 상기 센서 데이터를 변환 및 적재하여 전송하는 ETL 서버; 및 상기 ETL 서버로부터 적재된 센서 데이터를 수신하는 제2 메세지 프레임워크 및 상기 센서 데이터를 이용하여 기계학습하는 딥 러닝 모듈을 포함하는 빅 데이터 플랫폼; 을 포함하고, 상기 제1 메세지 프레임워크는 상기 제2 메세지 프레임워크에 센서 데이터를 전송하며, 상기 센서 데이터는, 상기 센서에 대한 정보가 실시간으로 제1 방식에 의해 전송되는 실시간 데이터 및 상기 센서에 대한 정보가 일정 주기로 수집되어 제2 방식에 의해 전송되는 배치 데이터를 포함하는것을 특징으로 한다.

Description

센서 데이터 처리 시스템 {Sensor data processing system}
플랜트 설비는 센서를 이용하여 작동 감시 또는 작동 제어를 함으로써 일부 자동화가 되어 있다. 본 발명은 상기 센서를 통해 수집되는 센서 데이터를 처리하는 센서 데이터 처리 시스템에 관한 것이다.
공장이나 발전소와 같은 플랜트에는 설비마다 센서가 부착되어 잇어, 설비의 작동을 감시하고 이를 통해 제어하는 것으로써 일부 자동화가 되어있다. 최근 4차 산업혁명으로 스마트 팩토리를 구현하기 위해 플랜트에 빅데이터 분석, 인공지능 기술들 접목하는 기술이 매우 활발하게 연구되고 있다. 이러한 추세와 맞물려, 최근 설비자동화의 궁극적인 목표는 디지털 트윈을 구축하여 플랜트를 운영하는 것이라고 할 수 있다.
즉 설비의 이상을 감지하기 위해 설비마다 센서를 부착하여 실시간으로 데이터를 생성하고 있는데, 발전소는 공장보다 시설의 규모가 크며 필요한 데이터의 양 또한 매우 방대하다는 특징이 있다. 더욱 상세하게는 일반적인 발전소의 센서 데이터는 20만개의 센서 값들을 1초에 한번씩 저장해놓은 데이터로 초당 1.33MByte, 1시간에 4.5GByte, 1년에 40TByte 정도로 대용량이라는 특징이 있다.
발전소 등의 이상을 감지하는 인공지능 시스템은 짧은 주기(약 1초)로 발생하는 실시간 데이터 및 과거 데이터를 한번에 모아 학습시키는 배치 데이터를 이용한다. 하지만 기존의 발전소에서 사용하는 시스템으로 발전소의 이상을 감지하기 위해서 년 단위의 데이터를 빠르게 통신하기에는 네트워크 속도가 느려 안정적인 데이터를 공급할 수 없다.
삭제
대한민국 공개특허공보(제10-2012-0088996호, 2012.08.09. 공개) 대한민국 공개특허공보(제10-2012-0138298호, 2012.12.26. 공개) 대한민국 등록특허공보(제10-1511991호, 2015.04.14. 공고)
본 발명은 실시간 데이터 및 배치 데이터를 빠르고 안정적으로 전송할 수 있는 센서 데이터 처리 시스템을 제공하는 것을 목적으로 한다.
본 발명의 실시예는 상기와 같은 과제를 해결하고자, 다음과 같은 센서 데이터 처리 시스템을 제공한다.
본 발명은 발전소 또는 플랜트에 설치된 센서로부터 수집되는 센서 데이터를 처리하는 센서 데이터 처리 시스템에 있어서, 복수의 설비 그룹과, 각 상기 설비 그룹별로 복수의 센서를 포함하는 발전소 시스템; 상기 센서로부터 센서 데이터를 수신하며, 제1 메세지 프레임워크를 포함하여 상기 센서 데이터를 변환 및 적재하여 전송하는 ETL 서버; 및 상기 ETL 서버로부터 적재된 센서 데이터를 수신하는 제2 메세지 프레임워크 및 상기 센서 데이터를 이용하여 기계학습하는 딥 러닝 모듈을 포함하는 빅 데이터 플랫폼; 을 포함하고, 상기 제1 메세지 프레임워크는 상기 제2 메세지 프레임워크에 센서 데이터를 전송하며, 상기 센서 데이터는, 상기 센서에 대한 정보가 실시간으로 제1 방식에 의해 전송되는 실시간 데이터 및 상기 센서에 대한 정보가 일정 주기로 수집되어 제2 방식에 의해 전송되는 배치 데이터를 포함하는것을 특징으로 한다.
또한 상기 제1 메세지 프레임워크는, 상기 실시간 데이터를 가공하여 전송하는 제1 실시간 데이터 처리부를 포함하고, 상기 제2 메세지 프레임워크는, 상기 제1 실시간 데이터 처리부로부터 실시간 데이터를 수신하는 제2 실시간 데이터 처리부를 포함하며, 상기 제1 방식은, 상기 제1 실시간 데이터 처리부가 상기 실시간 데이터를 상기 설비 그룹별로 그룹핑하여 전송하는 방식인 것을 특징으로 한다.
또한 상기 제1 실시간 데이터 처리부는 상기 실시간 데이터를 상기 설비 그룹별로 그룹핑하는 조인 서비스 및 상기 조인 서비스로부터 그룹핑 되어 전송된 데이터를 Kafka 기반의 분산 통신 기술을 이용하여 빅 데이터 플랫폼에 송신하는 메세지 서비스를 포함하는 것을 특징으로 한다.
또한 상기 제1 메세지 프레임워크는, 상기 배치 데이터를 적재하여 전송하는 제1 배치 데이터 처리부를 포함하고, 상기 제2 메세지 프레임워크는, 상기 제1 배치 데이터 처리부로부터 배치 데이터를 수신하는 제2 배치 데이터 처리부를 포함하며, 상기 제2 방식은, 상기 제1 배치 데이터 처리부가 상기 실시간 데이터를 상기 설비 그룹별로 그룹핑하지 않은 상태로 적재하며, 복수의 스트림을 통해 병렬로 전송하는 방식인 것을 특징으로 한다.
또한 상기 제1 배치 데이터 처리부는, 복수의 GridFTP 서버를 포함하여, 상기 GridFTP 서버마다 별도의 데이터 스트림을 통해 상기 배치 데이터를 상기 제2 배치 데이터 처리부에 전송하는 것을 특징으로 한다.
이상에서 살펴본 바와 같은 본 발명의 과제해결 수단에 의하면 다음과 같은 사항을 포함하는 다양한 효과를 기대할 수 있다. 다만, 본 발명이 하기와 같은 효과를 모두 발휘해야 성립되는 것은 아니다.
본 발명에 센서 데이터 처리 시스템에 따르면 실시간 데이터와 배치 데이터를 서로 다른 방식에 의해 전송하므로써, 각 데이터의 전송 목적에 따라 전송 효율을 극대화시킬 수 있으므로 빠르고 안정적인 전송이 가능한 장점이 있다.
더욱 구체적으로는 실시간 데이터의 경우 Kafka와 같은 분산 메세지 시스템을 사용함으로써, 데이터를 사용하는 요구에 맞추어 데이터를 전송하는 바, 활용에 용이한 장점이 있다. 또한 용량이 방대한 배치 데이터를 전송 시에는 그룹핑으로 인한 소모를 배제하고, 복수의 스트림을 통한 데이터 병렬 전송 방식을 통해 고속 전송이 가능하도록 하였다.
도 1은 본 발명 센서 데이터 처리 시스템의 전체 개략도,
도 2는 센서 저장소에서 csv 파일로 저장된 센서 데이터 구조를 나타내는 도면,
도 3은 데이터베이스의 설비와 센서 간 매핑에 대한 정보를 나타내는 도면,
도 4는 제1, 제2 메세지 프레임워크의 상세도,
도 5는 제1, 제2 실시간 데이터 처리부의 상세도,
도 6은 제1, 제2 배치 데이터 처리부의 상세도이다.
이하, 도면을 참조하여 본 발명의 구체적인 실시예를 상세히 설명한다.
도 1은 본 발명 센서 데이터 처리 시스템의 전체 개략도, 도 2는 센서 저장소에서 csv 파일로 저장된 센서 데이터 구조를 나타내는 도면, 도 3은 데이터베이스의 설비와 센서 간 매핑에 대한 정보를 나타내는 도면, 도 4는 제1, 제2 메세지 프레임워크의 상세도, 도 5는 제1, 제2 실시간 데이터 처리부의 상세도, 도 6은 제1, 제2 배치 데이터 처리부의 상세도이다.
이들 도면에 도시된 바와 같이, 본 발명 센서 데이터 처리 시스템은 발전소 시스템(100)과, 발전소 시스템(100)으로부터 센서 데이터를 수신하여 이를 처리하는 ETL 서버(200)와, 이를 이용하는 빅 데이터 플랫폼(300)을 포함한다. 이하 도 1을 참조하여 상세히 설명한다.
발전소 시스템(100)은 DCS 시스템(110)을 포함하는 것으로, 본 명세서에서는 발전소뿐만 아니라 플랜트 등도 포함하는 것으로 정의한다. DCS 시스템(110)이란 Distributed control system으로써, 분산 제어 시스템을 의미한다. 이는 하나의 중앙처리 장치를 여러개의 작은 중앙처리로 장치로 나누어 기능별로 분리하고 작응 용량의 중앙처리 장치를 갖는 각각의 컴퓨터를 통신 네트워크로 연결하여 전체 시스템을 구성하는 개념이다. 따라서 발전소의 DCS 시스템(110)은 공정제어에 이용되는 시스템을 각 설비에 알맞은 단위 서브 시스템으로 분리하고 각 소단위 시스템에서는 각각의 주어진 역할을 수행한다. 각 설비에는 압력, 온도, 공기질 등을 측정하는 다양한 센서가 부착되어 있어, DCS 시스템(110)은 각 센서로부터 센서 데이터를 수집하여 ETL 서버(200)에 전송한다.
ETL 서버(200)는 데이터를 추출(Extract), 변환(Transformation) 및 적재(loading)하여 데이터를 추출하여 목적 데이터로 변환하는 가공을한 후 센서 저장소(230) 또는 빅 데이터 플랫폼(300)에 데이터를 적재하는 기능을 한다.
ETL 시스템(210)은 센서 데이터를 실시간 데이터로 제1 메세지 프레임워크(220)에 전송하고, 동시에 센서 데이터들을 배치 데이터로 일정 주기(약 1시간에 한번)로 csv 파일 형식으로 저장한다. 이때 실시간 데이터의 크기는 약 1.33MByte, 1시간의 데이터를 담고있는 csv 파일은 4.5GByte 정도의 크기이며, 1년에 8760개의 파일이 생성된다. 여기서 배치 데이터로 전송한다는 것은 데이터가 일정량이 되기까지 축적하여 일괄 전송한다는 의미이다.
제1 메세지 프레임워크(220)는 ETL 서버(200)에 속하는 것으로, ELT 시스템으로부터 실시간 데이터를 수신하여 특정 계통이나 설비, 그룹 별로 데이터를 매핑하여 변환하고, 고속으로 데이터를 전송할 수 있는 분산 메세지 시스템을 이용하여 빅데이터 플랫폼에 있는 메시지 프레임워크에 전송하는 기능을 수행하고, 추가적으로 csㅍ로 저장되어 있는 대량의 파일들을 고속, 병렬로 전송할 수 있는 GridFTP 프로토콜을 이용해 빠르게 빅 데이터 플랫폼(300) 시스템에 전송한다.
센서 저장소(230)는 ETL 시스템(210)으로부터 수신된 센서 데이터를 csv 파일로 저장하는 기능을 한다. 도 2에는 센서 저장소(230)에서 csv 파일로 저장된 센서 데이터 구조를 도시하고 있다. 이를 참조하면 ETL은 단순히 DCS 시스템(110)의 센서 값들을 추출하는 기능만을 가지고 있으므로 특정 계통이나 설비, 그룹 별로 데이터를 분류하여 파일에 저장하는 것은 불가능하다. 따라서 센서 저장소(230)에 저장되어 있는 센서 데이터들은 그룹으로 나뉘어서 저장되는 것이 아닌, 전체 센서에 대해 1초간격으로 테이블 형식으로 저장되어 있다.
빅 데이터 플랫폼(300)은 센서 데이터로 수집되어 ETL 서버(200)에 의해 처리, 분석된 데이터를 수신하고, 이를 기반으로 지능화된 서비스를 제공하는 기능을 한다. 따라서 실시간 데이터 및 배치 데이터를 처리하는 제2 메세지 프레임워크(310)와, 배치 데이터를 매핑된 분산 파일로 저장하는 분산 파일 시스템(320)을 포함한다. 또한 딥 러닝 모델(330)을 포함하여 발전소의 고장예지 등을 할 수 있다.
도 3을 참조하면, 설비와 센서간 매핑 데이터베이스에 대한 일 실시예가 도시되어 있다. 도면 상 데이터베이스에 저장되어 있는 테이블은 2개로, 좌측에는 센서의 정보를 가지고 있는 SensorInfo, 우측에는 이 센서가 어떤 그룹에 속해있는지에 대한 정보를 가지고 있는 DcsGroupMap 테이블이 있어 두가지가 매칭되어 있다. 매핑 데이터베이스는 ETL 서버(200) 안에 있는 제1 메세지 프레임워크(220)에 존재한다. 이 데이터베이스는 빅 데이터 플랫폼(300)에서 특정 그룹, 계통에 대한 센서 데이터를 필요로 할 때 ETL이 추출한 센서 데이터를 빅 데이터 플랫폼(300)에서 요구한 그룹에 맞는 센서 데이터를 전송하기 위해 필요하다.
SensorInfo의 필드로는 센서의 index(indexing), 센서의 이름(dcs_tag), 센서에 대한 설명(dcs_description), 아날로그인지 디지털인지에 대한 여부(type_a_or_d), 하한값(min_value), 상한값(max_value), 단위(unit)가 있다. 또한 DcsGroupMap의 필드로는 그룹 이름(group_name), 센서의 이름(dcs_tag)가 있다. 여기서 각 필드는 예시로서 든 것이며, 센서의 정보 또는 센서의 그룹에 관한 정보라면 필드로 추가될 수 있다.
도 4 내지 도 6에는 제1 및 제2 메세지 프레임워크(310)의 구성 및 관계를 상세하게 도시하고 있다. 이를 참조하면, 제1 메세지 프레임워크(220)는 데이터베이스와, 제1 실시간 데이터 처리부(222) 및 제1 배치 데이터 처리부(223)를 포함한다. 그리고 제2 메세지 프레임워크(310)는 제2 실시간 데이터 처리부(312), 제2 배치 데이터 처리부(313)를 포함한다. 그리고 제2 메세지 프레임워크(310)는 분산 파일 시스템(320) 및 고장예지 시스템(331)에 연결될 수 있다. 고장예지 시스템(331)은 딥 러닝 모델(330) 중 일 실시예로서, 발전소의 고장을 진단하고 예측하는 시스템으로 이해할 수 있다.
특히 도 5를 참조하여 실시간 데이터를 빅 데이터 플랫폼(300)에 약 1초에 한 번씩 빠르게 전송하기 위한 실시간 데이터 처리부에 대하여 설명한다.
제1 메세지 프레임워크(220)의 제1 실시간 데이터 처리부(222)는 조인 서비스(Join Service, 222a)와 메세지 서비스(Message Service)(222b)를 포함하여 짧은 주기로 수집되는 센서 데이터를 처리한다. 조인 서비스(222a)는 그룹이나 설비별로 센서를 그룹핑하여 센서 데이터를 전송하기 위한 것이다. 상세하게는 조인 서비스(222a)는 도 3의 데이터베이스를 이용하여 설비 등의 특정 그룹으로 묶어 JSON 형식으로 변환하기 위한 구성이다. JSON 형식으로 변환함으로써 빅 데이터 플랫폼(300)에 고속으로 전송할 수 있으며, 빅 데이터 플랫폼(300)이 특정 그룹에 대한 데이터만을 요청할 시 그 특정 데이터만을 전송하는 것이 가능하다. 그리고 메세지 서비스(222b)는 조인 서비스(222a)로부터 그룹핑 되어 전송된 데이터를 Kafka 기반의 분산 통신 기술을 이용하여 빅 데이터 플랫폼(300)에 송신한다. 나아가 필요한 경우 빅 데이터 플랫폼(300)으로부터 JSON 데이터 구조를 수신하여 발전소 제어에 이용하는 것도 가능하다. Kafka의 생산자(Producer, 222b)는 메세지를 생성하는 역할을 하며, 제1 메세지 프레임워크(220)에 속하게 된다.
제2 메세지 프레임워크(310)의 제2 실시간 데이터 처리부(312)는 메세지 서비스(312a)만을 가지고 있다. Kafka 브로커(Broker, 312a')와 Kafka 소비자(Consumer, 312a'')를 포함한다. 여기서 Kafka 브로커(312a')는 서버를 의미한다. 토픽은 복수 개로 분산되며, 각 토픽마다 복수의 파티션을 포함하여 데이터의 병렬 전송이 가능하다. Kafka 소비자(312a'')는 복수로 형성되며, 본 발명에서는 특히 설비 등 특정 그룹별로 데이터를 요청하는 것을 들 수 있다.
도 6을 이용하여 대량의 센서 데이터가 저장된 파일들을 빅 데이터 플랫폼(300)에 전송하는 배치 데이터 처리부에 대하여 설명한다.
배치 데이터 처리부는 데이터베이스 및 서버 저장소에 저장된 센서 데이터를 약 1시간 단위로 모아 전송하는 것으로, 실시간 데이터 처리부와는 다르게 설비 및 특정 그룹으로 묶어서 전송하지 않는다. 즉 조인 서비스는 존재하지 않으며, 단순히 파일 변환 서비스(File Transform Service) 기능을 통하여 ETL 서버(200)에 있는 센서 데이터 파일을 전송하도록 설계될 수 있다. 이는 단순히 대량의 파일을 최대한 빠르게 전송하는 것이 목표인 바, 대량 파일 전송에 유리한 GridFTP(File Transfer Protocol) 프로토콜을 이용하여 전송하기 위함이다. 본 발명에서는 GridFTP 프로토콜을 구현한 프로그램을 이용하여 빅 데이터 플랫폼(300)과 ETL 서버(200)에 각각 설치하여 배치 데이터가 기록된 파일을 전송한다. 더욱 상세하게는 제1 메세지 프레임워크(220)에 포함되는 제1 배치 데이터 처리부(223)는 복수의 GridFTP Server를 포함하며, 제2 배치 데이터 처리부(313)는 GridFTP Client를 포함하여, 배치 데이터를 복수의 스트림을 통해 병렬로 고속으로 전송할 수 있다.
제1, 제2 배치 데이터 처리부(223, 313)로부터 전송되는 데이터는 분산 파일 시스템(320)에 저장될 수 있으며, 고장예지 시스템(331)은 실시간 데이터 처리부로부터 전송되는 실시간 데이터와 분산 파일 시스템(320)을 통해 이용할 수 있는 배치 데이터를 이용하여, 발전소의 진단 및 고장 예측을 딥 러닝 모델(330)을 통해 발전소 설비의 상태를 알 수 있다.
본 명세서에서는 구성 별로 나누어 설명하였으나, 일부의 구성을 임의로 조합하여 도출될 수 있는 실시예 역시 본 발명의 권리범위 내에 속하는 것이다.
이상의 설명은 본 발명의 기술사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형 가능한 것으로, 본 발명의 보호범위는 아래의 청구범위에 의하여 해석되어야하며, 그와 동등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
발전소 시스템 100 DCS 시스템 110
ETL 서버 200 ETL 시스템 210
제1 메세지 프레임워크 220 데이터 베이스 221
제1 실시간 데이터 처리부 222 제1 배치 데이터 처리부 223
센서 저장소 230 빅 데이터 플랫폼 300
제2 메세지 프레임워크 310 제2 실시간 데이터 처리부 312
제2 배치 데이터 처리부 313 분산 파일 시스템 320
딥 러닝 모델 330 고장예지 시스템 331

Claims (5)

  1. 발전소 또는 플랜트에 설치된 센서로부터 수집되는 센서 데이터를 처리하는 센서 데이터 처리 시스템에 있어서,
    복수의 설비 그룹과, 각 상기 설비 그룹 별로 복수의 센서를 포함하는 발전소 시스템;
    상기 센서로부터 센서 데이터를 수신하며, 제1 메세지 프레임워크를 포함하여 상기 센서 데이터를 변환 및 적재하여 전송하는 ETL 서버; 및
    상기 ETL 서버로부터 적재된 센서 데이터를 수신하는 제2 메세지 프레임워크 및 상기 센서 데이터를 이용하여 기계학습하는 딥 러닝 모듈을 포함하는 빅 데이터 플랫폼;
    을 포함하고,
    상기 제1 메세지 프레임워크는 상기 제2 메세지 프레임워크에 센서 데이터를 전송하며,
    상기 센서 데이터는, 상기 센서에 대한 정보가 실시간으로 제1 방식에 의해 전송되는 실시간 데이터 및 상기 센서에 대한 정보가 일정 주기로 수집되어 제2 방식에 의해 전송되는 배치 데이터를 포함하는것을 특징으로 하는 센서 데이터 처리 시스템.
  2. 제1항에 있어서,
    상기 제1 메세지 프레임워크는, 상기 실시간 데이터를 가공하여 전송하는 제1 실시간 데이터 처리부를 포함하고,
    상기 제2 메세지 프레임워크는, 상기 제1 실시간 데이터 처리부로부터 실시간 데이터를 수신하는 제2 실시간 데이터 처리부를 포함하며,
    상기 제1 방식은, 상기 제1 실시간 데이터 처리부가 상기 실시간 데이터를 상기 설비 그룹별로 그룹핑하여 전송하는 방식인 것을 특징으로 하는 센서 데이터 처리 시스템.
  3. 제2항에 있어서,
    상기 제1 실시간 데이터 처리부는 상기 실시간 데이터를 상기 설비 그룹별로 그룹핑하는 조인 서비스 및 상기 조인 서비스로부터 그룹핑 되어 전송된 데이터를 Kafka 기반의 분산 통신 기술을 이용하여 빅 데이터 플랫폼에 송신하는 메세지 서비스를 포함하는 것을 특징으로 하는 센서 데이터 처리 시스템.
  4. 제1항에 있어서,
    상기 제1 메세지 프레임워크는, 상기 배치 데이터를 적재하여 전송하는 제1 배치 데이터 처리부를 포함하고,
    상기 제2 메세지 프레임워크는, 상기 제1 배치 데이터 처리부로부터 배치 데이터를 수신하는 제2 배치 데이터 처리부를 포함하며,
    상기 제2 방식은, 상기 제1 배치 데이터 처리부가 상기 실시간 데이터를 상기 설비 그룹별로 그룹핑하지 않은 상태로 적재하며, 복수의 스트림을 통해 병렬로 전송하는 방식인 것을 특징으로 하는 센서 데이터 처리 시스템.
  5. 제4항에 있어서,
    상기 제1 배치 데이터 처리부는, 복수의 GridFTP 서버를 포함하여, 상기 GridFTP 서버 마다 별도의 데이터 스트림을 통해 상기 배치 데이터를 상기 제2 배치 데이터 처리부에 전송하는 것을 특징으로 하는 센서 데이터 처리 시스템.
KR1020200158816A 2020-11-24 2020-11-24 센서 데이터 처리 시스템 KR102453852B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200158816A KR102453852B1 (ko) 2020-11-24 2020-11-24 센서 데이터 처리 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200158816A KR102453852B1 (ko) 2020-11-24 2020-11-24 센서 데이터 처리 시스템

Publications (2)

Publication Number Publication Date
KR20220071548A KR20220071548A (ko) 2022-05-31
KR102453852B1 true KR102453852B1 (ko) 2022-10-12

Family

ID=81786426

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200158816A KR102453852B1 (ko) 2020-11-24 2020-11-24 센서 데이터 처리 시스템

Country Status (1)

Country Link
KR (1) KR102453852B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102623351B1 (ko) * 2023-06-16 2024-01-10 주식회사 리코시스템 스마트 팩토리 시스템

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101207944B1 (ko) 2011-02-01 2012-12-05 두산중공업 주식회사 플랜트에서의 순차적 이벤트 데이터의 무손실 처리 시스템
KR20120138298A (ko) 2011-06-14 2012-12-26 한국전자통신연구원 플랜트 관리 네트워크에서의 관리 네트워크 장치 및 데이터 처리 방법
KR101511991B1 (ko) 2013-11-13 2015-04-14 메타빌드주식회사 플랜트 필드 데이터 처리 장치 및 방법
KR20200055828A (ko) * 2018-11-09 2020-05-22 주식회사 한컴엠디에스 인공지능 플랫폼 서비스 시스템 및 방법

Also Published As

Publication number Publication date
KR20220071548A (ko) 2022-05-31

Similar Documents

Publication Publication Date Title
CN110719210B (zh) 一种基于云边协同的工业设备预测性维护方法
CN103685442B (zh) 使用云架构的远程工业监视
CN110430260B (zh) 一种基于大数据云计算支撑的机器人云平台及工作方法
EP2908196B1 (en) Industrial monitoring using cloud computing
Obitko et al. Big data semantics in industry 4.0
US20160112283A1 (en) Remote industrial monitoring and analytics using a cloud infrastructure
CN104954242A (zh) 用于将工业数据迁移至云平台的统一数据摄取适配器
CN105677836A (zh) 一种同时支持离线数据和实时在线数据的大数据处理解决系统
CN116846987B (zh) 一种工业互联网的交互界面生成方法及系统
CN105629790A (zh) 一种基于工业物联网的数据管理平台以及其数据管理方法
EP1542105A1 (en) Industrial control system and data processing method therefor
KR20150112357A (ko) 센서 데이터 처리 시스템 및 방법
Coito et al. A novel framework for intelligent automation
CN104376498A (zh) 一种发电厂生产管理系统及方法
CN113179190B (zh) 边缘控制器、边缘计算系统及其配置方法
CN113176948B (zh) 边缘网关、边缘计算系统及其配置方法
CN112995327B (zh) 一种云平台系统、工厂端、工业云平台及服务对接系统
CN107168295A (zh) 基于云计算的空压机物联模组的通讯协议配置引擎及实时监测方法
KR102453852B1 (ko) 센서 데이터 처리 시스템
Guerreiro et al. A self-adapted swarm architecture to handle big data for “factories of the future”
CN104501848A (zh) 一种变电设备的数据接入方法及系统
CN113242247B (zh) 一种基于边缘计算的工业智能物联模块
Guerreiro et al. A digital twin for intra-logistics process planning for the automotive sector supported by big data analytics
CN113919730A (zh) 一种基于工业物联网的智慧工厂生产线执行系统
CN111539516A (zh) 基于大数据处理的电网故障诊断系统及方法

Legal Events

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