KR20200054673A

KR20200054673A - 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 시스템

Info

Publication number: KR20200054673A
Application number: KR1020180138244A
Authority: KR
Inventors: 박삼만
Original assignee: (주)화니시스템
Priority date: 2018-11-12
Filing date: 2018-11-12
Publication date: 2020-05-20
Also published as: KR102121787B1

Abstract

본 발명은 원격검침 데이터를 이용한 적산 열량계와 사용자 설비 장애 검출 방법 및 시스템에 관한 것으로서, 그 적산 열량계와 사용자 설비의 장애 검출 방법은 회수배관을 통해 회수되는 유량이 유량계에 의해 측정되면 원격에 있는 서버로 전송하는 단계; 공급배관의 공급온도가 공급온도센서에 의해 측정되고, 회수배관의 회수온도가 회수온도센서에 의해 측정되면 공급온도 데이터 및 회수온도 데이터를 원격에 있는 서버로 전송하는 단계; 서버는 미리 설정된 기준공급온도 보다 높은 온도의 공급온도 데이터가 일정시간 동안 연속 수신되면 공급온도센서가 단선되었음을 표시하고, 미리 설정된 기준회수온도보다 높은 온도의 회수온도 데이터가 일정시간 동안 연속 수신되면 회수온도센서가 단선되었음을 표시하는 단계; 및 서버는 공급온도 데이터가 일정시간 동안 변화가 없이 동일하면 공급온도센서가 고장났음을 표시하고, 회수온도 데이터가 일정시간 동안 변화가 없이 동일하면 회수온도센서가 고장났음을 표시하는 단계를 포함한다.

Description

원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 시스템 및 방법과, 인공신경망을 이용한 적산열량계와 사용자 설비 장애 예측 방법{System and method for detecting accumulated calorimeter and user equipment fault using remote meter reading data, and method for estimating the fault using artificial neural network}

본 발명은 열량계 및 사용자 설비 장애 검출에 관한 것으로서, 특히 원격 검침에 의해 수집된 검침데이터를 실시간 분석하고 머신러닝(machine learning) 하여 적산열량계 및 사용자 설비 장애 상태를 진단하는, 원격 검침 데이터의 머신러인을 이용한 적산열량계와 사용자 설비 장애 검출 시스템 및 방법과, 인공신경망을 이용한 적산열량계와 사용자 설비 장애 예측 방법에 관한 것이다.

열병합발전과 지역 난방이 확대 보급되면서 아파트와 같이 연중 온수를 필요로 하는 곳에서 지역난방방식을 채택하는 경우가 많아지고 있다. 지역난방 시스템은 대규모 열 생산 시설을 이용하여 생산한 열수를 특정 지역에 있는 아파트 단지나 건물 등으로 공급하여 난방용으로 사용할 수 있게 한다. 즉, 지역난방에서는 고온의 열 매체를 운송 공급하면 각 단지에서는 중온수와 난방 급탕관수를 열 교환을 하여 각 세대에 열을 공급함에 따라 난방 및 급탕이 이루어진다.

이러한 지역난방 시스템을 이용하는 아파트 단지나 건물은 자신이 사용한 열량에 따라 그 비용을 지불하게 되는데, 이를 위해 아파트 단지나 건물에 열량계가 설치된다. 그리고 산업용 열량계는 지역 난방 공사에서 각 아파트 단지의 공조실에 온수를 이용하여 열을 공급하고, 각 아파트 단지의 공조실에서 열 교환을 하여 각 세대에 열을 공급한다. 이때, 지역 난방 공사에서 각 아파트 단지의 공조실에 열량계가 설치된다.

산업용 열량계의 원격 검침은 기존 검침 데이터를 수집하고 과금하는 용도로만 이루어졌다. 그리고 기존 열 판매 데이터 분석은 담당자의 수기 분석에 의존했다. 원격 검침 시스템에서 일정기간 예를 들어 2주 또는 1개월 동안의 원시 데이터(Raw Data)를 다운로드 받아 사용량 추이를 검토한 후, 데이터 수치가 급증하거나 급감한 사용자를 1차 분류하고 1차 분류 사용자의 시간대별 2차 데이터를 분석하여 이상이 발생한 경우 현장을 방문하여 문제를 해결하였다.

따라서 원격검침 시스템에서의 원시 데이터(Raw Data)를 분석해서 열량계나 사용자 설비의 장애를 판단하고 검출하기 위해서는 해당 업무 담당자의 숙련도가 요구되고, 장시간이 필요하며, 실수 가능성이 존재했다.

등록특허공보 제10-1768679호(2017.08.09)

본 발명이 해결하고자 하는 과제는 열 공급의 경제적 운용과 효율적 관리를 위해, 원격검침에서 취득한 데이터를 실시간 분석해 적산열량계의 고장 파악과 사용자측 설비 장애를 검출하는, 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 시스템 및 방법을 제공하는 것이다.

본 발명이 해결하고자 하는 다른 과제는 원격검침 데이터와 보수 이력 데이터를 수집하여 빅 데이터를 구축하고 인공신경망을 통해 빅데이터를 학습하고 분석함으로써 적산열량계와 사용자 설비의 고장을 예측하는, 인공신경망을 이용한 적산열량계와 사용자 설비의 장애 예측 방법을 제공하는 것이다.

상기 기술적 과제를 이루기 위한 본 발명에 의한 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 시스템은, 유량계, 감온부 및 연산부를 구비하는 적산열량계, 검침데이터를 분석하는 서버 및 상기 적산열량계와 서버 간의 데이터 송수신을 위해 신호를 변복조하는 원격검침모뎀을 포함하고, 상기 적산열량계와 사용자 설비의 장애를 검출하는 원격검침 시스템으로서, 상기 유량계는 회수배관을 통해 회수되는 유량을 측정하고, 상기 감온부는 공급온도센서와 회수온도센서를 구비하고, 상기 공급온도센서를 통해 공급배관의 유체 온도(공급온도라 함)를 측정하고, 상기 회수온도센서를 통해 회수배관의 유체 온도(회수온도라 함)를 측정하고, 상기 연산부는 상기 유량계에서 측정된 유량과 상기 감온부에서 측정한 공급온도 데이터 및 회수온도 데이터를 상기 원격검침모뎀을 통해 상기 서버로 전송하고, 상기 서버는 미리 설정된 기준공급온도보다 높은 온도의 공급온도 데이터가 일정시간 동안 연속 수신되면 상기 공급온도센서가 단선되었음을 표시하고, 미리 설정된 기준회수온도보다 높은 온도의 회수온도 데이터가 일정시간 동안 연속 수신되면 상기 회수온도센서가 단선되었음을 검출하여 표시하는 온도센서단선검출부; 및 공급온도 데이터가 일정시간 동안 변화가 없이 동일하면 상기 공급온도센서가 고장났음을 표시하고, 회수온도 데이터가 일정시간 동안 변화가 없이 동일하면 상기 회수온도센서가 고장났음을 검출하여 표시하는 온도센서고장검출부를 포함한다.

상기 공급온도센서 및 회수온도센서는 각각 2 개 설치되고, 상기 공급온도센서 또는 회수온도센서가 고장났을 경우, 고장난 온도센서의 값은 미리 설정한 값(예 : 200°C)으로 출력되도록 설정되고, 상기 서버는 상기 공급온도센서 또는 회수온도센서의 값으로 미리 설정된 값과 정상적인 값을 수신할 때, 정상적인 값을 취하고, 미리 설정된 값을 출력한 온도센서가 고장났음을 표시하고, 상기 적산 열량계는 정상 동작될 수 있다.

상기 서버는 회수온도가 일정시간 동안 계속해서 증가하면서 공급온도와 회수온도의 온도 차(△T )가 감소하면 사용자 설비의 온도조절밸브(TCV)가 고장 났음을 검출하고 표시하는 TCV 고장 검출부를 더 포함한다.

상기 서버는 유량이 없고 공급온도와 회수온도의 온도 차(△T)가 임계값보다 작고 바이패스 밸브가 닫혀 있다면, PDCV 다이아프램(diaphragm)이 파손되었음을 검출하고 표시하는 PDCV 고장 검출부를 더 포함한다.

상기 서버는 등록된 사용자 정보가 정지 또는 해지 사용자이면서 열량 또는 유량 사용량이 0 보다 크면, 도열사용자로 판단하여 표시하고, 상기 도열사용자로 판단되면 원격으로 도열차단밸브를 제어하여 유량공급을 차단하는 도열검출부를 더 포함한다.

상기 기술적 과제를 이루기 위한 본 발명에 의한 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 방법은, 원격검침 데이터를 이용하여 적산 열량계와 사용자 설비의 장애를 검출하는 방법에 있어서, 회수배관을 통해 회수되는 유량이 유량계에 의해 측정되면 원격에 있는 서버로 전송하는 단계; 공급배관의 유체 온도(공급온도라 함)가 공급온도센서에 의해 측정되고, 회수배관의 유체 온도(회수온도라 함)가 회수온도센서에 의해 측정되면 공급온도 데이터 및 회수온도 데이터를 원격에 있는 서버로 전송하는 단계; 상기 서버는 미리 설정된 기준공급온도 보다 높은 온도의 공급온도 데이터가 일정시간 동안 연속 수신되면 상기 공급온도센서가 단선되었음을 표시하고, 미리 설정된 기준회수온도보다 높은 온도의 회수온도 데이터가 일정시간 동안 연속 수신되면 상기 회수온도센서가 단선되었음을 표시하는 단계; 및 상기 서버는 공급온도 데이터가 일정시간 동안 변화가 없이 동일하면 상기 공급온도센서가 고장났음을 표시하고, 회수온도 데이터가 일정시간 동안 변화가 없이 동일하면 상기 회수온도센서가 고장났음을 표시하는 단계를 포함한다.

상기 다른 기술적 과제를 이루기 위한 본 발명에 의한 인공신경망을 이용한 적산열량계와 사용자 설비의 장애 예측 방법은 데이터 수집부가 적산열량계와 사용자 설비에 관한 원격검침 데이터를 수집하여 빅데이터로 축적하는 단계; 상기 빅데이터로 축적된 원격검침데이터와, 적산열량계와 사용자 설비의 과거 장애 발생 및 조치에 관한 보수이력 데이터와, 열공급조건 데이터를 입력층(input layer)의 입력값으로 하여 인공신경망의 은닉층(hidden layer)을 통해 적산열량계와 사용자 설비의 장애 패턴을 학습하고, 출력층(output layer)을 통해 상기 적산 열량계와 사용자 설비 장애 예측을 결과값으로 출력하여 빅데이터로 축적하는 단계; 및 상기 학습된 인공신경망을 통해 상기 장애 패턴 별로 적산열량계 또는 사용자 설비의 장애를 예측하는 단계를 포함하고, 상기 원격검침 데이터는 적산열량계의 누적 열량, 누적 유량, 순시 열량, 순시 유량, 공급온도, 회수온도, 공급온도와 회수온도의 온도차를 포함하고, 열공급조건 데이터는 사용자 정보, 설비정보, 열사용정보, 건물용도, 건물의 규모, 공급계통 변경, 외기온도, 열부하 정보를 포함하고, 상기 보수이력 데이터는 장애 원인, 장애 기간, 장애 조치 정보, 장애 수리 전후의 공급온도와 회수온도 패턴을 포함하는 것을 특징으로 한다.

상기 장애 패턴은 회수온도가 공급온도를 트래킹하는 것을 학습하고, 회수온도와 공급온도의 차가 일정한 범위에 있는 빈도와 헌팅 현상을 판단하여 상기 학습된 빈도와 헌팅현상 및 상기 트래킹을 이용하여 온도조절밸브(TCV) 장애를 추정하도록 학습되고, 공급온도가 미리 설정된 값 이상에서 현재 유량과 설계 유량을 비교하고, 회수온도가 미리 설정된 값 이상에서 공급온도와 회수온도의 차를 계산하여 상기 비교치와 온도차를 이용하여 차압유량조절밸브(PDCV) 장애를 추정하도록 학습되는 것을 특징으로 한다.

본 발명에 따른 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 방법 및 시스템과, 인공신경망을 이용한 적산열량계와 사용자 설비의 장애 예측 방법에 의하면, 원격검침에서 취득한 데이터를 실시간으로 분석해 적산열량계 고장 파악과 사용자 설비 장애 상태를 진단 예측 파악하여 신속하게 조치함으로써, 사용자에게는 정산으로 인한 민원발생 해소와 열 공급 품질 저하에 따른 손해를 줄이고 계절과 상황에 적절한 운영 안내와 열배관 누수 점검 및 유지관리 등 경제적 도움을 줄 수 있다.

그리고 열 공급자에게는 계량 불량 및 부정사용 파악 및 신속한 조치, 계량은 되지만 손실이 발생하는 TCV 고장(열사용시설 과열) 하절기 난방 미사용시, 동절기 냉동기 미사용시 각 메인 밸브 차단유도와 과잉공급(동력비손실, 회수온도증가손실) 및 계절을 고려한 Critical Point 추종 운전 안내 등 효율적 열원 공급 운영 등의 문제를 해결 할 수 있다.

또한 본 발명의 일실시예에서는 공급온도 센서 및 회수온도센서를 2개씩 설치함으로써, 온도센서 중 하나가 고장 나더라도 적산열량계는 정상적으로 연속해서 동작한다. 따라서 정상적인 데이터 수집이 가능하므로 과금의 중단이 없고, 정상적인 과금이 이루어짐으로 데이터 수집 미비로 인한 열 판매 손실을 방지할 수 있다.

또한 본 발명에 의한 인공신경망을 이용한 적산열량계와 사용자 설비의 장애 예측 방법에 의하면, 적산열량계와 사용자 설비의 장애를 예측하여 원격에서 고장상태를 진단하고 현장확인을 통해 적시에 보수를 함으로써 사용자의 신뢰를 향상시키고 공급온도와 회수온도의 차(차온)를 관리할 수 있고, 효율적으로 열원을 운영할 수 있다.

도 1은 본 발명에 따른 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 시스템의 구성에 대한 일실시예를 블록도로 나타낸 것이다.
도 2는 본 발명을 구성하는 서버의 세부 구성을 블록도로 나타낸 것이다.
도 3은 본 발명에 따른 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 시스템의 구성에 대한 다른 실시예를 블록도로 나타낸 것이다.
도 4는 본 발명에 따른 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 방법에 대한 제1실시예를 흐름도로 나타낸 것이다.
도 5는 공급온도센서 및 회수온도 센서가 각각 2개씩 설치된 본 발명의 다른 실시예에 따른 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 방법을 흐름도로 나타낸 것이다.
도 6은 본 발명에 따른 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 방법에 대한 제2실시예를 흐름도로 나타낸 것이다.
도 7은 본 발명에 따른 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 방법에 대한 제3실시예를 흐름도로 나타낸 것이다.
도 8은 본 발명에 따른 인공신경망을 이용한 적산열량계와 사용자 설비의 장애 예측 시스템의 일실시예를 블록도로 나타낸 것이다.
도 9는 본 발명에 따른 인공신경망을 이용한 적산열량계와 사용자 설비의 장애 예측 방법에 대한 일실시예를 흐름도로 나타낸 것이다.

이하, 첨부된 도면을 참조로 본 발명의 바람직한 실시예를 상세히 설명하기로 한다. 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 바람직한 일 실시예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원 시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.

도 1은 본 발명에 따른 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 시스템의 구성에 대한 일실시예를 블록도로 나타낸 것이다.

도 1을 참조하면, 본 발명의 일실시예에 따른 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 시스템은 적산열량계(110), 서버(120) 및 원격검침모뎀(130)을 포함하여 이루어진다.

적산열량계(110)는 유량계(116), 감온부(112, 114) 및 연산부(118)을 포함하여 이루어진다. 유량계(116)는 회수배관(12)을 통해 회수되는 유량을 측정한다. 감온부(112, 114)는 공급온도센서(112)와 회수온도센서(114)를 구비하고, 공급온도센서(112)를 이용하여 공급배관(10)의 유체 온도(이하, 공급온도라 함)를 측정하고, 회수온도센서(114)를 이용하여 회수배관(12)의 유체 온도(이하, 회수온도라 함)를 측정한다. 연산부(118)는 유량계(116)에서 측정된 유량과 감온부(112, 114)에서 측정한 공급온도 데이터 및 회수온도 데이터를 원격검침모뎀(130)을 통해 외부 통신망(140)을 거쳐 서버(120)로 전송한다.

원격검침모뎀(130)은 적산열량계(110)와 서버(120) 간의 데이터 송수신을 위해 신호를 변복조한다.

서버(120)는 검침데이터를 분석하여 적산열량계와 사용자 설비의 장애를 검출한다. 도 2는 서버(120, 200)의 세부 구성을 블록도로 나타낸 것이다. 도 2를 참조하면, 온도센서 단선 검출부(210)는 미리 설정된 기준공급온도보다 높은 온도의 공급온도 데이터가 일정시간 동안 연속 수신되면 공급온도센서(112)가 단선되었음을 표시하고, 미리 설정된 기준회수온도보다 높은 온도의 회수온도 데이터가 일정시간 동안 연속 수신되면 회수온도센서(114)가 단선되었음을 검출하여 표시한다. 예를 들어, 공급온도고온(Supply Temperature High)인 경우, 정해진 연속시간 동안 정해진 기준의 공급온도보다 높은 온도의 데이터 수신시 공급온도 센서의 단선을 표시한다.

[수학식 1]

STH > “t” ℃ , for 'h'

STH : 고온의 공급온도, h : 연속시간 3시간을 기준으로 하고, t : 온도(120도)를 기준으로 하고, 대부분의 경우 공급온도센서 단선 시 200℃ 지시한다.

그리고 회수온도고온(Return Temperature High) 일 경우, 정해진 연속시간동안 정해진 기준의 회수온도보다 높은 온도의 데이터 수신시 회수온도 센서의 단선을 표시한다.

[수학식 2]

RTH > “t” ℃ , for 'h'

RTH : 고온의 회수온도, h : 연속 3시간을 기준으로 하고, t : 온도(100도)를 기준으로 하고, 대부분의 경우 회수온도센서 단선 시 200℃ 를 지시한다.

온도센서 고장 검출부(220)는 공급온도 데이터가 일정시간 동안 변화가 없이 동일하면 공급온도센서(112)가 고장났음을 표시하고, 회수온도 데이터가 일정시간 동안 변화가 없이 동일하면 회수온도센서(114)가 고장났음을 검출하여 표시한다. 예를 들어, 정해진 연속시간동안 공급온도 데이터의 변화가 없을 시 공급온도 센서 고장(trouble)을 표시한다.

[수학식 3]

ST is fixed, for 'h'

ST : 공급온도, h : 연속 3시간을 기준으로 한다.

마찬가지로, 정해진 연속시간동안 회수온도 데이터의 변화가 없을 시 회수온도 센서 고장을 표시한다.

[수학식 4]

RT is fixed, for 'h'

RT : 회수온도, h : 연속 3시간을 기준으로 한다.

도 3은 본 발명에 따른 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 시스템의 구성에 대한 다른 실시예를 블록도로 나타낸 것이다. 도 3을 참조하면, 본 발명에 따른 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 시스템의 다른 실시예는 공급온도센서(312, 314) 및 회수온도센서(316, 318)가 각각 2 개 설치되고, 공급온도센서 또는 회수온도센서가 고장났을 경우, 고장난 온도센서의 값은 미리 설정한 값(예 : 200°C)으로 출력되도록 설정된다. 이 때 서버(120)는 공급온도센서(312, 314) 또는 회수온도센서(316, 318)의 값으로 미리 설정된 값과 정상적인 값을 수신할 때, 정상적인 값을 취하고, 미리 설정된 값을 출력한 온도센서는 고장 났음을 표시한다. 그리고 이 때, 적산 열량계(310)는 계속 정상 동작되고, 고장난 온도센서는 추후 교체된다. 따라서, 2개의 온도센서 중 하나가 고장 나더라도 적산열량계는 정상적으로 연속해서 동작한다. 이로 인해 과금의 중단 없이 정상적인 과금이 이루어질 수 있고, 열 판매 손실을 방지할 수 있다.

도 2를 참조하면, TCV 고장 검출부(230)는 회수온도가 일정시간 동안 계속해서 증가하면서 공급온도와 회수온도의 온도 차(△T )가 감소하면 사용자 설비의 온도조절밸브 (TCV, Temperature Control Valve)가 고장 났음을 검출하고 표시한다. 즉, 회수온도가 계속해서 증가하면서 △T가 감소하면 TCV 고장을 표시한다. TCV 고장을 단순하게 예측하기는 쉽지 않다. TCV 고장시에는 회수온도가 공급온도를 트래킹(tracking)하거나 거의 비슷하거나, 회수온도가 공급온도와 비슷하면서 헌팅하거나, 회수온도가 간헐적으로 공급온도와 비슷하게 된다.

[수학식 5]

IF RT > “t” ℃, for 'h'

IF 119℃ > RTH> 70℃ (회수온도 높음) or

IF 30℃ > △T > 1℃ (온도차 적음)

RTH, RTH : 회수온도, h : 연속 3시간을 기준으로 하고, t : 온도(120도)를 기준으로 한다.

한편, 유량의 분배 시 각 구역별로 상이한 차압이 발생하게 되어 유량의 불균형을 초래하여 효과적인 냉난방이 되지 않는 경우가 발생하게 된다. 이러한 유량의 불균형을 방지하고 적절한 유량을 분배하기 위한 장치가 차압유량조절밸브(PDCV)이다.

PDCV 고장 검출부(240)는 유량이 없고 공급온도와 회수온도의 온도 차(T)가 임계값보다 작고 바이패스 밸브(170)가 닫혀 있다면, 차압유량조절밸브 (PDCV, 150)의 PDCV 다이아프램 (diaphragm)이 파손되었음을 검출하고 표시한다. 그리고 PDCV 고장시에는 공급온도가 불규칙하거나 차온이 회수온도보다 높다.

[수학식 6]

IF F=0, ΔT < 20℃ and 바이패스(Bypass) 밸브 Close

유량은 없는데, ΔT는 작다, 바이패스 밸브를 열지 않았다면 PDCV 다이아프램이 파손되고, 현장방문하여 수리 요청하고 도압관을 Close한다.

주택유량계 이상 검출부(260)는 주택에서 상기 공급온도가 정해진 기준 온도 이상이고 공급온도와 회수온도의 온도 차(ΔT)가 정해진 기준보다 작을 경우, 유량이 없으면 주택 유량계가 고장 났음을 검출하고 표시한다. 즉, 주택의 경우 공급온도가 정해진 기준이고 온도차가 정해진 기준보다 작을 경우 유량 사용량이 없을 경우 주택유량계 이상으로 표시한다.

[수학식 7]

ST > “t1” ℃ & Flow = 0 & ΔT < “t2” ℃ for 'h'"

ST : 공급온도, h : 연속 3시간을 기준으로 하고, t1 : 공급온도 75도를 기준으로 하고, t2 : 공급온도와 회수온도의 온도차 (20도)를 기준으로 한다.

여름에도 공동주택은 급탕을 사용하기 때문에 유량사용량이 0이 되는 경우는 거의 없다. 계절에 따라 공급온도는 달라질 수 있지만, 사용을 하고 있다면 ΔT는 최소 20℃는 발생한다.

차압 유량조절밸브(PDCV) 와 온도조절밸브(TCV)의 상호 작용을 설명한다. 차압 유량조절밸브의 작용에 의하여 차압 유량조절밸브를 지역난방 공급·회수 측 차압이 setting 차압인 0.7Bar 로 유지되면 이 온도조절밸브는 압력에 영향없이 온도에 의해서만 항상 작동 된다. 이 경우는 최대 차압 0.7Bar에서 온도조절밸브 (TCV) 는 정밀비례제어 작동이 가능하게 된다.

차압 0.7Bar 이내에서 온도조절밸브는 비례제어(PI) 작동의 유량 변화에 따라 차압 유량조절밸브도 차압을 0.7 Bar 유지하며 부하에서 필요로 하는 유량만 통과 시킨다. 차압 유량조절밸브(PDCV)는 부하에서 필요로 하는 차압과 유량을 제한하며, 유량의 정밀 제어는 온도조절밸브(TCV)에서 조절한다.

온도조절밸브(TCV)가 완전히 닫히면 PDCV 도 동시에 닫혀 배관 내에 형성된 차압을 유지 하고 있다. 이 때 온도조절밸브 액츄레이터의 힘이 차압 0.3bar를 견디지 못하고 닫히지 않으면 PDCV도 온도조절밸브가 닫힌 것만큼 닫혀 진다.

온도조절밸브가 완전히 닫히면 주배관의 회수압력을 전달받기 때문에 차압이 크게 발생 된다. 따라서 온도조절밸브(TCV)는 차압 0.3bar의 힘을 견딜 수 있는 액츄에이터를 사용해야 한다.

TCV가 고장이라는 의미는 TCV의 벨브가 열린상태(OPEN)로 고정된다는 의미이며, 열린 상태로 고정되면 유량의 변화가 없게 된다. 계속 같은 물이 흐르기 때문이다. 즉, 회수온도가 올라간다. 하지만 회수온도는 TCV의 벨브의 상태와 상관없이 사용시와 미사용시 차이가 발생한다. 열을 사용하면 T는 작아지고 회수온도는 떨어진다.

야간의 경우 열을 사용 하지 않으면 TCV가 정상 임에도 회수온도가 90도 이상으로 올라간다. 단순 회수온도 만으로 TCV가 고장이라고 판단하기가 어렵다. 사용량이 많으면 90도 이상이 아닐 수도 있기 때문이다.

한편, 사용량 이상 검출부(250)는 사용된 유량이 배관의 굵기에 따라 달리 설정된 최소 유량 보다 적거나 최대 유량보다 많으면 유량 사용량 이상으로 판단하여 표시하고, 사용량이 있으면서 전일 대비 정해진 변화율 이상으로 급증하거나 급감한 사용자를 일사용량 이상으로 판단하여 표시하고, 전월대비 정해진 변화율 이상으로 급증하거나 급감한 사용자를 월사용량 이상으로 판단하여 표시한다. 예를 들어, 일 공급온도를 계산하고 설정된 최저공급온도 또는 설정된 최고공급온도의 범위를 벗어난 경우 공급온도 이상을 표시한다. 일 공급온도가 설정된 최저공급온도 보다 작거나 일 공급온도가 설정된 최고공급온도 보다 클 경우 공급온도 이상으로 판단한다.

[수학식 8]

일 공급온도 = SUM(시간공급온도*시간유량) / 일간유량

또한 일 회수온도가 설정된 최저회수온도 작거나 일 회수온도가 설정된 최고회수온도 보다 클 경우 회수온도 이상을 표시한다.

[수학식 9]

일 회수온도 = SUM(시간회수온도*시간유량) / 일간유량

한편, 업무용 냉방유량계 이상 검출부(270)는 업무용 건물에서 유량이 없고 현재의 공급온도가 이전의 공급온도보다 높으면 업무공공 냉방 유량계가 고장 났음을 검출하고 표시한다. 하절기 냉동기 정지 시 유량 사용량이 0이 되면, 흐름이 없어지므로, 공급온도는 이전보다 떨어져야 정상적인 패턴이다. 따라서 회수온도는 사용되지 않는다. 공급온도가 이전 시간 공급온도보다 더 커지면 유량계 이상으로 표시한다.

업무용 난방유량계 이상 검출부(280)는 업무용 건물에서 난방 유량이 없고 공급온도가 미리 설정된 기준온도보다 높을 경우, 공급온도와 회수온도의 온도 차(T)가 정해진 기준보다 작을 경우 업무공공 난방 유량계가 고장났음을 검출하고 표시한다. 즉, 난방 유량사용량은 0이 되었지만, ΔT는 변화율이 정해진 기준보다 클 때 유량 이상으로 판단한다. 부연하면, 공급온도가 일정온도 이상이고 ΔT가 정해진 기준보다 크면 반드시 유량사용량이 존재 해야 하므로 유량사용량이 0이면 유량계이상으로 판단한다.

도열검출부(290)는 등록된 사용자 정보가 정지 또는 해지 사용자이면서 열량 또는 유량 사용량이 존재하면(0 보다 크면), 도열사용자로 판단하여 표시하고, 상기 도열사용자로 판단되면 원격으로 도열차단밸브(미도시)를 제어하여 유량 공급을 차단한다.

도 4는 본 발명에 따른 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 방법에 대한 제1실시예를 흐름도로 나타낸 것이다. 도 1 내지 도 4를 참조하여, 본 발명의 제1실시예에 따른 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 방법을 설명한다.

먼저, 회수배관(12)을 통해 회수되는 유량이 유량계(116)에 의해 측정되면 원격에 있는 서버(120)로 전송한다.(S410단계) 또한 공급배관(10)의 유체 온도 즉, 공급온도가 공급온도센서(112)에 의해 측정되고, 회수배관(12)의 유체 온도 즉, 회수온도가 회수온도센서(114)에 의해 측정되면 공급온도 데이터 및 회수온도 데이터를 원격에 있는 서버(120)로 전송한다. (S415단계)

서버(120)는 공급온도 데이터가 미리 설정된 기준공급온도 보다 높고(S420단계), 상기 기준공급온도보다 높은 공급온도 데이터가 일정시간 동안 연속 수신되면(S425단계), 공급온도센서(112)가 단선되었음을 표시한다.(S430단계) 그리고 회수온도 데이터가 미리 설정된 기준회수온도보다 높고(S435단계), 상기 기준회수온도 보다 높은 회수온도 데이터가 일정시간 동안 연속 수신되면(S440단계), 회수온도센서(114)가 단선되었음을 표시한다.(S445단계)

또한 서버(120)는 공급온도 데이터가 일정시간 동안 변화가 없이 동일하면(S450단계), 상기 공급온도센서가 고장났음을 표시한다.(S455단계) 회수온도 데이터가 일정시간 동안 변화가 없이 동일하면(S460단계) 회수온도센서(114)가 고장났음을 표시한다.(S465단계)

도 5는 공급온도센서 및 회수온도 센서가 각각 2개씩 설치된 본 발명의 다른 실시예에 따른 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 방법을 흐름도로 나타낸 것이다. 먼저, 도 3에 도시된 본 발명의 다른 실시예에서, 공급온도센서(312, 314) 및 회수온도센서(316, 318)가 각각 2 개 설치되고, 공급온도센서 또는 회수온도센서가 고장났을 경우, 고장난 온도센서의 값은 미리 설정한 에러 값(예 : 200°C)으로 출력되도록 설정한다.(S510단계)

공급배관(10)의 공급온도가 공급온도센서(312, 314)에 의해 측정되고, 회수배관(12)의 회수온도가 회수온도센서(316, 318)에 의해 측정되면 공급온도 데이터 및 회수온도 데이터를 원격에 있는 서버(120)로 전송한다. (S520단계)

서버(120)는 공급온도센서(312, 314) 또는 회수온도센서(316, 318)의 공급온도 또는 회수온도 측정값을 수신한다.(S530단계) 수신된 공급온도 측정값 또는 회수온도 측정값으로 미리 설정된 에러 값과 정상적인 값이 수신되면(S540단계), 정상적인 값을 취하고, 미리 설정된 값을 출력한 온도센서가 고장났음을 표시하고, 적산 열량계(310)는 정상 동작되게 한다.(S550단계) 그리고 추후 고장난 온도센서는 교체한다.(S560단계) 수신된 공급온도 측정값 또는 회수온도 측정값에 미리 설정된 에러 값이 없이 정상값이 수신되면 적산열량계(310)는 정상적으로 동작한다.(S570단계)

도 6은 본 발명에 따른 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 방법에 대한 제2실시예를 흐름도로 나타낸 것이다. 도 1 및 도 6을 참조하여, 본 발명의 제2실시예에 따른 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 방법을 설명한다.

먼저, 회수배관(12)을 통해 회수되는 유량이 유량계(116)에 의해 측정되면 원격에 있는 서버(120)로 전송한다.(S610단계) 또한 공급배관(10)의 유체 온도 즉, 공급온도가 공급온도센서(112)에 의해 측정되고, 회수배관(12)의 유체 온도 즉, 회수온도가 회수온도센서(114)에 의해 측정되면 공급온도 데이터 및 회수온도 데이터를 원격에 있는 서버(120)로 전송한다. (S615단계)

서버(120)는 회수온도가 일정시간 동안 계속해서 증가하면서(S620단계), 공급온도와 회수온도의 온도 차(ΔT )가 감소하면(S625단계), 사용자 설비의 온도조절밸브(TCV, 160)가 고장 났음을 표시한다.(S630단계)

그리고 서버(120)는 유량이 없고 공급온도와 회수온도의 온도 차(T)가 임계값보다 작고(S635단계), 바이패스 밸브(170)가 닫혀 있다면(S640단계), PDCV(150)의 다이아프램(diaphragm)이 파손되었음을 표시한다.(S645단계) 즉, 유량은 적지만 계량은 안되고 회수 온도만 높은 상태이면 PDCV Diaphragm 파손을 의심하고, 차압유량조절밸브(PDCV)의 점검을 안내한다.

또한 서버(120)는 등록된 사용자 정보가 정지 또는 해지 사용자이면서(S650단계), 열량 또는 유량 사용량이 0 보다 크면(S655단계), 도열사용자로 판단하여 표시하고 상기 도열사용자로 판단되면 원격으로 도열차단밸브를 제어하여 유량공급을 차단한다.(S660단계)

도 7은 본 발명에 따른 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 방법에 대한 제3실시예를 흐름도로 나타낸 것이다. 도 1 및 도 7을 참조하여, 본 발명의 제3실시예에 따른 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 방법을 설명한다.

먼저, 회수배관(12)을 통해 회수되는 유량이 유량계(116)에 의해 측정되면 원격에 있는 서버(120)로 전송한다.(S710단계) 또한 공급배관(10)의 유체 온도 즉, 공급온도가 공급온도센서(112)에 의해 측정되고, 회수배관(12)의 유체 온도 즉, 회수온도가 회수온도센서(114)에 의해 측정되면 공급온도 데이터 및 회수온도 데이터를 원격에 있는 서버(120)로 전송한다. (S75단계)

서버(120)는 주택에서 상기 공급온도가 정해진 기준 온도 이상이고 공급온도와 회수온도의 온도 차(T)가 정해진 기준보다 작을 경우(S720단계), 유량이 없으면(S725단계), 주택 유량계가 고장났음을 표시한다.(S730단계) 그리고 업무용 건물에서 유량이 없고 회수온도가 미리 설정된 기준온도보다 높을 경우(S735단계), 현재의 공급온도(Ts)가 이전의 공급온도(Ts)보다 높으면(S740단계), 업무공공 냉방 유량계가 고장 났음을 표시한다.(S745단계) 또한 업무용 건물에서 난방 유량이 없고 공급온도가 미리 설정된 기준온도보다 높고(S750단계), 공급온도와 회수온도의 온도 차(T)가 정해진 기준보다 작을 경우(S755단계), 업무공공 난방 유량계가 고장났음을 표시한다.(S760단계)

한편, 서버(120)는 사용된 유량이 배관의 굵기에 따라 달리 설정된 최소 유량 보다 적거나 최대 유량보다 많으면 유량 사용량 이상으로 판단하여 표시할 수 있다. 그리고 사용량이 있으면서 전일 대비 정해진 변화율 이상으로 급증하거나 급감한 사용자를 일사용량 이상으로 판단하여 표시하고, 전월대비 정해진 변화율 이상으로 급증하거나 급감한 사용자를 월사용량 이상으로 판단하여 표시할 수 있다.

본 발명은 검침데이터를 이용하여 적산 열량계 고장을 검출한다. 적산열량계와 원격검침 모뎀의 고장을 파악하고 초기에 대응할 수 있다. 적산열량계의 고장 검출에는 상술한 바와 같이 감온부의 온도센서 고장 및 온도센서 단선 검출이 포함된다. 원격검침 모뎀의 검침 이상은 원격검침 모뎀 고장, 원격검침 전원선 고장, 원격검침 통신 이상이 있을 수 있다. 유량계 장애는 유량계 이물질 걸림, 유량계 리드스위치 이상, 유량계선 단선이 있을 수 있다.

원격검침 데이터 분석으로 사용자 설비 장애를 진단하고 예측할 수 있다. 사용자 설비 장애 진단 및 예측은 계량 불량(부정사용 포함) 감지로 신속한 불량 개소 파악 및 조치하고, TCV 고장은 열사용 시설 과열 상태로 계량은 되지만 손실이 발생한다. 특히, 하절기 난방 미사용 시와 동절기 냉동기 미사용 시에 각 메인 밸브 차단을 유도한다.

그리고 온도가 낮을 때 사용미숙으로 바이패스(Bypass)관의 밸브를 OPEN할 수 있는데, Bypass 밸브는 필요시를 제외하고는 Close 상태 유지한다.

부스터 열교환기 사용을 위해서는 계절에 적절한 공급온도 사용을 안내한다. 열배관 누수를 진단할 수 있다. 과잉공급 동력비손실, 회수온도증가손실 문제 발생할 수 있으므로 계절을 고려한 Critical Point 추종 운전이 되게 한다.

한편, 본 발명에 의한 인공신경망을 이용한 적산열량계와 사용자 설비의 장애 예측 방법을 설명하기로 한다. 도 8은 본 발명에 따른 인공신경망을 이용한 적산열량계와 사용자 설비의 장애 예측 시스템의 일실시예를 블록도로 나타낸 것이다. 본 발명에 따른 인공신경망을 이용한 적산열량계와 사용자 설비의 장애 예측 시스템은 데이터 수집부(810), 빅데이터 DB(820) 및 인공신경망(Artificial Neural Network, ANN, 830)을 포함하여 이루어진다. 데이터수집부(810)는 적산열량계와 사용자 설비에 관한 원격검침 데이터를 수집하여 빅데이터DB(820)에 빅데이터로 축적한다.

인공신경망(ANN, 830)은 상기 빅데이터로 축적된 원격검침데이터와, 적산열량계와 사용자 설비의 과거 장애 발생 및 조치에 관한 보수이력 데이터와, 열공급조건 데이터를 입력층(input layer)의 입력값으로 하여 인공신경망의 은닉층(hidden layer)을 통해 적산열량계와 사용자 설비의 장애 패턴을 학습하고, 출력층(output layer)을 통해 상기 적산 열량계와 사용자 설비 장애 예측을 결과값으로 출력하여 빅데이터로 축적한다.

일반적으로 인공지능은 사람과 같은 방식으로 사고 및 처리가 가능한 컴퓨터 프로그램을 의미하며 구현하고자 하는 목적에 따라 학습하는 내용과 결과가 다르다. 인공지능의 기법은 다양하며 퍼지(FUZZY), 머신러닝(Machine Learning), 인공신경망(Artificial Neural Network, ANN), 딥러닝(Deep Learning, DL) 등이 존재한다.

본 발명에서는 인공지능 기법 중 인공신경망 모델을 적용하여 앞서 수집한 원격검침데이터와, 적산열량계와 사용자 설비의 과거 장애 발생 및 조치에 관한 보수이력 데이터와, 열공급조건 데이터를 학습한다. 학습 후 인공신경망 모델이 시스템에 적용되면 새롭게 받아오는 데이터를 통해 적산 열량계와 사용자 설비 장애 예측이 가능하다. 인공신경망의 학습에 사용되는 알고리즘 함수는 다양하며 각 모델은 학습 오차를 최적화 하는 방법이 달라 성능과 속도에 차이가 있을 수 있다.

도 9는 본 발명에 따른 인공신경망을 이용한 적산열량계와 사용자 설비의 장애 예측 방법에 대한 일실시예를 흐름도로 나타낸 것이다. 도 8 및 도 9를 참조하면, 데이터 수집부(810)가 적산열량계와 사용자 설비에 관한 원격검침 데이터를 수집하여 빅데이터 DB(820)에 빅데이터로 축적한다.(S910 단계) 인공신경망(830)은 상기 빅데이터로 축적된 원격검침데이터와, 적산열량계와 사용자 설비의 과거 장애 발생 및 조치에 관한 보수이력 데이터와, 열공급조건 데이터를 입력층(input layer)의 입력값으로 하여 인공신경망의 은닉층(hidden layer)을 통해 적산열량계와 사용자 설비의 장애 패턴을 학습하고, 출력층(output layer)을 통해 상기 적산 열량계와 사용자 설비 장애 예측을 결과값으로 출력하여 빅데이터로 축적한다.(920단계) 상기 학습된 인공신경망을 통해 상기 장애 패턴 별로 적산열량계 또는 사용자 설비의 장애를 예측한다.(S930단계)

상기 원격검침 데이터는 적산열량계의 누적 열량, 누적 유량, 순시 열량, 순시 유량, 공급온도, 회수온도, 공급온도와 회수온도의 온도차를 포함한다. 상기 열공급조건 데이터는 사용자 정보, 설비정보, 열사용정보, 건물용도, 건물의 규모, 공급계통 변경, 외기온도, 열부하 정보를 포함한다. 상기 보수이력 데이터는 장애 원인, 장애 기간, 장애 조치 정보, 장애 수리 전후의 공급온도와 회수온도 패턴을 포함한다.

인공신경망(830)에서의 상기 장애 패턴 학습은 회수온도가 공급온도를 트래킹하는 것을 학습하고, 회수온도와 공급온도의 차가 일정한 범위에 있는 빈도와 헌팅 현상을 판단하여 상기 학습된 빈도와 헌팅현상 및 상기 트래킹을 이용하여 온도조절밸브(TCV) 장애를 추정하도록 학습될 수 있다. 또한 공급온도가 미리 설정된 값 이상에서 현재 유량과 설계 유량을 비교하고, 회수온도가 미리 설정된 값 이상에서 공급온도와 회수온도의 차를 계산하여 상기 비교치와 온도차를 이용하여 차압유량조절밸브(PDCV) 장애를 추정하도록 학습될 수 있다.

예를 들어, 온도변화가 임계값보다 작고 온도차가 회수온도보다 높으면 정상으로 추정하고, 회수온도가 공급온도를 트래킹하면 온도조절밸브 이상으로 추정할 수 있다. 또한 회수온도가 공급온도와 비슷하면서 헌팅현상이 발생하거나 회수온도가 간헐적으로 공급온도와 비슷하면 온도조절밸브 이상으로 추정하고, 회수온도 온도변화가 작지만 공급온도와 회수온도의 온도차가 회수온도 보다 높으면, 열교환기의 성능저하 및 밸브 이상으로 추정할 수 있다.

또한 외기온도가 20°C 보다 높을 때 현재 유량이 설계유량보다 작거나 같고, 회수온도가 70°C 보다 크면서 공급온도와 회수온도의 온도차(차온)가 30°C 보다 작을 경우에는 온도조절밸브(TCV) 불량으로 추정할 수 있다.

공급온도가 90°C 이상이고 현재 유량이 설계유량 보다 크고, 회수온도가 70도보다 크면서 차온이 30°C 보다 작을 경우 차압유량조절밸브(PDCV) 불량으로 추정하고, 공급온도와 회수온도가 130°C 이상 또는 10 °C 이하 이면서 24시간 유지될 경우 센서 불량으로 추정할 수 있다. 외기온도 10°C 이하에서 공급온도가 90도 이상이면서 차온이 40°C 이상이고 열량이 0 일 경우 열량계 불량으로 추정할 수 있다.

또한, 차압유량조절밸브(PDCV) 누수에 의한 장애 패턴분석은 회수온도 및 차온 분석을 통해 이루어질 수 있다. 회수온도와 차압유량조절밸브 누수와의 검토는 정상상태에서 회수온도가 특정 트랜드를 나타내지 못한다. 다만, 회수온도 상하한 범위를 벗어나고 회수온도 상한점인 55℃ 이상이며 헌팅이 발생되면 차압유량조절 밸브 누수로 추정할 수 있다. 누수 상태에서 일부 데이터의 차온과의 관계는 차온 하한점인 40℃ 이하인 경우 장애 패턴에 해당될 수 있다. 또한 동절기 유량의 급격한 변화를 나타내며 회수온도 55℃ 이상 또는 차온이 40℃ 이하인 경우 누수를 추정할 수 있다.

본 발명은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터(정보 처리 기능을 갖는 장치를 모두 포함한다)가 읽을 수 있는 코드로서 구현될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 장치의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있다. 또한, 본 명세서에서, “부”는 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.

본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.

10 : 공급배관 12 : 회수배관
110 : 적산열량계 112 : 공급온도센서
114 : 회수온도센서 116 : 유량계
118 : 연산부 120 : 서버
130 : 원격검침모뎀 140 : 외부통신망
150 : 차압유량조절밸브(PDCV) 160 : 온도조절밸브(TCV)
14 : 바이패스관 170 : 바이패스 밸브
200 : 서버 210 : 온도센서 단선 검출부
220 : 온도센서 고장 검출부 230 : TCV 고장 검출부
240 : PDCV 고장 검출부 250 : 사용량 이상 검출부
260 : 주택유량계 이상 검출부 270 : 업무용 냉방유량계 이상 검출부
280 : 업무용 난방유량계 이상 검출부 290 : 도열검출부
310 : 적산열량계 312, 314 : 공급온도센서
316, 318 : 회수온도센서 810 : 데이터 수집부
820 : 빅데이터 DB 830 : 인공신경망

Claims

유량계, 감온부 및 연산부를 구비하는 적산열량계, 검침데이터를 분석하는 서버 및 상기 적산열량계와 서버 간의 데이터 송수신을 위해 신호를 변복조하는 원격검침모뎀을 포함하고, 상기 적산열량계와 사용자 설비의 장애를 검출하는 원격검침 시스템으로서,
상기 유량계는 회수배관을 통해 회수되는 유량을 측정하고,
상기 감온부는 공급온도센서와 회수온도센서를 구비하고, 상기 공급온도센서를 통해 공급배관의 유체 온도(공급온도라 함)를 측정하고, 상기 회수온도센서를 통해 회수배관의 유체 온도(회수온도라 함)를 측정하고,
상기 연산부는 상기 유량계에서 측정된 유량과 상기 감온부에서 측정한 공급온도 데이터 및 회수온도 데이터를 상기 원격검침모뎀을 통해 상기 서버로 전송하고,
상기 서버는
미리 설정된 기준공급온도보다 높은 온도의 공급온도 데이터가 일정시간 동안 연속 수신되면 상기 공급온도센서가 단선되었음을 표시하고, 미리 설정된 기준회수온도보다 높은 온도의 회수온도 데이터가 일정시간 동안 연속 수신되면 상기 회수온도센서가 단선되었음을 검출하여 표시하는 온도센서단선검출부; 및
공급온도 데이터가 일정시간 동안 변화가 없이 동일하면 상기 공급온도센서가 고장났음을 표시하고, 회수온도 데이터가 일정시간 동안 변화가 없이 동일하면 상기 회수온도센서가 고장났음을 검출하여 표시하는 온도센서고장검출부를 포함하는 것을 특징으로 하는, 적산열량계와 사용자 설비 장애 검출 시스템.
제1항에 있어서, 상기 공급온도센서 및 회수온도센서는
각각 2 개 설치되고, 상기 공급온도센서 또는 회수온도센서가 고장났을 경우, 고장난 온도센서의 값은 미리 설정한 값으로 출력되도록 설정되고,
상기 서버는 상기 공급온도센서 또는 회수온도센서의 값으로 미리 설정된 값과 정상적인 값을 수신할 때, 정상적인 값을 취하고, 미리 설정된 값을 출력한 온도센서가 고장났음을 표시하고,
상기 적산 열량계는 정상 동작되는 것을 특징으로 하는 적산열량계와 사용자 설비 장애 검출 시스템.
제1항에 있어서, 상기 서버는
회수온도가 일정시간 동안 계속해서 증가하면서 공급온도와 회수온도의 온도 차(ΔT )가 감소하면 사용자 설비의 온도조절밸브(TCV)가 고장 났음을 검출하고 표시하는 TCV 고장 검출부를 더 포함하는 것을 특징으로 하는, 적산열량계와 사용자 설비 장애 검출 시스템.
제1항에 있어서, 상기 서버는
유량이 없고 공급온도와 회수온도의 온도 차(T)가 임계값보다 작고 바이패스 밸브가 닫혀 있다면, PDCV 다이아프램(diaphragm)이 파손되었음을 검출하고 표시하는 PDCV 고장 검출부를 더 포함하는 것을 특징으로 하는, 적산열량계와 사용자 설비 장애 검출 시스템.
제1항에 있어서, 상기 서버는
등록된 사용자 정보가 정지 또는 해지 사용자이면서 열량 또는 유량 사용량이 0 보다 크면, 도열사용자로 판단하여 표시하고, 상기 도열사용자로 판단되면 원격으로 도열차단밸브를 제어하여 유량공급을 차단하는 도열검출부를 더 포함하는 것을 특징으로 하는, 적산열량계와 사용자 설비 장애 검출 시스템.
원격검침 데이터를 이용하여 적산 열량계와 사용자 설비의 장애를 검출하는 방법에 있어서,
회수배관을 통해 회수되는 유량이 유량계에 의해 측정되면 원격에 있는 서버로 전송하는 단계;
공급배관의 유체 온도(공급온도라 함)가 공급온도센서에 의해 측정되고, 회수배관의 유체 온도(회수온도라 함)가 회수온도센서에 의해 측정되면 공급온도 데이터 및 회수온도 데이터를 원격에 있는 서버로 전송하는 단계;
상기 서버는 미리 설정된 기준공급온도 보다 높은 온도의 공급온도 데이터가 일정시간 동안 연속 수신되면 상기 공급온도센서가 단선되었음을 표시하고, 미리 설정된 기준회수온도보다 높은 온도의 회수온도 데이터가 일정시간 동안 연속 수신되면 상기 회수온도센서가 단선되었음을 표시하는 단계; 및
상기 서버는 공급온도 데이터가 일정시간 동안 변화가 없이 동일하면 상기 공급온도센서가 고장났음을 표시하고, 회수온도 데이터가 일정시간 동안 변화가 없이 동일하면 상기 회수온도센서가 고장났음을 표시하는 단계를 포함하는, 원격검침 데이터를 이용한 적산열량계와 사용자 설비 장애 검출 방법.
데이터 수집부가 적산열량계와 사용자 설비에 관한 원격검침 데이터를 수집하여 빅데이터로 축적하는 단계;
상기 빅데이터로 축적된 원격검침데이터와, 적산열량계와 사용자 설비의 과거 장애 발생 및 조치에 관한 보수이력 데이터와, 열공급조건 데이터를 입력층(input layer)의 입력값으로 하여 인공신경망의 은닉층(hidden layer)을 통해 적산열량계와 사용자 설비의 장애 패턴을 학습하고, 출력층(output layer)을 통해 상기 적산 열량계와 사용자 설비 장애 예측을 결과값으로 출력하여 빅데이터로 축적하는 단계; 및
상기 학습된 인공신경망을 통해 상기 장애 패턴 별로 적산열량계 또는 사용자 설비의 장애를 예측하는 단계를 포함하고,
상기 원격검침 데이터는 적산열량계의 누적 열량, 누적 유량, 순시 열량, 순시 유량, 공급온도, 회수온도, 공급온도와 회수온도의 온도차를 포함하고,
열공급조건 데이터는 사용자 정보, 설비정보, 열사용정보, 건물용도, 건물의 규모, 공급계통 변경, 외기온도, 열부하 정보를 포함하고,
상기 보수이력 데이터는 장애 원인, 장애 기간, 장애 조치 정보, 장애 수리 전후의 공급온도와 회수온도 패턴을 포함하는 것을 특징으로 하는, 인공신경망을 이용한 적산열량계와 사용자 설비의 장애 예측 방법.
제7항에 있어서, 상기 장애 패턴 학습은
회수온도가 공급온도를 트래킹하는 것을 학습하고, 회수온도와 공급온도의 차가 일정한 범위에 있는 빈도와 헌팅 현상을 판단하여 상기 학습된 빈도와 헌팅현상 및 상기 트래킹을 이용하여 온도조절밸브(TCV) 장애를 추정하도록 학습되고,
공급온도가 미리 설정된 값 이상에서 현재 유량과 설계 유량을 비교하고, 회수온도가 미리 설정된 값 이상에서 공급온도와 회수온도의 차를 계산하여 상기 비교치와 온도차를 이용하여 차압유량조절밸브(PDCV) 장애를 추정하도록 학습되는 것을 특징으로 하는, 인공신경망을 이용한 적산열량계와 사용자 설비의 장애 예측 방법.