KR102512089B1 - 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반 - Google Patents

인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반 Download PDF

Info

Publication number
KR102512089B1
KR102512089B1 KR1020210098896A KR20210098896A KR102512089B1 KR 102512089 B1 KR102512089 B1 KR 102512089B1 KR 1020210098896 A KR1020210098896 A KR 1020210098896A KR 20210098896 A KR20210098896 A KR 20210098896A KR 102512089 B1 KR102512089 B1 KR 102512089B1
Authority
KR
South Korea
Prior art keywords
error
diesel generator
data
artificial intelligence
item
Prior art date
Application number
KR1020210098896A
Other languages
English (en)
Other versions
KR20230017438A (ko
Inventor
하능교
Original Assignee
주식회사 에이셉
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 에이셉 filed Critical 주식회사 에이셉
Priority to KR1020210098896A priority Critical patent/KR102512089B1/ko
Priority to PCT/KR2021/017791 priority patent/WO2023008660A1/ko
Publication of KR20230017438A publication Critical patent/KR20230017438A/ko
Application granted granted Critical
Publication of KR102512089B1 publication Critical patent/KR102512089B1/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
    • G05B23/0243—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
    • 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
    • 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
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반이 개시된다. 본 발명의 일실시례에 따른 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반은 다수의 디젤형 발전기의 운용데이터를 저장하는 데이터베이스; 현장에 마련된 디젤형 발전기의 동작 데이터를 상기 데이터베이스에 저장된 운용데이터와 비교하여 동작오류 유무를 탐지하는 오류탐지부; 및 상기 오류탐지부의 오류 내용에 대응하여 원격시동, 전압제어, 전력유지, 주파수 변환 및 회전력 제어 중 적어도 하나를 수행하고 머신러닝을 통해 오류유형 및 대응데이터를 상기 데이터베이스에 업데이트하는 인공지능 처리부;를 포함한다.

Description

인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반{AUTOMATIC CONTROL DEVICE FOR DEISEL GENERATOR USING ARTIFICIAL INTELLIGENCE-BASED COGNITIVE- CONTROL}
본 발명은 디젤형 발전기 자동제어장치에 관한 것으로, 보다 상세하게는 디젤형 발전기의 실시간 동작데이터를 수집하고, 수집된 동작데이터와 기준값을 비교하여 디젤형 발전기의 오류 발생 유무를 판단하고, 오류 발생시 오류에 대응하여 자동 운용 제어가 수행되는 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반에 관한 것이다.
최근 인공지능에 대한 관심과 연구가 활발히 진행되고 있다. 특히 컴퓨팅 파워에 놀라운 발전과 인공지능 기술의 출현으로 인공지능 기술의 정확도가 획기적으로 개선됨에 따라 다양한 분야에서 인공지능 기술을 활용하고자 하는 연구가 활발하게 진행되고 있다. 특히, 스마트 공장 시스템에 대한 관심 및 수요가 높아져 발전기 등의 공장 설비의 결함을 자동으로 모니터링하고 예측하는 기술에 인공지능 기술을 적용시키려는 시도가 이루어지고 있다.
이와 관련하여, 종래기술인 한국공개특허공보 제10-2019-0161117호는 기기의 전류 파형을 수집하고, 수집된 전류 파형으로부터 기기의 이상징후 및 이상 부위를 검출하여 사용자에게 제공하는 인공지능을 통한 기기의 이상 부위 학습 검출방법에 대하여 개시하고 있고, 한국공개특허공보 제10-2021-0079142호는 설비의 주파수 특성을 분석하고 인공지능을 이용한 이상 감지 및 전력 사용량 모니터링 장치 및 제어 방법에 대하여 개시하고 있다.
하지만 인공지능 방식의 설비 결함 예측 시스템은 아직 초기 단계로서 모든 학습데이터를 자동으로 추출하여 선별하기 때문에 방대한 양의 센서 데이터 정보를 필요로 하고, 이에 따라 데이터 처리 효율이 현저히 떨어지고 비용이 많이 들며, 학습 데이터 생성에 많은 시간이 소요되는 문제가 있다. 특히, 신규 설비의 경우, 설비 결함율이 현저히 낮아 기존의 인공지능 기반의 예지보전 시스템으로는 인공지능 학습이 잘 이루어 지지 않으며 학습이 되더라도 지나치게 오랜 기간이 소요되는 한계가 있다.
따라서, 설비의 동작 데이터를 수집하고, 수집된 동작 데이터와 기준값을 비교하여 오류 발생 여부를 결정하고, 오류에 대응하여 설비의 자동 운용이 가능한 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반에 관한 연구가 필히 요구된다.
본 발명은 디젤형 발전기에 수집되는 동작 데이터를 점검 항목과 비교하고, 기준 범위를 초과하는 횟수에 기초하여 오류 발생 여부를 판단함으로써, 디젤형 발전기의 단순 노이즈와 오류 발생 여부를 구분할 수 있는 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반을 제공하는 데 그 목적이 있다.
또한, 동작 데이터를 분석하여 디젤형 발전기의 오류를 판단하고, 발생된 오류에 대응하여 자동 운용 조작 수행 및 오류 대응 결과를 학습하여 패턴 정보를 생성함으로써, 오류 판단 과정에서 수행되는 데이터 처리량을 감소시킬 수 있는 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반을 제공하는 데 그 목적이 있다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급한 과제로 제한되지 않으며, 여기에 언급되지 않은 본 발명이 해결하려는 또 다른 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일실시례에 따른 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반은 다수의 디젤형 발전기의 운용데이터를 저장하는 데이터베이스, 현장에 마련된 디젤형 발전기의 동작 데이터를 데이터베이스에 저장된 운용데이터와 비교하여 동작오류 유무를 탐지하는 오류탐지부 및 오류탐지부의 오류 내용에 대응하여 원격시동, 전압제어, 전력유지, 주파수 변환 및 회전력 제어 중 적어도 하나를 수행하고 머신러닝을 통해 오류유형 및 대응데이터를 데이터베이스에 업데이트하는 인공지능 처리부를 포함한다.
또한, 오류탐지부는 현장에 마련된 디젤형 발전기의 실시간 동작 데이터로부터 전압, 전류, 냉각수 온도, 오일압력, 오일온도, 자동 변압조정장치, 엔진 속도, 부하, 주파수 중 적어도 하나의 점검항목에 이상이 존재하는지 탐지하는 오류항목 판단부, 시계열적으로 입력되는 동작 데이터가 연속하여 n회 이상 기준 범위를 초과하는 경우에만 동작오류가 있는 것으로 탐지하는 오류 결정부 및 동작오류가 발생한 점검항목이 m개를 초과하는 경우, 현장에 마련된 디젤형 발전기의 오류 여부를 판단하지 않고 오류 결정부의 이상동작을 점검하도록 데이터를 출력하는 오류 검증부를 포함하는 것을 특징으로 한다.
또한, 오류 검증부는 [현장에 마련된 디젤형 발전기의 동작오류 발생 항목/다수의 점검항목에 대한 오류 동시발생 개수의 x% 평균값]이 1.5보다 크거나, 오류 동시발생 개수의 최대값보다 큰 경우에는 오류 여부를 판단하지 않고 오류 결정부의 이상동작을 점검하도록 데이터를 출력하는 것을 특징으로 한다.
또한, 오류 결정부는 현장에 마련된 디젤형 발전기의 동작 데이터를 수집하고, 연속하여 n회 이상 기준 범위를 초과하는지 판단하되, 데이터베이스에 저장된 현장에 마련된 디젤형 발전기의 수명 등급을 산출하고, 산출된 수명 등급에 기초하여 동작 데이터가 기준 범위를 초과하는 횟수 n 및 점검항목의 개수 m의 비교값이 결정되고, 기준 범위는 동작 데이터의 평균값, 최대값, 최소값, 중앙값, 표준편차 및 평균편차 중 적어도 어느 하나에 기초하여 결정되는 것을 특징으로 한다.
또한, 인공지능 처리부는 오류탐지부의 오류 내용에 대응하여 수행된 원격시동, 전압제어, 전력유지, 주파수 변환 및 회전력 제어 중 적어도 하나의 자동 운용 작업에 대해 평가하되, 자동 운용 작업의 명령어에 포함된 적어도 하나의 변수를 정상 동작 범위 내에서 가변하여 현장에 마련된 디젤형 발전기의 출력 상태를 검증하고, 현장에 마련된 디젤형 발전기의 출력이 기설정된 조건을 만족하는 경우, 자동 운용 작업의 평가를 종료하는 것을 특징으로 한다.
본 발명의 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반은 디젤형 발전기에 수집되는 동작 데이터를 점검 항목과 비교하고, 기준 범위를 초과하는 횟수에 기초하여 오류 발생 여부를 판단함으로써, 디젤형 발전기의 단순 노이즈와 오류 발생 여부를 구분할 수 있는 효과를 가진다.
또한, 동작 데이터를 분석하여 디젤형 발전기의 오류를 판단하고, 발생된 오류에 대응하여 자동 운용 조작 수행 및 오류 대응 결과를 학습하여 패턴 정보를 생성함으로써, 오류 판단 과정에서 수행되는 데이터 처리량을 감소시킬 수 있는 효과를 가진다.
도 1은 본 발명의 일실시례에 따른 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반이 적용된 디젤 발전기의 예시 도면이다.
도 2는 본 발명의 일실시례에 따른 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반의 구성도이다.
도 3은 본 발명의 일실시례에 따른 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반의 시스템 처리 과정을 설명하기 위한 도면이다.
도 4는 본 발명의 일실시례에 따른 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반의 오류탐지부를 설명하기 위한 도면이다.
도 5는 본 발명의 일실시례에 따른 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반의 동작 데이터 모니터링을 설명하기 위한 도면이다.
도 6은 본 발명의 일실시례에 따른 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반의 순서도이다.
이상과 같은 본 발명에 대한 해결하고자 하는 과제, 과제의 해결 수단, 발명의 효과를 포함한 구체적인 사항들은 다음에 기재할 실시례 및 도면들에 포함되어 있다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시례들을 참조하면 명확해질 것이다.
이하, 첨부된 도면을 참조하여 본 발명을 보다 상세히 설명하기로 한다.
도 1은 본 발명의 일실시례에 따른 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반이 적용된 디젤 발전기의 예시 도면이고, 도 2는 본 발명의 일실시례에 따른 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반의 구성도이고, 도 3은 본 발명의 일실시례에 따른 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반의 시스템 처리 과정을 설명하기 위한 도면이고, 도 4는 본 발명의 일실시례에 따른 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반의 오류탐지부를 설명하기 위한 도면이고, 도 5는 본 발명의 일실시례에 따른 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반의 동작 데이터 모니터링을 설명하기 위한 도면이고, 도 6은 본 발명의 일실시례에 따른 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반의 순서도이다.
<실시례 1>
도 1 내지 도 3을 참고하면, 본 발명의 일실시례에 따른 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반(100)은 다수의 디젤형 발전기(10)의 운용데이터를 저장하는 데이터베이스(110), 현장에 마련된 디젤형 발전기(10)의 동작 데이터를 상기 데이터베이스(110)에 저장된 운용데이터와 비교하여 동작오류 유무를 탐지하는 오류탐지부(120) 및 상기 오류탐지부(120)의 오류 내용에 대응하여 원격시동, 전압제어, 전력유지, 주파수 변환 및 회전력 제어 중 적어도 하나를 수행하고 머신러닝을 통해 오류유형 및 대응데이터를 상기 데이터베이스(110)에 업데이트하는 인공지능 처리부(130)를 포함할 수 있다.
보다 상세하게는, 도 4를 참고하면, 상기 오류탐지부(120)는 상기 현장에 마련된 디젤형 발전기(10)의 실시간 동작 데이터로부터 전압, 전류, 냉각수 온도, 오일압력, 오일온도, 자동 변압조정장치, 엔진 속도, 부하, 주파수 중 적어도 하나의 점검항목에 이상이 존재하는지 탐지하는 오류항목 판단부(121), 시계열적으로 입력되는 상기 동작 데이터가 연속하여 n회 이상 기준 범위를 초과하는 경우에만 동작오류가 있는 것으로 탐지하는 오류 결정부(122) 및 동작오류가 발생한 상기 점검항목이 m개를 초과하는 경우, 상기 현장에 마련된 디젤형 발전기(10)의 오류 여부를 판단하지 않고 상기 오류 결정부(122)의 이상동작을 점검하도록 데이터를 출력하는 오류 검증부(123)를 포함할 수 있다.
즉, 상기 오류항목 판단부(121)에 의해서 상기 디젤형 발전기(10)의 동작 데이터 중 점검항목의 이상 데이터가 존재하는지 여부를 판단하고, 상기 오류 결정부(122)는 상기 동작 데이터가 연속해서 n회 이상 기설정된 기준범위를 초과하는지 여부를 판단하되, 상기 오류 검증부(123)는 n회 이상 기준범위를 초과하는 점검항목의 개수가 m개를 초과하는 경우, 상기 오류 결정부(122)의 판단에 오류가 있는 것으로 해석하여, 상기 오류 결정부(122)를 점검하는 신호가 출력될 수 있다.
이때, 상기 동작 데이터가 연속해서 n회 미만으로 기준 범위를 초과한 경우, 상기 디젤형 발전기(10)에 단순 노이즈가 발생한 것으로 판단할 수 있다.
일례로, 상기 오류항목 판단부(121)에서 판단된 점검항목의 개수가 l개를 초과하는 경우, 상기 오류 결정부(122)는 상기 점검항목별로 동작 데이터가 연속해서 n회 이상 기설정된 기준 범위를 초과하는지 판단하는 과정을 생략하고 상기 디젤형 발전기(10)에 이상 동작이 발생한 것으로 결정할 수 있다.
이때, 상기 점검항목의 개수 l은 m보다 작다.
또 다른 일례로, 상기 오류 결정부(122)는 상기 점검항목별 보조항목을 지정할 수 있다.
예를 들어, 상기 디젤형 발전기(10)의 '전압' 및 '전류' 항목의 경우, 보조항목으로 '엔진 속도' 또는 '부하' 항목이 설정될 수 있고, 상기 오류 결정부(122)는 '전압' 항목에서 상기 동작 데이터가 연속해서 n회 이상 기준범위를 초과하는 경우, 보조항목인 '엔진 속도' 및 '부하'의 동작 데이터를 모니터링하고 '엔진 속도' 항목에서 상기 동작 데이터가 기준 범위를 초과하는 즉시 오류가 발생한 것으로 판단할 수 있다.
따라서, 점검항목별 연관도에 따라 모니터링 우선순위가 결정되고 보다 정밀하게 오류 발생을 탐지할 수 있다.
도 5를 참고하면, 상기 오류 탐지부(120)는 상기 디젤형 발전기(10)로부터 수집된 동작 데이터를 디스플레이하는 데이터 모니터링부(미도시)를 더 포함할 수 있다.
보다 상세하게는, 상기 데이터 모니터링부는 상기 디젤형 발전기(10)의 제품정보, 상기 디젤형 발전기(10)가 마련된 장소의 환경정보 및 상기 디젤형 발전기(10)로부터 수집된 데이터를 기지정된 관리자 단말에 디스플레이하되, 상기 관리자 단말로부터 보고서 생성 신호를 입력받을 수 있다.
상기 보고서 생성 신호가 입력된 경우, 상기 데이터 모니터링부는 실시간 디스플레이되고 있는 데이터를 기설정된 형식의 텍스트 파일로 변환하여 상기 관리자 단말에 전송할 수 있다.
한편, 오류 검증부(123)는 [상기 현장에 마련된 디젤형 발전기(10)의 동작오류 발생 항목/다수의 점검항목에 대한 오류 동시발생 개수의 상기 x% 평균값]이 1.5보다 크거나, 상기 오류 동시발생 개수의 최대값보다 큰 경우에는 오류 여부를 판단하지 않고 상기 오류 결정부의 이상동작을 점검하도록 데이터를 출력할 수 있다.
예를 들어, 상기 오류 결정부(122)에서 동작 오류가 발생한 것으로 판단한 점검항목의 개수가 5개이고, 오류 동시 발생 개수의 최대값으로 설정된 점검항목의 개수가 3개인 경우, 상기 오류 결정부(122)의 결정에 이상이 있는 것으로 판단할 수 있다.
또한, 상기 오류 결정부(122)는 상기 현장에 마련된 디젤형 발전기(10)의 동작 데이터를 수집하고, 연속하여 n회 이상 기준 범위를 초과하는지 판단하되, 상기 데이터베이스(110)에 저장된 상기 디젤형 발전기(10)의 수명 등급에 기초하여 상기 동작 데이터가 기준 범위를 초과하는 횟수 n 및 상기 점검 항목의 개수 m의 비교값이 결정될 수 있다.
일례로, 상기 디젤형 발전기(10)의 수명 등급은 설치 일자, 운영 횟수, 오류 발생율 및 최근 점검일에 기초하여 산출될 수 있다.
따라서, 상기 수명 등급이 높을수록 상기 동작 데이터가 기준 범위를 초과하는 횟수 n 및 상기 점검 항목의 개수 m이 높게 설정되고, 상기 수명 등급이 낮을수록 n 및 m이 낮게 설정될 수 있다.
상기 기준범위는 상기 동작 데이터의 평균값, 최대값, 최소값, 중앙값, 표준편차 및 평균편차 중 적어도 어느 하나에 기초하여 결정될 수 있다.
한편, 상기 인공지능 처리부(130)는 상기 오류탐지부(120)의 오류 내용에 대응하여 수행된 원격시동, 전압제어, 전력유지, 주파수 변환 및 회전력 제어 중 적어도 하나의 자동 운용 작업에 대해 평가할 수 있다.
보다 상세하게는, 상기 자동 운용 작업의 명령어에 포함된 적어도 하나의 변수를 정상 동작 범위 내에서 가변하여 상기 디젤형 발전기(10)의 출력 상태를 검증하고, 상기 디젤형 발전기(10)의 출력이 기설정된 조건을 만족하는 경우, 상기 자동 운용 작업의 평가를 종료할 수 있다.
예를 들어, 상기 오류탐지부(120)에서 탐지된 오류에 대응하여 '회전력 제어' 작업이 수행되는 경우, 상기 인공지능 처리부(130)는 '회전력 제어' 명령어를 분석하여 가변 가능한 변수를 추출하고, 상기 추출된 변수를 스윕(sweep)하여 상기 자동 운용 작업의 적합성을 평가할 수 있다.
변수 스윕이 수행되는 동안, 상기 '회전력 제어'와 관련된 점검항목을 기설정된 시간동안 모니터링하고 오류가 발생되지 않는 경우, 상기 자동 운용 작업의 평가가 종료될 수 있다.
일례로, 상기 인공지능 처리부(130)는 상기 변수를 스윕하는 동안, 과도응답 및 정상상태응답 상태를 분석하고, 시스템 응답 특성에 대한 전달함수를 산출할 수 있다. 이때 상기, 과도응답상태에서 시스템 출력이 안정되지 않거나, 정상상태에 도달하는 시간이 기설정된 시간 정수(τ)를 초과하는 경우, 상기 자동 운용 작업에 이상이 있는 것으로 판단할 수 있다.
또한, 상기 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반(100)은 통신부;를 더 포함하여 자동 운용 작업에 이상 상태가 감지된 경우, 상기 디젤형 발전기(10)를 재시동 시킨 후, 기지정된 관리자 단말에 점검요청 알림신호를 송신할 수 있다.
<실시례 2>
도 6을 참고하면, 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반(100)은 현장에 마련된 디젤형 발전기(10)로부터 동작 데이터를 수집하고, 수집된 동작 데이터를 분석하여 전압, 전류, 냉각수 온도, 오일압력, 오일온도, 자동 변압조정장치, 엔진 속도, 부하, 주파수 중 적어도 하나의 점검항목에 이상이 존재하는지 오류항목을 판단할 수 있다. 이후, 상기 판단된 오류 항목의 동작 데이터가 연속해서 n회 이상 기준 범위를 초과하는지 판단하고, 상기 동작 데이터가 연속해서 기준 범위를 초과하는 경우, 오류가 발생한 것으로 결정할 수 있다. 이때, 오류가 발생한 오류항목의 개수를 카운팅하고, 상기 오류발생 항목개수가 m개 이하인 경우, 발생된 오류 내용을 분석하여 상기 발생된 오류에 대응하는 자동 운용 작업이 수행될 수 있다. 또한, 상기 디젤형 발전기(10)의 자동 운용 작업이 정상적으로 적용되는지 판단한 후에 이상이 없는 경우, 상기 디젤형 발전기(10)는 정상 운영 상태를 유지할 수 있다.
한편, 상기 상기 판단된 오류 항목의 동작 데이터가 기준 범위를 연속해서 초과한 횟수가 n회 미만인 경우, 단순 노이즈 발생으로 판단하고, 상기 데이터베이스(110)에 노이즈 발생 내용이 기록될 수 있다.
또한, 상기 오류발생 항목개수가 m개를 초과하는 경우, 오류 발생 결정 과정에 이상이 있는 것으로 판단하여 오류 발생 과정을 점검하고, 동작 데이터로부터 오류항목을 판단하는 단계로 복귀할 수 있다.
일례로, 상기 발생된 오류 내용에 기초하여 오류 등급이 할당되며, 상기 오류 등급은 '주의', '경고' 및 '조치' 등급을 포함할 수 있다.
상기와 같은 본 발명의 효과에 따르면, 디젤형 발전기에 수집되는 동작 데이터를 점검 항목과 비교하고, 기준 범위를 초과하는 횟수에 기초하여 오류 발생 여부를 판단함으로써, 디젤형 발전기의 단순 노이즈와 오류 발생 여부를 구분할 수 있는 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반이 제공될 수 있다.
또한, 동작 데이터를 분석하여 디젤형 발전기의 오류를 판단하고, 발생된 오류에 대응하여 자동 운용 조작 수행 및 오류 대응 결과를 학습하여 패턴 정보를 생성함으로써, 오류 판단 과정에서 수행되는 데이터 처리량을 감소시킬 수 있는 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반이 제공될 수 있다.
또한, 본 발명의 일실시례에 따른, 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어방법은 다양한 컴퓨터로 구현되는 동작을 수행하기 위한 프로그램 명령을 포함하는 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 본 발명의 일실시례는 비록 한정된 실시례와 도면에 의해 설명되었으나, 본 발명의 일실시례는 상기 설명된 실시례에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서 본 발명의 일실시례는 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.
110 : 데이터베이스
120 : 오류탐지부 121 : 오류항목 판단부
122 : 오류 결정부
123 : 오류 검증부
130 : 인공지능 처리부

Claims (5)

  1. 다수의 디젤형 발전기의 운용데이터를 저장하는 데이터베이스;
    현장에 마련된 디젤형 발전기의 동작 데이터를 상기 데이터베이스에 저장된 운용데이터와 비교하여 동작오류 유무를 탐지하는 오류탐지부; 및
    상기 오류탐지부의 오류 내용에 대응하여 원격시동, 전압제어, 전력유지, 주파수 변환 및 회전력 제어 중 적어도 하나를 수행하고 머신러닝을 통해 오류유형 및 대응데이터를 상기 데이터베이스에 업데이트하는 인공지능 처리부;를 포함하고,

    상기 오류탐지부는,
    상기 현장에 마련된 디젤형 발전기의 실시간 동작 데이터로부터 전압, 전류, 냉각수 온도, 오일압력, 오일온도, 자동 변압조정장치, 엔진 속도, 부하, 주파수 중 적어도 하나의 점검항목에 이상이 존재하는지 탐지하는 오류항목 판단부;
    시계열적으로 입력되는 상기 동작 데이터가 연속하여 n회 이상 기준 범위를 초과하는 경우에만 동작오류가 있는 것으로 탐지하는 오류 결정부;
    동작오류가 발생한 상기 점검항목이 m개를 초과하는 경우, 상기 현장에 마련된 디젤형 발전기의 오류 여부를 판단하지 않고 상기 오류 결정부의 이상동작을 점검하도록 데이터를 출력하는 오류 검증부; 및
    상기 동작 데이터를 모니터링하는 데이터 모니터링부;를 포함하며,

    상기 오류 검증부는,
    [상기 현장에 마련된 디젤형 발전기의 동작오류 발생 항목/다수의 점검항목에 대한 오류 동시발생 개수의 x% 평균값]이 1.5보다 크거나, 상기 오류 동시발생 개수의 최대값보다 큰 경우에는 오류 여부를 판단하지 않고 상기 오류 결정부의 이상동작을 점검하도록 데이터를 출력하고,

    상기 오류 결정부는,
    상기 현장에 마련된 디젤형 발전기의 동작 데이터를 수집하고, 연속하여 n회 이상 기준 범위를 초과하는지 판단하되,
    상기 데이터베이스에 저장된 상기 현장에 마련된 디젤형 발전기의 수명 등급을 산출하고, 상기 산출된 수명 등급에 기초하여 상기 동작 데이터가 기준 범위를 초과하는 횟수 n 및 상기 점검 항목의 개수 m의 비교값이 결정되고,
    상기 기준 범위는 상기 동작 데이터의 평균값, 최대값, 최소값, 중앙값, 표준편차 및 평균편차 중 적어도 어느 하나에 기초하여 결정되며,

    상기 오류 결정부는,
    상기 점검 항목에 대응하는 적어도 하나의 보조 항목을 지정하고,
    상기 점검 항목의 동작 데이터가 연속해서 n회 이상 상기 기준 범위를 초과하는 경우, 상기 보조 항목의 동작 데이터를 모니터링하고,
    상기 보조 항목의 동작 데이터가 상기 기준 범위를 초과하는 경우, 상기 동작오류가 발생한 것으로 판단하며,

    상기 오류 결정부는,
    상기 오류항목 판단부에서 판단된 상기 점검 항목의 개수가 l개를 초과하는 경우, 상기 점검 항목의 동작 데이터가 연속해서 n회 이상 상기 기준 범위를 초과하는지 판단하는 과정을 생략하고 상기 동작오류가 발생한 것으로 판단하되,
    상기 점검 항목의 개수 l은 m보다 작은 값이고,

    상기 데이터 모니터링부는,
    상기 디젤형 발전기의 제품정보, 상기 디젤형 발전기가 마련된 장소의 환경 정보 및 상기 디젤형 발전기로부터 수집된 데이터를 기지정된 관리자 단말에 디스플레이하고,
    상기 관리자 단말로부터 보고서 생성 신호가 입력된 경우, 실시간 데이터를 기설정된 형식의 텍스트 파일로 변환하여 상기 관리자 단말에 전송하며,

    상기 인공지능 처리부는,
    상기 오류탐지부의 오류 내용에 대응하여 수행된 원격시동, 전압제어, 전력유지, 주파수 변환 및 회전력 제어 중 적어도 하나의 자동 운용 작업에 대해 평가하되,
    상기 자동 운용 작업의 명령어에 포함된 적어도 하나의 변수를 정상 동작 범위 내에서 가변하여 상기 현장에 마련된 디젤형 발전기의 출력 상태를 검증하고, 상기 현장에 마련된 디젤형 발전기의 출력이 기설정된 조건을 만족하는 경우, 상기 자동 운용 작업의 평가를 종료하고,

    상기 인공지능 처리부는,
    상기 변수가 가변되는 동안 상기 디젤형 발전기의 과도응답 상태 및 정상응답 상태를 분석하고, 상기 과도응답 상태에서 상기 디젤형 발전기의 출력이 안정되지 않는 제1 상태 및 상기 정상응답 상태에 도달하는 시간이 기설정된 시간 정수 τ를 초과하는 제2 상태 중 적어도 어느 하나에 해당하는 경우, 상기 자동 운용 작업에 이상이 있는 것으로 판단하며,
    상기 자동 운용 작업에 이상이 있는 경우, 상기 디젤형 발전기를 재시동 시키고, 상기 관리자 단말에 점검요청 알림신호를 송신하는 것을 특징으로 하는 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
KR1020210098896A 2021-07-28 2021-07-28 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반 KR102512089B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210098896A KR102512089B1 (ko) 2021-07-28 2021-07-28 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반
PCT/KR2021/017791 WO2023008660A1 (ko) 2021-07-28 2021-11-29 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210098896A KR102512089B1 (ko) 2021-07-28 2021-07-28 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반

Publications (2)

Publication Number Publication Date
KR20230017438A KR20230017438A (ko) 2023-02-06
KR102512089B1 true KR102512089B1 (ko) 2023-03-20

Family

ID=85087813

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210098896A KR102512089B1 (ko) 2021-07-28 2021-07-28 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반

Country Status (2)

Country Link
KR (1) KR102512089B1 (ko)
WO (1) WO2023008660A1 (ko)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090000592A (ko) * 2007-03-02 2009-01-08 세메스 주식회사 설비의 고장 진단 시스템 및 그 방법
US9378079B2 (en) * 2014-09-02 2016-06-28 Microsoft Technology Licensing, Llc Detection of anomalies in error signals of cloud based service
CN109844666B (zh) * 2016-10-12 2023-04-04 哈曼国际工业有限公司 用于车内预测性故障检测的系统和方法
KR102017561B1 (ko) * 2017-08-10 2019-09-05 울랄라랩 주식회사 기계학습 기법에 기반한 기계의 오류 데이터를 검출하기 위한 알고리즘 및 방법
KR102268733B1 (ko) * 2020-06-02 2021-06-23 한국해양대학교 산학협력단 선박기관의 고장검출 방법 및 시스템

Also Published As

Publication number Publication date
WO2023008660A1 (ko) 2023-02-02
KR20230017438A (ko) 2023-02-06

Similar Documents

Publication Publication Date Title
CN109524139B (zh) 一种基于设备工况变化的实时设备性能监测方法
KR101713985B1 (ko) 예지 정비 방법 및 장치
US7395188B1 (en) System and method for equipment life estimation
RU2313815C2 (ru) Устройство и способ для контроля технической установки, содержащей множество систем, в частности установки электростанции
US8370045B2 (en) Starter control valve failure prediction machine to predict and trend starter control valve failures in gas turbine engines using a starter control valve health prognostic, program product and related methods
CN110414155A (zh) 一种带有单测点的风机部件温度异常检测和报警方法
US20150213706A1 (en) Facility status monitoring method and facility status monitoring device
US20150241304A1 (en) Method for the computer-assisted monitoring of the operation of a technical system, particularly of an electrical energy-generating installation
US20210356361A1 (en) Fault detection technique for a bearing
CN114576152B (zh) 水泵状态监测系统、监测方法、装置、电子设备和介质
CN113705924A (zh) 一种热控设备智能诊断方法和系统
KR101893563B1 (ko) 사물인터넷 기반 화재 블랙박스 시스템 및 그 운용 방법
Koltsidopoulos Papatzimos et al. Offshore wind turbine fault alarm prediction
CN110580492A (zh) 一种基于小幅波动检测的轨道电路故障前兆发现方法
KR102417800B1 (ko) 전력 케이블 노후도 판단 장치 및 방법
CN111627199A (zh) 一种水电站大坝安全监测系统及监测方法
CN105043776A (zh) 一种飞机发动机性能监控与故障诊断方法
CN116304928A (zh) 供电设备故障预测方法、装置、设备及存储介质
Calabrese et al. An event based machine learning framework for predictive maintenance in industry 4.0
US20220179402A1 (en) Method and device for analyzing a sequential process
Ginart et al. Automated feature selection for embeddable prognostic and health monitoring (PHM) architectures
RU2687848C1 (ru) Способ и система вибромониторинга промышленной безопасности динамического оборудования опасных производственных объектов
KR102289405B1 (ko) 이상징후 예지보전이 가능한 비상 발전기 및 그 제어 방법
KR102512089B1 (ko) 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반
CN109754490A (zh) 电力机车制动系统的健康管理方法、装置、介质及设备

Legal Events

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