KR20100071344A - 뉴럴 네트워크와 역전파 알고리즘에 의한 펌프 유량 예측 장치 및 방법 - Google Patents

뉴럴 네트워크와 역전파 알고리즘에 의한 펌프 유량 예측 장치 및 방법 Download PDF

Info

Publication number
KR20100071344A
KR20100071344A KR1020080130023A KR20080130023A KR20100071344A KR 20100071344 A KR20100071344 A KR 20100071344A KR 1020080130023 A KR1020080130023 A KR 1020080130023A KR 20080130023 A KR20080130023 A KR 20080130023A KR 20100071344 A KR20100071344 A KR 20100071344A
Authority
KR
South Korea
Prior art keywords
flow rate
pump
module
neural network
mother pipe
Prior art date
Application number
KR1020080130023A
Other languages
English (en)
Inventor
이진희
Original Assignee
재단법인 포항산업과학연구원
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 재단법인 포항산업과학연구원 filed Critical 재단법인 포항산업과학연구원
Priority to KR1020080130023A priority Critical patent/KR20100071344A/ko
Publication of KR20100071344A publication Critical patent/KR20100071344A/ko

Links

Images

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04DNON-POSITIVE-DISPLACEMENT PUMPS
    • F04D15/00Control, e.g. regulation, of pumps, pumping installations or systems
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04DNON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Control Of Positive-Displacement Pumps (AREA)

Abstract

뉴럴 네트워크와 역전파 알고리즘에 의한 펌프 유량 예측 장치 및 방법이 개시된다. 모배관에 연결된 복수의 펌프 각각의 출구측 압력을 측정하는 압력 측정 모듈, 펌프를 구동하는 전동기의 전력을 측정하는 전력 측정 모듈, 뉴럴 네트워크에 의해 모델링 된 상기 펌프 각각을 포함하는 펌프시스템에서 상기 압력 측정 모듈에서 측정된 압력정보와 상기 전력 측정 모듈에서 측정된 전력정보를 이용하여 상기 펌프의 유량을 예측하는 유량 예측 모듈, 모배관의 유량을 측정하는 모배관 유량 측정 모듈 및 모배관 유량 측정 모듈에서 측정된 모배관의 유량과 유량 예측 모듈에서 예측된 펌프의 유량을 비교하여 역전파 알고리즘에 의해 유량 예측 모듈에서 예측된 펌프의 유량을 개선하는 유량 개선 모듈을 구비한다. 모배관에 연결된 복수의 펌프에 의해 병렬 운전되는 펌프 시스템에서 각 펌프의 유량을 예측할 수 있으며, 각 펌프의 유량 예측으로 펌프의 효율을 예측하여 펌프 시스템의 효율이 최적화 되도록 각 펌프의 입력 전력값을 조절할 수 있게 된다.
펌프, 유량 예측, 곡관, 뉴럴 네트워크, 역전파 알고리즘

Description

뉴럴 네트워크와 역전파 알고리즘에 의한 펌프 유량 예측 장치 및 방법{APPRATUS AND METHOD FOR FLOW ESTIMATION USING NEURAL NETWORK AND BACK PROPAGATION}
본 발명은 모배관에 연결된 복수의 펌프에 의해 병렬 운전되는 펌프 시스템에서 펌프의 유량을 예측하는 장치 및 방법에 관한 것이다.
유체가 통과하는 배관에서의 유량은 초음파 유량계 등을 사용하여 비교적 정확하게 측정할 수 있게 되었다. 하지만, 이러한 유량계를 사용하는 경우에 있어서도 그 측정할 수 있는 위치가 직관부의 유동이 완전 발달한 곳 등으로 특정되며, 펌프의 출구측에 직접 연결되는 부분과 곡관부 등에서는 유량을 직접적으로 측정하는 기술이 나와있지 아니하다. 다만, 간접적으로 측정하는 방식 중 잘 알려진 것은 예이츠메터라는 것으로써 펌프 전후단의 압력과 펌프 전후단의 온도를 동시에 측정하고 온도 변화에 해당하는 부분을 효율로 환산하여 이로부터 유량을 유추하는 방식이다.
예이츠메터 방식의 경우 펌프 입출력 압력을 측정하기 위한 구멍 외에도 펌프의 온도를 측정하기 위한 구멍들이 여분으로 더 필요하며, 온도차를 효율로 환산 한 후 유량을 계산하기 때문에 온도를 측정하는 구멍의 위치 자체가 대단히 중요한 파라미터가 된다. 또한, 펌프 입출력 각각 1개소의 위치가 전체를 대표하기 어렵고, 펌프의 종류 및 펌프 제조사에 따라 온도를 측정하는 구멍의 위치를 조절해야 하는 등의 불편함으로 인해 정확한 유량을 도출하기 어려운 문제점이 있다.
이러한 펌프 출구측 배관에서의 유량측정의 어려움으로 인해 모배관에 연결된 복수의 펌프에 의해 병렬 운전되는 펌프 시스템에서 각 펌프의 유량을 측정하는 것은 보다 어려운 문제가 된다.
본 발명은 상기 기술한 바와 같은 문제점을 해결하기 위해 안출된 것으로서, 모배관에 연결된 복수의 펌프에 의해 병렬 운전되는 펌프 시스템에서 개별 펌프 유량을 예측하는 장치 및 방법을 제공함에 목적이 있다.
상기 목적을 달성하기 위한 본 발명에 따른 뉴럴 네트워크와 역전파 알고리즘에 의한 펌프 유량 예측 장치는, 모배관에 연결된 복수의 펌프 각각의 출구측 압력을 측정하는 압력 측정 모듈, 상기 펌프를 구동하는 전동기의 전력을 측정하는 전력 측정 모듈, 뉴럴 네트워크에 의해 모델링 된 상기 펌프 각각을 포함하는 펌프시스템에서 상기 압력 측정 모듈에서 측정된 압력정보와 상기 전력 측정 모듈에서 측정된 전력정보를 이용하여 상기 펌프의 유량을 예측하는 유량 예측 모듈, 상기 모배관의 유량을 측정하는 모배관 유량 측정 모듈 및 상기 모배관 유량 측정 모듈에서 측정된 모배관의 유량과 상기 유량 예측 모듈에서 예측된 상기 펌프의 유량을 비교하여 역전파 알고리즘에 의해 상기 유량 예측 모듈에서 예측된 상기 펌프의 유량을 개선하는 유량 개선 모듈을 구비한다. 상기 펌프의 출구측에는 곡관부 배관이 연결될 수 있다.
한편, 본 발명에 따른 뉴럴 네트워크와 역전파 알고리즘에 의한 펌프 유량 예측 방법은, 뉴럴 네트워크에 의해 모델링 된 펌프 각각을 포함하는 펌프시스템에서 상기 펌프의 출구측에서 측정된 압력정보와 상기 펌프를 구동하는 전동기에서 측정된 전력정보를 이용하여 상기 펌프의 유량을 예측하는 유량 예측 단계와, 상기 모배관에서 측정된 모배관의 유량과 상기 유량 예측 단계에서 예측된 펌프의 유량을 비교하여 역전파 알고리즘에 의한 상기 유량 예측 단계에서 예측된 유량을 개선하는 유량 개선 단계를 구비한다.
본 발명에 따르면, 모배관에 연결된 복수의 펌프에 의해 병렬 운전되는 펌프 시스템에서 펌프 출구측의 압력, 펌프를 구동하는 전동기에 공급되는 전력 및 모배관에서의 유량을 측정하여 각 펌프의 유량을 예측할 수 있는 효과가 있다.
본 발명의 다른 효과로는 각 펌프의 유량 예측으로 펌프의 효율을 예측할 수 있으며, 이로 인해 펌프 시스템의 효율이 최적화 되도록 각 펌프의 입력 전력값을 조절할 수 있는 효과가 있다.
본 발명의 또 다른 효과로는 펌프의 유량 예측으로 펌프의 정상동작 유무 등을 판단할 수 있으며, 이로 인해 펌프의 유지, 보수를 적기에 수행할 수 있게 되는 효과가 있다.
이하, 본 발명의 뉴럴 네트워크와 역전파 알고리즘에 의한 펌프 유량 예측 장치 및 방법을 도면을 참조하여 상세히 설명하기로 한다.
도 1 은 본 발명에 따른 뉴럴 네트워크와 역전파 알고리즘에 의한 펌프 유량 예측 장치의 구성도이다.
도 1에 도시된 바와 같이, 본 발명의 뉴럴 네트워크와 역전파 알고리즘에 의 한 펌프 유량 예측 장치는 펌프(100)와 압력 측정 모듈(200), 전력 측정 모듈(300), 유량 예측 모듈(400), 모배관 유량 측정 모듈(500), 유량 개선 모듈(600)로 구성되어 있다.
펌프(100)는 복수로 구성되며, 펌프(100)를 구동시키기 위한 전동기(150)가 장착된다. 펌프(100)의 출구측에는 곡관(110)이 결합되어 있으며, 곡관(110)은 모배관(170)에 연결된다. 곡관(110)에는 압력계(130)가 설치되어 있다.
압력 측정 모듈(200)은 곡관(110)에 설치되는 압력계(130)로부터 펌프(100) 출구측 곡관(110)의 압력을 측정한다.
전력측정모듈(300)은 펌프(100)를 구동하는 전동기(150)에 공급되는 전력을 측정한다. 전력은 전동기(150)에 공급되는 전압과 전류로부터 계산하여 획득하게 된다.
유량 예측 모듈(400)은 압력 측정 모듈(200)에서 측정된 압력정보와 전력 측정 모듈(300)에서 측정된 전력정보를 입력값으로 하여 뉴럴 네트워크에 의해 펌프(100)의 유량을 예측한다. 이때, 유량 예측 모듈(400)에서는 뉴럴 네트워트에 의해 복수의 펌프(100)가 펌프(100) 각각을 포함하는 펌프시스템으로 모델링되며, 펌프시스템에서 개별 펌프(100)의 유량을 예측한다. 이때, 예측된 펌프(100)의 유량을 모두 더하여 전체 펌프 유량을 계산하게 된다.
한편, 유량 예측 모듈(400)에서 사용되는 뉴럴 네트워크는 기본적으로 입력층, 중간층 및 출력층의 세 부분으로 구성되며, 각각의 층들은 각각의 연결강도를 갖는 망으로 연결되어 있다. 입력층에서는 외부로부터의 자극을 받아들이고, 중간 층은 입력층의 값에 연결강도를 부가하여 출력층으로 전달하는 기능을 담당하며, 출력층은 최종 출력을 내보내는 기능을 담당한다.
모배관 유량 측정 모듈(500)은 모배관(170)의 유량을 측정하는 것으로, 초음파 유량계 등을 이용하여 측정하게 된다.
유량 개선 모듈(600)은 전체 펌프 유량과 모배관 유량 측정 모듈(500)에서 측정된 모배관(170)의 유량을 비교하여, 그 차가 유량을 예측하려는 자에 의해 설정된 α값 이하가 되는 때에는 펌프 유량 예측을 종료하고, 그렇지 아니한 경우에는 펌프(100) 각각을 포함하는 펌프시스템을 모델링하는 뉴럴 네트워크의 내부를 구성하는 파라미터들의 값을 역전파 알고리즘을 이용하여 변화시켜 유량 예측 모듈(400)에서 예측된 펌프(100)의 유량을 개선하게 된다. 여기서 α는 유량을 예측하려는 자에 의해 조절가능한 값으로, 예컨대 그 값은 10-6 m³/sec 이 될 수 있다. 한편, 유량 개선 모듈(600)에 의해 개선된 각 펌프(100)의 유량은 모배관(170)의 유량과 반복적으로 비교하게 되어 보다 정확한 펌프 유량을 예측하게 된다.
이때, 상기 역전파 알고리즘은 교사신호(Teaching Signal)를 이용한 뉴럴 네트워크의 학습 알고리즘으로 그 원리는 입력층의 각 유닛(Unit)에 입력신호가 입력되면, 그 신호는 각 유닛(Unit)에서 변환되어 연결강도가 가중되어 중간층에 전달되고, 최후에는 출력층에서 신호가 출력되며, 그 출력값과 기대값을 비교하여 그 차이를 점차로 줄여나가는 방향으로 각각의 연결강도를 조절하는 것이다.
이와 같은 역전파 알고리즘은 공지된 기술로서 당업자에게 자명한 사항이므 로 구체적인 설명은 생략하기로 한다.
본 발명의 뉴럴 네트워크와 역전파 알고리즘에 의한 펌프 유량 예측 방법은 유량 예측 단계와 유량 개선 단계로 이루어져 있다.
유량 예측 단계에서는 뉴럴 네트워크에 의해 모델링 된 펌프(100) 각각을 포함하는 펌프시스템에서 압력 측정 모듈(200)에서 측정된 펌프(100) 출구측 곡관(110)의 압력정보와 전력 측정 모듈(300)에서 측정된 펌프(100)를 구동하는 전동기(150)에 공급되는 전력정보를 이용하여 펌프(100)의 유량을 예측한다.
유량 개선 단계에서는 모배관 유량 측정 모듈(500)에서 초음파 유량계 등을 이용하여 측정된 모배관(170) 유량과 유량 예측 모듈(400)에서 예측된 개별 펌프(100)의 예측 유량을 더하여 계산된 전체 펌프 유량을 비교하여 그 차가 유량을 예측하려는 자에 의해 설정된 α값 이하가 되는 때에는 펌프 유량 예측을 종료하고, 그렇지 아니한 경우에는 펌프(100) 각각을 포함하는 펌프시스템을 모델링하는 뉴럴 네트워크의 내부를 구성하는 파라미터들의 값을 역전파 알고리즘을 이용하여 변화시켜 유량 예측 단계에서 예측된 펌프(100)의 유량을 개선하게 된다. 한편, 유량 개선 단계에 의해 개선된 각 펌프(100)의 유량은 모배관(170)의 유량과 반복적으로 비교하게 되어 보다 정확한 펌프 유량을 예측하게 된다.
이상에서는 본 발명의 실시 예에 대해서 도시하고 설명하고 있으나, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며 당해 기술분야에서 통상의 지식을 가진 자라면 본 발명의 범위 내에서 다양한 변형실시가 가능함은 물론, 그러한 변형은 본 발명의 특허청구범위에 기재된 본 발명의 범위에 속하는 것이다.
도 1 은 본 발명에 따른 뉴럴 네트워크와 역전파 알고리즘에 의한 펌프 유량 예측 장치의 구성도.
<도면의 주요 부분에 관한 부호의 설명>
100: 펌프 110: 곡관
130: 압력계 150: 전동기
170: 모배관 200: 압력측정모듈
300: 전력측정모듈 400: 유량예측모듈
500: 모배관 유량측정모듈 600: 유량개선모듈

Claims (3)

  1. 모배관에 연결된 복수의 펌프 각각의 출구측 압력을 측정하는 압력 측정 모듈;
    상기 펌프를 구동하는 전동기의 전력을 측정하는 전력 측정 모듈;
    뉴럴 네트워크에 의해 모델링 된 상기 펌프 각각을 포함하는 펌프시스템에서 상기 압력 측정 모듈에서 측정된 압력정보와 상기 전력 측정 모듈에서 측정된 전력정보를 이용하여 상기 펌프의 유량을 예측하는 유량 예측 모듈;
    상기 모배관의 유량을 측정하는 모배관 유량 측정 모듈; 및
    상기 모배관 유량 측정 모듈에서 측정된 모배관의 유량과 상기 유량 예측 모듈에서 예측된 상기 펌프의 유량을 비교하여 역전파 알고리즘에 의해 상기 유량 예측 모듈에서 예측된 상기 펌프의 유량을 개선하는 유량 개선 모듈;
    을 포함하는 것을 특징으로 하는 뉴럴 네트워크와 역전파 알고리즘에 의한 펌프 유량 예측 장치.
  2. 제 1 항에 있어서,
    상기 펌프의 출구측에 곡관부 배관이 연결되는 것을 특징으로 하는 뉴럴 네트워크와 역전파 알고리즘에 의한 펌프 유량 예측 장치.
  3. 뉴럴 네트워크에 의해 모델링 된 펌프 각각을 포함하는 펌프시스템에서 상기 펌프의 출구측에서 측정된 압력정보와 상기 펌프를 구동하는 전동기에서 측정된 전력정보를 이용하여 상기 펌프의 유량을 예측하는 유량 예측 단계;
    모배관에서 측정된 모배관의 유량과 상기 유량 예측 단계에서 예측된 상기 펌프의 유량을 비교하여 역전파 알고리즘에 의한 상기 유량 예측 단계에서 예측된 유량을 개선하는 유량 개선 단계;
    를 포함하는 것을 특징으로 하는 뉴럴 네트워크와 역전파 알고리즘에 의한 펌프 유량 예측 방법.
KR1020080130023A 2008-12-19 2008-12-19 뉴럴 네트워크와 역전파 알고리즘에 의한 펌프 유량 예측 장치 및 방법 KR20100071344A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020080130023A KR20100071344A (ko) 2008-12-19 2008-12-19 뉴럴 네트워크와 역전파 알고리즘에 의한 펌프 유량 예측 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080130023A KR20100071344A (ko) 2008-12-19 2008-12-19 뉴럴 네트워크와 역전파 알고리즘에 의한 펌프 유량 예측 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20100071344A true KR20100071344A (ko) 2010-06-29

Family

ID=42368857

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080130023A KR20100071344A (ko) 2008-12-19 2008-12-19 뉴럴 네트워크와 역전파 알고리즘에 의한 펌프 유량 예측 장치 및 방법

Country Status (1)

Country Link
KR (1) KR20100071344A (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101311715B1 (ko) * 2012-06-22 2013-09-25 한국농어촌공사 소규모 급수 시스템 및 이의 제어 방법
CN107532599A (zh) * 2015-02-25 2018-01-02 株式会社东芝 运转效率推断系统、运转效率推断方法、运转效率推断装置以及非易失性存储介质
CN115095535A (zh) * 2022-06-17 2022-09-23 长沙昌佳自动化设备有限公司 一种工业泵运行多参数检测仪
WO2023101036A1 (ko) * 2021-11-30 2023-06-08 주식회사 필드솔루션 펌프의 효율을 예측하는 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101311715B1 (ko) * 2012-06-22 2013-09-25 한국농어촌공사 소규모 급수 시스템 및 이의 제어 방법
CN107532599A (zh) * 2015-02-25 2018-01-02 株式会社东芝 运转效率推断系统、运转效率推断方法、运转效率推断装置以及非易失性存储介质
CN107532599B (zh) * 2015-02-25 2019-07-02 株式会社东芝 运转效率推断系统、运转效率推断方法、运转效率推断装置以及非易失性存储介质
WO2023101036A1 (ko) * 2021-11-30 2023-06-08 주식회사 필드솔루션 펌프의 효율을 예측하는 방법
CN115095535A (zh) * 2022-06-17 2022-09-23 长沙昌佳自动化设备有限公司 一种工业泵运行多参数检测仪

Similar Documents

Publication Publication Date Title
CN104408913B (zh) 一种考虑时空相关性的交通流三参数实时预测方法
EP2681496B1 (en) Spm fault detection and diagnostics algorithm
CN103023065B (zh) 一种基于相对误差熵值法的风电短期功率预测方法
KR101483241B1 (ko) 열역학 유량계를 이용한 펌프성능 진단방법
CN114109859B (zh) 一种无流量传感的离心泵性能神经网络预测方法
CN105927863A (zh) Dma分区管网泄漏在线检测定位系统及其检测定位方法
CN101680793A (zh) 使用人工神经网络的用于电潜水泵的多相流量计
KR20100071344A (ko) 뉴럴 네트워크와 역전파 알고리즘에 의한 펌프 유량 예측 장치 및 방법
CN106285572A (zh) 一种抽油机智能间抽控制装置及其控制方法
EP3187735A1 (en) Pump system as well as a method for determining the flow in a pump system
CN104200404A (zh) 一种基于模糊综合评判的配电开关状态评价方法
CN114048694A (zh) 一种基于物联网和水力模型的漏损定位方法
US11415439B2 (en) Apparatus and method for estimating flow velocity of fluid
KR101664823B1 (ko) 뉴럴 네트워크와 유전 알고리즘에 의한 펌프 유량 예측 장치 및 방법
CN109959413A (zh) 一种水冷式铜排内冷却管堵塞故障预测装置及方法
CN112580183B (zh) 一种在线学习水泵模型实时流量精确控制方法
US10648469B2 (en) Remote pump managing device
CN110345055A (zh) 一种排涝泵站排涝量信息监测方法及系统
KR20240003469A (ko) 원전설비의 예측진단방법 및 시스템
JP4423607B2 (ja) 降雨予測システム及びそれを利用した排水ポンプ運転支援システム
JP4568441B2 (ja) 測定装置及び漏洩検知方法
RU2596029C2 (ru) Система диагностики притока воды
RU2557349C1 (ru) Система диагностики расхода воды
JP2013025472A (ja) トイレ使用検出システム、トイレ使用検出装置及び安否確認システム
EP3839359A1 (en) Monitoring and controlling domestic hot water production and distribution

Legal Events

Date Code Title Description
WITN Withdrawal due to no request for examination