KR20190115953A - 편차의 변화율을 이용한 발전 설비의 위험도 진단 시스템 및 방법 - Google Patents

편차의 변화율을 이용한 발전 설비의 위험도 진단 시스템 및 방법

Info

Publication number
KR20190115953A
KR20190115953A KR1020180039269A KR20180039269A KR20190115953A KR 20190115953 A KR20190115953 A KR 20190115953A KR 1020180039269 A KR1020180039269 A KR 1020180039269A KR 20180039269 A KR20180039269 A KR 20180039269A KR 20190115953 A KR20190115953 A KR 20190115953A
Authority
KR
South Korea
Prior art keywords
severity
deviation
history information
power plant
risk
Prior art date
Application number
KR1020180039269A
Other languages
English (en)
Inventor
김희수
손석만
손종덕
박현철
배용채
안중열
Original Assignee
한국전력공사
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 한국전력공사 filed Critical 한국전력공사
Priority to KR1020180039269A priority Critical patent/KR20190115953A/ko
Publication of KR20190115953A publication Critical patent/KR20190115953A/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Emergency Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

본 발명의 일 실시예에 따른 발전 설비의 위험도 진단 시스템에 따르면, 발전 설비의 운전 변수에 대한 실측값을 검출하는 센서부, 발전 설비의 운전 이력 정보, 정비 이력 정보 및 경보 리스트를 저장하는 데이터베이스, 운전 이력 정보와 정비 이력 정보에 기초하여 운전 변수의 예측값을 산출하는 예측값 산출부, 예측값 및 실측값에 대한 편차와 편차의 발생 빈도를 계산하는 편차 연산부, 편차에 관한 제1 심각도 및 편차의 발생 빈도에 관한 제2 심각도를 산출하는 심각도 산출부, 및 제1 심각도 및 제2 심각도에 기초하여 발전 설비의 위험도 등급을 평가하는 위험도 평가부를 포함할 수 있다.

Description

편차의 변화율을 이용한 발전 설비의 위험도 진단 시스템 및 방법{SYSTEM AND METHOD FOR DIAGNOSING RISK OF POWER PLANT USING RATE OF CHANGE OF DEVIATION}
본 발명은 운전 및 정비 조건이 상이한 발전 설비에 있어서, 기계 설비의 열화 또는 고장 시기를 예측하기 위하여 발전 설비의 이상에 관한 심각도 지수를 산출하고, 이를 활용하여 발전 설비의 위험도를 진단하는 기술에 관한 것이다.
1980년대부터 원자력, 정유, 석유 화학 등 플랜트 산업에서는 방사능 누출, 대형 화재 및 폭발, 그리고 독성 물질의 유출 등과 같이 회사의 존립뿐만 아니라 주변 사회에도 막대한 악영향을 미치는 중대 사고에 대한 예방 기술 개발에 많은 노력을 기울여 왔다. 대규모 재난적 사고의 위험을 안고 있는 이들 산업에서는 철저한 예방 정비를 통해 사고율을 점차적으로 억제해 왔지만 예방 정비에 투자되는 비용에 비해 사고율 저하의 효과는 그다지 만족할 만하지 못했다. 특히 장거리 배관과 대형 압력 용기 등은 검사에 막대한 비용이 투자됨에도 불구하고 적절한 검사 시기를 포착하지 못하여 대규모 재산 피해와 인명 피해를 동반하는 사고들이 끊이지 않고 발생하였다.
특히, 종래에는 발전 설비의 위험도를 수작업으로 관리함으로써 대형 사고가 발생될 수 있는 위험성이 높은 문제점이 있었다. 또한, 종래의 기술은 실시간 운전 중 검출된 실측값과 운전 이력 정보와 정비 이력 정보를 이용하여 예측한 예측값의 편차만을 활용하여 위험도를 결정하고 있으나, 이러한 방식은 데이터의 신뢰성이 떨어지는 문제점이 있었다.
상기와 같은 문제점을 해결하기 위하여, 본 발명은 편차뿐만 아니라 편차의 변화율을 이용하여 발전 설비에 관한 심각도 지수를 도출하고, 도출된 심각도 지수를 통해 발전 설비의 위험도를 진단함으로써, 발전 설비의 고장 시점을 빠르게 감지하고 신속한 대처가 이루어지도록 하여 발전 설비의 중대한 고장을 예방하는 것을 목적으로 한다.
본 발명의 일 실시예에 따른 발전 설비의 위험도 진단 시스템에 따르면, 발전 설비의 운전 변수에 대한 실측값을 검출하는 센서부, 발전 설비의 운전 이력 정보, 정비 이력 정보 및 경보 리스트를 저장하는 데이터베이스, 운전 이력 정보와 정비 이력 정보에 기초하여 운전 변수의 예측값을 산출하는 예측값 산출부, 예측값 및 실측값에 대한 편차와 편차의 발생 빈도를 계산하는 편차 연산부, 편차에 관한 제1 심각도 및 편차의 발생 빈도에 관한 제2 심각도를 산출하는 심각도 산출부, 및 제1 심각도 및 제2 심각도에 기초하여 발전 설비의 위험도 등급을 평가하는 위험도 평가부를 포함할 수 있다.
본 발명의 일 실시예에 따른 발전 설비의 위험도 진단 시스템에 따르면, 발전 설비의 운전 변수에 대한 실측값을 검출하는 센서부, 발전 설비의 운전 이력 정보, 정비 이력 정보 및 경보 리스트를 저장하는 데이터베이스, 운전 이력 정보와 정비 이력 정보에 기초하여 운전 변수의 예측값을 산출하는 예측값 산출부, 예측값 및 실측값에 대한 편차와 편차의 변화율을 계산하는 편차 연산부, 편차에 관한 제1 심각도 및 편차의 변화율에 관한 제3 심각도를 산출하는 심각도 산출부, 및 제1 심각도 및 제3 심각도에 기초하여 발전 설비의 위험도 등급을 평가하는 위험도 평가부를 포함할 수 있다.
본 발명의 일 실시예에 따른 발전 설비의 위험도 진단 방법에 따르면, 발전 설비의 운전 이력 정보 및 정비 이력 정보를 저장하는 데이터베이스를 구비한 시스템을 이용하여 발전 설비의 위험도를 진단하는 방법으로서, 운전 이력 정보와 정비 이력 정보에 기초하여 발전 설비의 운전 변수에 대한 예측값을 산출하는 단계, 운전 변수에 대한 실측값을 계측하는 단계, 예측값 및 실측값에 대한 편차와 편차의 발생 빈도를 계산하는 단계, 편차에 관한 제1 심각도 및 편차의 발생 빈도에 관한 제2 심각도를 산출하는 단계, 및 제1 심각도 및 제2 심각도에 기초하여 발전 설비의 위험도 등급을 평가하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 발전 설비의 위험도 진단 방법에 따르면, 발전 설비의 운전 이력 정보 및 정비 이력 정보를 저장하는 데이터베이스를 구비한 시스템을 이용하여 발전 설비의 위험도를 진단하는 방법으로서, 운전 이력 정보와 정비 이력 정보에 기초하여 발전 설비의 운전 변수에 대한 예측값을 산출하는 단계, 운전 변수에 대한 실측값을 계측하는 단계, 예측값 및 실측값에 대한 편차와 편차의 변화율을 계산하는 단계, 편차에 관한 제1 심각도 및 편차의 변화율에 관한 제3 심각도를 산출하는 단계, 및 제1 심각도 및 제3 심각도에 기초하여 발전 설비의 위험도 등급을 평가하는 단계를 포함할 수 있다.
본 발명의 발전 설비의 위험도 진단 시스템 및 방법에 따르면, 편차뿐만 아니라 편차의 변화율을 이용하여 도출한 심각도 지수를 통해 발전 설비의 위험도를 진단함으로써, 발전 설비의 고장 시점을 빠르게 감지하고 신속한 대처가 이루어지도록 하여 발전 설비의 중대한 고장을 예방할 수 있다.
도 1은 본 발명의 일 실시예에 따른 위험도 진단 시스템의 블록도를 나타낸다.
도 2는 본 발명의 일 실시예에 따른 위험도 진단 시스템에서 계측된 실측값, 예측값 및 이들의 편차의 변화를 예시적으로 나타내는 그래프이다.
도 3은 편차에 관한 심각도 및 편차의 발생 빈도에 관한 심각도와 이들을 기초로 산출된 위험도 등급을 예시적으로 나타내는 표이다.
도 4는 편차의 변화율에 관한 심각도와 이를 기초로 산출된 위험도 등급을 예시적으로 나타내는 표이다.
도 5는 본 발명의 일 실시예에 따른 위험도 진단 시스템에서 추출된 경보 리스트 및 정비 이력 정보를 예시적으로 나타낸다.
도 6은 본 발명의 일 실시예에 따른 위험도 진단 시스템의 디스플레이 결과 화면을 예시적으로 나타낸다.
도 7은 본 발명의 일 실시예에 따른 위험도 진단 방법의 흐름도를 나타낸다.
이하, 첨부한 도면을 참조하여 본 발명의 다양한 실시 예들에 대해 상세히 설명하고자 한다. 본 문서에서 도면상의 동일한 구성 요소에 대해서는 동일한 참조 부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
본 문서에 개시되어 있는 본 발명의 다양한 실시 예들에 대해서, 특정한 구조적 내지 기능적 설명들은 단지 본 발명의 실시 예를 설명하기 위한 목적으로 예시된 것으로, 본 발명의 다양한 실시 예들은 여러 가지 형태로 실시될 수 있으며 본 문서에 설명된 실시 예들에 한정되는 것으로 해석되어서는 아니 된다.
다양한 실시 예에서 사용된 "제1", "제2", "첫째", 또는 "둘째" 등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 해당 구성 요소들을 한정하지 않는다. 예를 들면, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성 요소로 바꾸어 명명될 수 있다.
본 문서에서 사용된 용어들은 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 다른 실시 예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.
기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명의 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 일반적으로 사용되는 사전에 정의된 용어들은 관련 기술의 문맥 상 가지는 의미와 동일 또는 유사한 의미를 가지는 것으로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 발명의 실시 예들을 배제하도록 해석될 수 없다.
도 1은 본 발명의 일 실시예에 따른 위험도 진단 시스템의 블록도를 나타낸다.
도 1을 참조하면, 발전 설비의 위험도 진단 시스템(100)은 센서부(110), 데이터베이스(120), 예측값 산출부(130), 편차 연산부(140), 심각도 산출부(150), 위험도 평가부(160), 및 디스플레이부(170)를 포함할 수 있다.
센서부(110)는 발전 설비의 운전 변수에 대한 실측값을 계측할 수 있다. 여기서, 운전 변수란 베어링 오일 상태, 비틀림 진동, 베어링 진동, 엔진 본체 진동, 발전기 전류, 냉각수 압력, 냉각수 온도, 발전기 주파수, 발전기 출력 및 발전기 전압 등과 같이 현재 발전 설비의 운전 상태를 나타내는 임의의 변수이다.
한편, 센서부(110)는 IoT 기반의 지능형 센서로 구성될 수 있으며, 발전 설비의 운전 변수로서 온도, 압력, 전류, 전압, 주파수, 진동, 소음, 열화상 중 적어도 어느 하나를 검출하여 실측값을 계측할 수 있다.
데이터베이스(120)는 발전 설비의 운전 이력 정보, 경보 리스트, 및 정비 이력 정보를 저장할 수 있다. 운전 이력 정보는 발전 설비를 가동시킨 이후 검출된 운전 변수에 대해 일정 기간 동안 기록한 데이터일 수 있다. 또한, 경보 리스트는 발전 설비의 이상이 발생한 경우, 해당 고장이 발생한 날짜와 시간, 고장 발생 부위, 고장의 원인에 대한 정보(예를 들면, 발전기 권선 결함, 발전기 베어링 결함 등) 등을 포함할 수 있다. 한편, 정비 이력 정보는 발전 설비의 운전 중 이상이 발생한 경우 또는 발전 설비에 대한 정기 점검시 이루어진 조치(예를 들면, 발전기 베어링 교체, 베어링 오일 교체 등) 등에 대한 정보를 나타낼 수 있다.
예측값 산출부(130)는 운전 이력 정보와 정비 이력 정보에 기초하여 운전 변수의 예측값을 산출할 수 있다. 여기서, 운전 변수에 대한 예측값은 발전 설비의 이상 유무를 검출하기 위한 기준이 되는 값으로서, 각 운전 변수에 대한 정상치 데이터를 나타낼 수 있다. 이 때, 예측값은 발전 설비의 각 운전 변수에 대한 운전 이력 정보와 정비 이력 정보를 이용하여 예측할 수 있다. 운전 변수는 상술한 예시들 중 하나일 수 있으며, 예측값 산출부(130)는 각각의 운전 변수에 대한 데이터 중 정상 범위 내에 있는 데이터를 추출해냄으로써 운전 변수의 예측값을 결정할 수 있다.
편차 연산부(140)는 발전 설비의 운전 변수에 대한 실측값의 예측값에 대한 편차, 편차의 발생 빈도, 및 편차의 변화율을 계산할 수 있다. 여기서, 편차는 운전 변수에 대해 실시간으로 계측되는 실측값과 각 운전 변수에 대해 미리 계산된 기준치인 예측값의 차이를 의미한다. 또한, 편차의 발생 빈도는 일정 시간 동안 특정 편차값 또는 편차의 범위가 발생한 횟수를 의미하며, 편차의 변화율은 일정 시간 동안 편차가 변화하는 정도, 즉 편차의 기울기를 나타낼 수 있다.
이 때, 편차 연산부(140)는 편차에 대한 변화율을 실시간으로 계산하여, 후술하는 바와 같이 디스플레이부(170) 상에 그래프 형태로 나타낼 수도 있다. 이를 통해, 사용자는 편차가 증가 또는 감소하는 정도를 육안으로 용이하게 판단할 수 있다.
심각도 산출부(150)는 운전 변수에 대한 편차, 편차의 발생 빈도, 및 편차의 변화율에 기초하여 발전 설비의 이상에 관한 심각도를 각각 산출할 수 있다. 심각도란 발전 설비에 발생한 이상이 정상 범주를 벗어난 정도를 나타내는 임의로 설정된 수치를 의미하며, 후술하는 바와 같이 위험도 등급을 도출하는데 사용될 수 있다.
또한, 심각도는 운전 변수의 편차에 관한 심각도(제1 심각도), 편차의 발생 빈도에 관한 심각도(제2 심각도), 및 편차의 변화율에 관한 심각도(제3 심각도)를 포함할 수 있다. 각각의 변수에 관한 심각도를 산출하는 기준은 사용자에 의해 적정 범위로 설정될 수 있으며, 본 발명의 실시예에 제한되는 것은 아니다.
예를 들면, 편차에 관한 심각도는 임의로 설정된 편차의 범위를 기준으로 하여 각 범위에 대해 소정의 지수를 부여함으로써 산출될 수 있다. 또한, 편차의 발생 빈도에 관한 심각도는 미리 설정된 범위의 시간 동안 앞서 설정된 편차의 범위에 속하는 편차가 각각 발생한 횟수를 기준으로 산출될 수 있다. 한편, 편차의 변화율에 관한 심각도는 미리 설정된 범위의 시간 동안 일정 시간 간격으로 상기 편차의 기울기를 측정하여 상기 기울기가 증가한 횟수에 기초하여 산출될 수 있다. 이에 대한 예시는 도 3 및 도 4에서 상세하게 설명한다.
위험도 평가부(160)는 심각도 산출부(150)에서 산출된 심각도를 기준으로 발전 설비의 위험도 등급을 평가할 수 있다. 이 때, 발전 설비의 위험도 등급은 앞서 설명한 심각도 중 하나를 기준으로 판단될 수 있고, 복수의 심각도를 함께 고려하여 판단될 수도 있다.
예를 들면, 위험도 등급은 편차에 관한 심각도와 편차의 발생 빈도에 관한 심각도의 곱에 기초하여 평가될 수 있으며, 또는 편차에 관한 심각도와 편차의 변화율에 관한 심각도의 곱에 기초하여 평가할 수 있다. 이에 대한 예시는 도 3 및 도 4에서 상세하게 설명한다.
디스플레이부(170)는 발전 설비에 대한 각종 정보를 사용자에게 시각적 또는 청각적으로 표시할 수 있다. 예를 들면, 디스플레이부(170)는 운전 변수에 대한 실측값과 예측값, 산출된 심각도 및 위험도 등급 등을 사용자에게 표시할 수 있다.
또한, 디스플레이부(170)는 경보 리스트, 정비 이력 정보, 및 센서부(110)의 고장 여부 등을 사용자에게 표시할 수도 있다. 특히, 디스플레이부(170)는 발전 설비 고장 발생시 현재 발생한 이상과 유사한 패턴의 이상에 관한 경보 리스트 및 정비 이력 정보를 추출하여 표시할 수도 있다. 이를 통해, 발전 설비의 이상 발생시 사용자는 발전 설비 관리의 우선 순위를 결정하고, 이에 따른 정비 계획을 용이하게 수립할 수 있다.
또한, 본 발명의 일 실시예에 따른 위험도 진단 시스템(100)은 발전 설비의 위험도 등급이 설정 기준을 초과하면 알람을 발생시키는 경보 장치(미도시)를 추가로 포함할 수 있다.
도 2는 본 발명의 일 실시예에 따른 위험도 진단 시스템에서 계측된 실측값, 예측값 및 이들의 편차를 예시적으로 나타내는 그래프이다.
도 2를 참조하면, 상단에는 예측값(10)과 실측값(20)의 그래프가 중첩되어 나타나 있으며, 하단에는 예측값(10)과 실측값(20)의 편차를 나타내는 그래프(30)가 도시되어 있다.
여기서, 편차 그래프(30)에 대하여 일정한 시간 간격으로 측정된 편차의 기울기를 (1) 내지 (7)로 나타내었다. 이 때, 편차 기울기를 측정하는 시간 간격은 사용자가 임의로 지정할 수 있으며, 시간 간격을 좁게 설정할수록 보다 정밀하게 편차의 변화 정도를 측정할 수 있을 것이다.
편차 기울기에 있어서, (1) 과 (2) 사이, (4)와 (5) 사이의 구간은 편차가 증가하고 있으나, 그 변화율은 감소하고 있다. 한편, (2)와 (3) 사이, (5)와 (6) 사이의 구간은 편차가 증가하다가 다시 감소하면서 실측값이 예측값(정상치)에 근접하고 있다. 또한, (3)과 (4) 사이의 구간은 실측값과 예측값이 교차하는 구간으로서, 편차가 감소하다가 다시 증가하기 시작하는 구간이다. 그리고, (6)과 (7) 사이 구간은 편차가 감소하고 있으나, 그 변화율은 일정한 구간이다.
이와 같이, 발전 설비의 운전 설비에 대한 실측값과 예측값의 편차뿐 아니라, 편차의 변화율까지 측정하여, 예를 들면 사용자로 하여금 편차의 변화율(기울기)가 증가하는 구간을 고장 발생 확률이 높은 위험도가 큰 구간으로 판단할 수 있도록 함으로써, 실시간으로 발생하는 위험도에 관한 데이터를 신뢰성 있게 측정할 수 있다.
도 3은 편차에 관한 심각도 및 편차의 발생 빈도에 관한 심각도와 이들을 기초로 산출된 위험도 등급을 예시적으로 나타내는 표이다.
도 3을 참조하면, 편차의 범위에 따라 심각도(A)를 정의하고 있으며, 편차의 범위 각각에 대하여 발생 빈도를 고려하여 심각도(B)를 정의하고 있다. 또한, 이들 심각도(A)와 심각도(B)를 곱한 값을 위험도 등급을 평가하는 지표로 삼고 있다. 특히, 여기서 편차의 발생 빈도는 미리 설정된 시간동안 해당 편차가 나타난 횟수를 측정하여 판단하도록 할 수 있다.
도 3에 나타낸 예시에 따르면, 심각도(A)에 있어서, 편차가 1 내지 5 사이에 있으면 심각도를 1로 나타내며, 편차가 5 내지 10 사이인 경우 심각도를 2로 나타내고, 편차가 10 이상인 경우 심각도를 3으로 나타낼 수 있다.
또한, 편차와 해당 편차의 발생 빈도와의 관계로 도출되는 심각도(B)는 편차가 1 내지 5 사이에서 발생되는 빈도가 7 내지 10일 경우 심각도(B)를 3으로 나타내며, 편차가 1 내지 5 사이에서 발생되는 빈도가 4 내지 6일 경우 심각도(B)를 2로 나타내고, 편차가 1 내지 5 사이에서 발생되는 빈도가 1 내지 3일 경우 심각도(B)를 1로 나타낼 수 있다.
그리고, 편차가 5 내지 10 사이에서 발생되는 빈도가 4 내지 5일 경우 심각도(B)를 3으로 나타내며, 편차가 5 내지 10 사이에서 발생되는 빈도가 2 내지 3일 경우 심각도(B)를 2로 나타내고, 편차가 5 내지 10 사이에서 발생되는 빈도가 1일 경우 심각도(B)를 1로 나타낼 수 있다.
또한, 편차가 10 이상인 경우가 발생되는 빈도가 3 이상인 경우 심각도(B)를 3으로 나타내며, 편차가 10 이상인 경우가 발생되는 빈도가 2일 경우 심각도(B)를 2로 나타내고, 편차가 10 이상에서 발생되는 빈도가 1일 경우 심각도(B)를 1로 나타낼 수 있다.
한편, 도 3에 의하면, 위험도 등급을 통한 진단 결과는 상술한 심각도(A)와 심각도(B)의 곱으로 예측할 수 있으며, 다만, 이는 하나의 예시에 불과할 뿐, 사용자가 정하는 임의의 방식에 따라 다양한 기준으로 위험도 등급을 산출하도록 할 수 있다.
예를 들면, 심각도(A)와 심각도(B)의 곱의 값 x는 즉 x=A×B 는 9 이상일 경우 “FAIL”로 진단하고, 6<x<8 사이에서는 “Dangerous”로 진단하며, 4<x<5 사이에서는 “Warning”으로 진단하고, 3<x<4 사이에서는 “Cautious”로 진단하며, x<2 의 경우는 “Healthy"로 진단할 수 있다.
그러나, 이러한 심각도 산출 기준과 방식은 하나의 예시일 뿐, 본 발명이 이에 한정되는 것은 아니다. 따라서, 심각도(A) 또는 심각도(B)만으로 위험도 등급을 평가하는 것도 가능하며, 위험도의 등급을 더욱 세분화하여 판단할 수도 있을 것이다.
도 4는 편차의 변화율에 관한 심각도와 이를 기초로 산출된 위험도 등급을 예시적으로 나타내는 표이다.
도 4를 참조하면 편차의 기울기에 기초하여 심각도(C)를 정의하고 있으며, 심각도(A)는 편차의 범위에 따라 도 3과 마찬가지 방식으로 정의된다. 또한, 이들 심각도(A)와 심각도(C)를 곱한 값을 위험도 등급을 평가하는 지표로 삼고 있다. 특히, 편차의 변화율(기울기)에 관한 심각도(C)는 정해진 시간 동안 일정한 시간 간격으로 편차의 기울기를 측정하고, 기울기가 증가한 횟수에 기초하여 산출될 수 있다.
도 4에 나타낸 예시에 따르면, 심각도(C)에 있어서, 미리 설정된 범위의 시간 동안 편차의 기울기가 한 번도 증가하지 않으면 심각도(C)를 0으로 나타내고, 편차의 기울기가 한 번 증가하면 심각도(C)를 1로 나타내며, 편차의 기울기가 두 번 증가하면 심각도(C)를 2로 나타내고, 편차의 기울기가 세 번 이상 증가하면 심각도(C)를 3으로 나타낼 수 있다.
한편, 도 4를 통하여 예측된 위험도 등급에 따른 진단 결과는 심각도(A)와 심각도(C)의 곱으로 예측할 수 있으며, 다만, 이는 하나의 예시에 불과할 뿐, 사용자가 정하는 임의의 방식에 따라 다양한 기준으로 위험도 등급을 산출하도록 할 수 있다.
예를 들면, 심각도(A)와 심각도(C)의 곱의 값 y는 즉 y=A×C 는 4 이상일 경우 “FAIL”로 진단하고, 3<y<4 사이에서는 “Dangerous”로 진단하며, 1<y<2 사이에서는 “Warning”으로 진단하고, y=1일 경우 “Cautious”로 진단하며, y<1 의 경우는 “Healthy”로 진단할 수 있다.
그러나, 이러한 심각도 산출 기준과 방식은 하나의 예시일 뿐, 본 발명이 이에 한정되는 것은 아니다. 따라서, 심각도(A) 또는 심각도(C)만으로 위험도 등급을 평가하는 것도 가능하며, 위험도의 등급을 더욱 세분화하여 판단할 수도 있을 것이다.
한편, 도 4의 예시에 따르면, 도 2의 그래프에서는 정해진 구간 동안 편차의 기울기가 한 번 증가하고 있으므로, 심각도(C)는 1의 값을 가지며, 편차의 크기에 따라, y=A×C는 1 내지 3의 값 중 하나를 가질 수 있다.
도 5는 본 발명의 일 실시예에 따른 위험도 진단 시스템에서 추출된 경보 리스트 및 정비 이력 정보를 예시적으로 나타낸다.
도 5를 참조하면, 발전 설비에 설치된 센서들을 행(M1, M2, M3, ...)과 열(S1, S2, S3, ...)에 따라 디스플레이 상에 나타낸 것이다. 디스플레이 상에는 각 센서들이 설치된 발전 설비에 대한 경보 리스트와 정비 이력 정보도 표시될 수 있다.
예를 들면, M1행 및 S3열에 있는 센서의 경우, 에러 코드 1000의 발전기 권선 장애에 대한 경보 리스트와, 이에 대응하여 발전기 베어링 오일을 교체한 정비 이력 정보가 나타날 수 있다. 또한, M1행 및 S4열에 있는 센서의 경우, 에러 코드 6984의 발전기 베어링 장애에 대한 경보 리스트와, 이에 대응하여 발전기 베어링을 교체한 정비 이력 정보가 나타날 수 있다.
특히, 발전 설비에 설치된 센서들에서 이상이 검출되었을 때, 과거의 경보 리스트와 그에 대한 정비 이력 정보를 텍스트 마이닝(text mining) 기술을 통해 현재 발생한 이상과 유사한 패턴의 경보 리스트와 정비 이력 정보를 검색하여 유사도 평가와 발생 횟수 등을 추출하도록 할 수 있다. 이처럼, 사용자는 과거 경보 리스트와 정비 이력 정보를 통해 설비 관리의 우선 순위를 결정하여 상황에 따른 정비 계획을 수립하도록 할 수 있다.
도 6은 본 발명의 일 실시예에 따른 위험도 진단 시스템의 디스플레이 결과 화면을 예시적으로 나타낸다.
도 6을 참조하면, 본 발명의 일 실시예에 따른 위험도 진단 시스템의 디스플레이부에는 현재 고장으로 인해 운전이 정지된 발전 설비(UNIT #4)에 대한 센서 고장 정보, 경보 리스트, 정비 이력 정보가 표시될 수 있다.
센서 고장 정보는 발전 설비의 각종 운전 변수를 검출하기 위한 센서 자체의 고장에 관한 정보로서, 예를 들면 센서로부터 전송되는 신호 패턴을 검출하여 센서 자체의 고장 유무를 판단할 수 있다.
경보 리스트는 해당 발전 설비에서 발생한 경보에 대한 날짜 및 시간과 경보 발생 원인에 대한 정보를 나타낼 수 있다. 정비 이력 정보는 해당 발전 설비에서 경보가 발생한 경우에 취해진 조치 사항 등을 나타낼 수 있다. 특히, 앞서 설명한 바와 같이, 경보 리스트와 정비 이력 정보는 현재 발생한 이상과의 유사도 평가와 발생 횟수 등을 함께 나타내도록 할 수 있다.
도 7은 본 발명의 일 실시예에 따른 위험도 진단 방법의 흐름도를 나타낸다.
도 7을 참조하면, 본 발명의 일 실시예에 따른 위험도 진단 방법은 발전 설비의 운전 이력 정보 및 정비 이력 정보를 저장하는 데이터베이스를 구비한 시스템을 이용하여 발전 설비의 위험도를 진단하는 방법으로서, 운전 이력 정보와 정비 이력 정보에 기초하여 발전 설비의 운전 변수에 대한 예측값을 산출하는 단계(S110), 운전 변수에 대한 실측값을 계측하는 단계(S120), 예측값 및 실측값에 대한 편차와 편차의 발생 빈도를 계산하는 단계(S130), 편차에 관한 제1 심각도 및 편차의 발생 빈도에 관한 제2 심각도를 산출하는 단계(S140), 및 제1 심각도 및 제2 심각도에 기초하여 발전 설비의 위험도 등급을 평가하는 단계(S150)를 포함할 수 있다.
먼저, 단계 S110에서는 운전 이력 정보와 정비 이력 정보에 기초하여 발전 설비의 운전 변수에 대한 예측값을 산출한다. 전술한 바와 같이, 운전 변수는 센서를 통해 검출되는 발전 설비에 대한 온도, 압력, 전류, 전압, 주파수, 진동, 소음, 열화상 등을 포함할 수 있다. 여기서 운전 변수에 대한 예측값이란 발전 설비의 이상 유무를 판단하는 기준값을 말한다. 이 때, 예측값은 발전 설비의 본격적인 운전 이전에 미리 산출하여 정상 데이터로서 데이터베이스에 저장할 수 있다.
단계 S120에서는 운전 변수에 대한 실측값을 계측한다. 즉, 센서를 통해 실시간으로 발전 설비의 운전 변수를 측정함으로써, 그 변화를 관찰할 수 있도록 하는 것이 바람직하다.
단계 S130에서는 앞서 산출된 예측값과 센서를 통해 측정한 실측값에 대한 편차와 편차의 발생 빈도를 계산할 수 있다. 특히, 편차의 발생 빈도는 일정 시간 동안 측정된 특정 편차값 또는 편차의 범위가 발생하는 횟수로서, 측정 구간은 사용자가 임의로 설정할 수 있다.
단계 S140에서는 편차에 관한 심각도로서 제1 심각도와 편차의 발생 빈도에 관한 심각도로서 제2 심각도를 산출할 수 있다. 앞서 설명한 바와 같이, 편차에 관한 심각도는 임의로 설정된 편차의 범위를 기준으로 하여 각 범위에 대해 소정의 지수를 부여함으로써 산출될 수 있으며, 편차의 발생 빈도에 관한 심각도는 미리 설정된 범위의 시간 동안 앞서 설정된 편차의 범위에 속하는 편차가 각각 발생한 횟수를 기준으로 산출될 수 있다.
단계 S150에서는 앞서 산출된 제1 심각도 및 제2 심각도에 기초하여 발전 설비의 위험도 등급을 평가할 수 있다. 여기서, 위험도 등급은 제1 심각도와 제2 심각도를 곱해서 판단할 수도 있고, 그 외 적절한 계산식에 의해 조합되어 판단될 수 있으며, 본 발명의 실시예에 제한되는 것은 아니다.
한편, 본 발명의 다른 실시예에 따른 위험도 진단 방법에서는 앞서 설명한 단계 S130 내지 S140에서 편차와 편차의 발생 빈도에 관한 심각도 대신 편차에 관한 심각도(제1 심각도)와 편차의 변화율에 관한 심각도(제3 심각도)를 산출하고, 도 7의 단계 S150과 마찬가지의 방식으로 두 심각도를 조합하여 위험도 등급을 평가하도록 할 수 있다. 이에 따라, 도 7에 대해 중복되는 내용은 생략한다.
본 발명의 발전 설비의 위험도 진단 시스템 및 방법에 따르면, 편차뿐만 아니라 편차의 발생 빈도, 및 편차의 변화율을 이용하여 도출한 심각도 지수를 통해 발전 설비의 위험도를 진단함으로써, 발전 설비의 고장 시점을 빠르게 감지하고 신속한 대처가 이루어지도록 하여 발전 설비의 중대한 고장을 예방할 수 있다.
이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다.
또한, 이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재할 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.
100: 위험도 진단 시스템 110: 센서부
120: 데이터베이스 130: 예측값 산출부
140: 편차 연산부 150: 심각도 산출부
160: 위험도 평가부 170: 디스플레이부

Claims (13)

  1. 발전 설비의 운전 변수에 대한 실측값을 검출하는 센서부;
    상기 발전 설비의 운전 이력 정보, 정비 이력 정보 및 경보 리스트를 저장하는 데이터베이스;
    상기 운전 이력 정보와 상기 정비 이력 정보에 기초하여 상기 운전 변수의 예측값을 산출하는 예측값 산출부;
    상기 예측값 및 상기 실측값에 대한 편차와 편차의 발생 빈도를 계산하는 편차 연산부;
    상기 편차에 관한 제1 심각도 및 상기 편차의 발생 빈도에 관한 제2 심각도를 산출하는 심각도 산출부; 및
    상기 제1 심각도 및 상기 제2 심각도에 기초하여 상기 발전 설비의 위험도 등급을 평가하는 위험도 평가부를 포함하는 발전 설비의 위험도 진단 시스템.
  2. 발전 설비의 운전 변수에 대한 실측값을 검출하는 센서부;
    상기 발전 설비의 운전 이력 정보, 정비 이력 정보 및 경보 리스트를 저장하는 데이터베이스;
    상기 운전 이력 정보와 상기 정비 이력 정보에 기초하여 상기 운전 변수의 예측값을 산출하는 예측값 산출부;
    상기 예측값 및 상기 실측값에 대한 편차와 편차의 변화율을 계산하는 편차 연산부;
    상기 편차에 관한 제1 심각도 및 상기 편차의 변화율에 관한 제3 심각도를 산출하는 심각도 산출부; 및
    상기 제1 심각도 및 상기 제3 심각도에 기초하여 상기 발전 설비의 위험도 등급을 평가하는 위험도 평가부를 포함하는 발전 설비의 위험도 진단 시스템.
  3. 청구항 1에 있어서,
    상기 제1 심각도는 임의로 분류된 편차의 범위를 기준으로 산출되고,
    상기 제2 심각도는 미리 설정된 범위의 시간 동안 상기 편차의 범위에 속하는 상기 편차가 발생한 횟수를 기준으로 산출되는 발전 설비의 위험도 진단 시스템.
  4. 청구항 2에 있어서,
    상기 제1 심각도는 임의로 분류된 편차의 범위를 기준으로 산출되고,
    상기 제3 심각도는 미리 설정된 범위의 시간 동안 일정 시간 간격으로 상기 편차의 기울기를 측정하여 상기 기울기가 증가한 횟수에 기초하여 산출되는 발전 설비의 위험도 진단 시스템.
  5. 청구항 1에 있어서,
    상기 위험도 등급은 상기 제1 심각도와 상기 제2 심각도의 곱에 기초하여 평가하는 발전 설비의 위험도 진단 시스템.
  6. 청구항 2에 있어서,
    상기 위험도 등급은 상기 제1 심각도와 상기 제3 심각도의 곱에 기초하여 평가하는 발전 설비의 위험도 진단 시스템.
  7. 청구항 1 또는 청구항 2에 있어서,
    상기 심각도와 상기 위험도 등급을 사용자에게 표시하는 디스플레이부를 더 포함하는 발전 설비의 위험도 진단 시스템.
  8. 청구항 7에 있어서,
    상기 디스플레이부는 상기 정비 이력 정보, 상기 경보 리스트 및 상기 센서부의 고장 여부를 사용자에게 표시하는 발전 설비의 위험도 진단 시스템.
  9. 청구항 8에 있어서,
    상기 디스플레이부는 상기 발전 설비에서 현재 발생한 이상과 유사한 패턴의 이상에 관한 상기 정비 이력 정보 및 상기 경보 리스트를 추출하여 표시하는 발전 설비의 위험도 진단 시스템.
  10. 청구항 1 또는 청구항 2에 있어서,
    상기 발전 설비의 위험도 등급이 설정 기준을 초과하면 알람을 발생시키는 경보 장치를 더 포함하는 발전 설비의 위험도 진단 시스템.
  11. 청구항 1 또는 청구항 2에 있어서,
    상기 센서부는 IoT 기반 지능형 센서이며, 상기 발전 설비의 운전 변수로서 온도, 압력, 전류, 전압, 주파수, 진동, 소음, 열화상 중 적어도 어느 하나를 검출하는 발전 설비의 위험도 진단 시스템.
  12. 발전 설비의 운전 이력 정보 및 정비 이력 정보를 저장하는 데이터베이스를 구비한 시스템을 이용하여 상기 발전 설비의 위험도를 진단하는 방법으로서,
    상기 운전 이력 정보와 상기 정비 이력 정보에 기초하여 상기 발전 설비의 운전 변수에 대한 예측값을 산출하는 단계;
    상기 운전 변수에 대한 실측값을 계측하는 단계;
    상기 예측값 및 상기 실측값에 대한 편차와 편차의 발생 빈도를 계산하는 단계;
    상기 편차에 관한 제1 심각도 및 상기 편차의 발생 빈도에 관한 제2 심각도를 산출하는 단계; 및
    상기 제1 심각도 및 상기 제2 심각도에 기초하여 상기 발전 설비의 위험도 등급을 평가하는 단계를 포함하는 발전 설비의 위험도 진단 방법.
  13. 발전 설비의 운전 이력 정보 및 정비 이력 정보를 저장하는 데이터베이스를 구비한 시스템을 이용하여 상기 발전 설비의 위험도를 진단하는 방법으로서,
    상기 운전 이력 정보와 상기 정비 이력 정보에 기초하여 상기 발전 설비의 운전 변수에 대한 예측값을 산출하는 단계;
    상기 운전 변수에 대한 실측값을 계측하는 단계;
    상기 예측값 및 상기 실측값에 대한 편차와 편차의 변화율을 계산하는 단계;
    상기 편차에 관한 제1 심각도 및 상기 편차의 변화율에 관한 제3 심각도를 산출하는 단계; 및
    상기 제1 심각도 및 상기 제3 심각도에 기초하여 상기 발전 설비의 위험도 등급을 평가하는 단계를 포함하는 발전 설비의 위험도 진단 방법.

KR1020180039269A 2018-04-04 2018-04-04 편차의 변화율을 이용한 발전 설비의 위험도 진단 시스템 및 방법 KR20190115953A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180039269A KR20190115953A (ko) 2018-04-04 2018-04-04 편차의 변화율을 이용한 발전 설비의 위험도 진단 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180039269A KR20190115953A (ko) 2018-04-04 2018-04-04 편차의 변화율을 이용한 발전 설비의 위험도 진단 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR20190115953A true KR20190115953A (ko) 2019-10-14

Family

ID=68171485

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180039269A KR20190115953A (ko) 2018-04-04 2018-04-04 편차의 변화율을 이용한 발전 설비의 위험도 진단 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR20190115953A (ko)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111803065A (zh) * 2020-06-23 2020-10-23 北方工业大学 一种基于脑电数据的危险交通场景辨识方法及系统
CN112633614A (zh) * 2021-01-15 2021-04-09 东方电气集团科学技术研究院有限公司 一种基于特征提取的实时故障程度诊断系统及方法
KR20220080348A (ko) * 2020-12-07 2022-06-14 (주)엘센 지능형 센서와 이것을 이용한 지능형 센싱방법
WO2022146020A1 (ko) * 2020-12-31 2022-07-07 한국수력원자력 주식회사 회전기계의 결함을 종합적으로 진단하는 방법 및 시스템
KR102435945B1 (ko) * 2021-12-09 2022-08-24 주식회사테크블루 선박 설비 요소의 위험 발생에 따른 직접 및 간접 요소의 위험도 분석 방법
KR102460647B1 (ko) * 2021-11-12 2022-10-28 네모시스 주식회사 시스템의 고장 관리 장치 및 그 방법
CN115713239A (zh) * 2022-12-07 2023-02-24 中国南方电网有限责任公司超高压输电公司广州局 运维风险预测方法、装置、计算机设备和存储介质
KR20230056153A (ko) * 2021-10-20 2023-04-27 한국전력공사 위험 신호 기반 발전 설비 관리 시스템 및 방법
KR102615935B1 (ko) * 2022-12-27 2023-12-20 강원숙 변전소의 변압기 안전 시스템
CN117913830A (zh) * 2024-03-20 2024-04-19 中国电建集团昆明勘测设计研究院有限公司 一种抽水蓄能电站的资源调度方法和系统
CN118410941A (zh) * 2024-04-23 2024-07-30 江苏久创电气科技有限公司 应用大数据分析的电力设备安全性评估系统及方法

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111803065B (zh) * 2020-06-23 2023-12-26 北方工业大学 一种基于脑电数据的危险交通场景辨识方法及系统
CN111803065A (zh) * 2020-06-23 2020-10-23 北方工业大学 一种基于脑电数据的危险交通场景辨识方法及系统
KR20220080348A (ko) * 2020-12-07 2022-06-14 (주)엘센 지능형 센서와 이것을 이용한 지능형 센싱방법
WO2022124532A1 (ko) * 2020-12-07 2022-06-16 (주)엘센 지능형 센서와 이것을 이용한 지능형 센싱방법
WO2022146020A1 (ko) * 2020-12-31 2022-07-07 한국수력원자력 주식회사 회전기계의 결함을 종합적으로 진단하는 방법 및 시스템
KR20220096793A (ko) * 2020-12-31 2022-07-07 한국수력원자력 주식회사 회전기계의 결함을 종합적으로 진단하는 방법 및 시스템
CN112633614A (zh) * 2021-01-15 2021-04-09 东方电气集团科学技术研究院有限公司 一种基于特征提取的实时故障程度诊断系统及方法
KR20230056153A (ko) * 2021-10-20 2023-04-27 한국전력공사 위험 신호 기반 발전 설비 관리 시스템 및 방법
KR102460647B1 (ko) * 2021-11-12 2022-10-28 네모시스 주식회사 시스템의 고장 관리 장치 및 그 방법
KR102435945B1 (ko) * 2021-12-09 2022-08-24 주식회사테크블루 선박 설비 요소의 위험 발생에 따른 직접 및 간접 요소의 위험도 분석 방법
CN115713239A (zh) * 2022-12-07 2023-02-24 中国南方电网有限责任公司超高压输电公司广州局 运维风险预测方法、装置、计算机设备和存储介质
CN115713239B (zh) * 2022-12-07 2024-04-02 中国南方电网有限责任公司超高压输电公司广州局 运维风险预测方法、装置、计算机设备和存储介质
KR102615935B1 (ko) * 2022-12-27 2023-12-20 강원숙 변전소의 변압기 안전 시스템
CN117913830A (zh) * 2024-03-20 2024-04-19 中国电建集团昆明勘测设计研究院有限公司 一种抽水蓄能电站的资源调度方法和系统
CN117913830B (zh) * 2024-03-20 2024-06-04 中国电建集团昆明勘测设计研究院有限公司 一种抽水蓄能电站的资源调度方法和系统
CN118410941A (zh) * 2024-04-23 2024-07-30 江苏久创电气科技有限公司 应用大数据分析的电力设备安全性评估系统及方法

Similar Documents

Publication Publication Date Title
KR20190115953A (ko) 편차의 변화율을 이용한 발전 설비의 위험도 진단 시스템 및 방법
JP5335144B2 (ja) 火災、可燃ガス報知システム及び方法
Hashemian State-of-the-art predictive maintenance techniques
KR101341248B1 (ko) 발전설비의 위험도 기반 정비 시스템
Mathew et al. Failure mechanisms based prognostics
US8898525B2 (en) Method and system for use in condition monitoring
CN110008096B (zh) 数据监测方法、装置、电子设备及计算机可读存储介质
KR101613100B1 (ko) 통신 이상 검출 장치, 통신 이상 검출 방법 및 기록매체
KR102040179B1 (ko) 제조 설비의 이상 감지 및 진단 방법
KR101734289B1 (ko) 원자력 발전소 계측기의 유효성 평가 방법 및 장치
WO2019087508A1 (ja) 監視対象選定装置、監視対象選定方法、およびプログラム
KR102470112B1 (ko) 원전의 지능형 상태감시 방법 및 시스템
Agarwal et al. Prognostic and health management of active assets in nuclear power plants
CN110582626A (zh) 用由磨损因子校正的异常检测来监视涡轮机的系统和方法
Isermann et al. Terminology in fault detection and diagnosis
EP3671175B1 (en) Condition diagnosing device, condition diagnosing method, and condition diagnosing program
CN105138755A (zh) 一种液体火箭发动机试验台故障响应生成器的设计方法
JPH1153664A (ja) プラントまたは機械装置の安全支援装置
CN115146895A (zh) 机械系统的健康评估
KR102195266B1 (ko) 음향신호를 이용한 플랜트 설비의 결함 진단 방법
Byington et al. Shaft coupling model-based prognostics enhanced by vibration diagnostics
JPH09113673A (ja) プラントの異常監視方法及び異常監視装置
Larsson Simple methods for alarm sanitation
Czichos Scope of technical diagnostics
Lee et al. Dynamic risk analysis from the perspective of life cycle approach in Iec 61508 and Iec 61511