KR20230043585A - 펌프장 모니터링 장치 및 방법 - Google Patents

펌프장 모니터링 장치 및 방법 Download PDF

Info

Publication number
KR20230043585A
KR20230043585A KR1020210126656A KR20210126656A KR20230043585A KR 20230043585 A KR20230043585 A KR 20230043585A KR 1020210126656 A KR1020210126656 A KR 1020210126656A KR 20210126656 A KR20210126656 A KR 20210126656A KR 20230043585 A KR20230043585 A KR 20230043585A
Authority
KR
South Korea
Prior art keywords
pump
model
complex
complex factor
state
Prior art date
Application number
KR1020210126656A
Other languages
English (en)
Other versions
KR102631329B1 (ko
Inventor
임재철
임동현
이근형
김대천
Original Assignee
한국수자원공사
주식회사 필드솔루션
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 한국수자원공사, 주식회사 필드솔루션 filed Critical 한국수자원공사
Priority to KR1020210126656A priority Critical patent/KR102631329B1/ko
Publication of KR20230043585A publication Critical patent/KR20230043585A/ko
Application granted granted Critical
Publication of KR102631329B1 publication Critical patent/KR102631329B1/ko

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
    • F04D15/02—Stopping of pumps, or operating valves, on occurrence of unwanted conditions
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
    • F04D15/0072—Installation or systems with two or more pumps, wherein the flow path through the stages can be changed, e.g. series-parallel
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
    • F04D15/0077—Safety measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

본 발명의 일실시예에 따르면, 펌프에 설치된 센서모듈이 측정한 운영데이터를 수신하는 센싱단계, 상기 운영데이터를 이용하여 복합팩터를 산출하는 복합팩터 산출단계, 상기 복합팩터를 이용하여 상기 펌프의 상태를 판단하기 위한 모델을 생성하는 모델 생성단계, 및 상기 모델 생성단계에서 생성한 모델을 이용하여 상기 펌프의 상태를 판단하는 상태 판단단계를 포함하는, 펌프장 모니터링 방법을 제공하며, 복합팩터로서 레이놀즈수 및 펌프의 효율을 이용하므로, 유량, 온도, 압력, 전력을 복합적으로 감시할 수 있고, 별도의 계측기를 추가하지 않고 기존에 축적되어 있는 데이터를 이용하여, 펌프 가동 대수나 물 사용량에 무관하게 펌프마다 고장을 예측할 수 있다.

Description

펌프장 모니터링 장치 및 방법{Pumping station monitoring apparatus and method}
본 발명은 펌프장 모니터링 장치 및 방법에 관한 것이다.
상수도 시스템에서 정수된 물은 펌프장을 통해 상수도 배관으로 공급된다. 펌프장은 복수의 펌프가 설치되어 있고, 하나 또는 복수개의 펌프가 동시에 동작할 수 있다. 펌프장의 시설의 노후화 또는 기계적인 문제로 인하여 펌프에 고장이 발생할 수 있다. 펌프에 고장이 발생하면 정해진 양의 물을 공급하지 못하거나, 파이프나 펌프가 파손되어 누수 및 침수가 발생할 수 있다. 펌프장의 가동이 정지되면 상수도의 이용이 어려워지고 복구에 큰 비용이 소모되므로, 펌프에 고장이 발생하기 전에 고장 발생 가능성을 예측할 필요가 있다.
KR 10-2206737 B1
본 발명의 일실시예에 따른 목적은, 펌프장에 설치된 복수의 펌프 각각을 모니터링하여 펌프의 고장을 예측하기 위한 것이다.
본 발명의 일실시예에 따른 펌프장 모니터링 방법은, 펌프에 설치된 센서모듈이 측정한 운영데이터를 수신하는 센싱단계, 상기 운영데이터를 이용하여 복합팩터를 산출하는 복합팩터 산출단계, 상기 복합팩터를 이용하여 상기 펌프의 상태를 판단하기 위한 모델을 생성하는 모델 생성단계, 및 상기 모델 생성단계에서 생성한 모델을 이용하여 상기 펌프의 상태를 판단하는 상태 판단단계를 포함할 수 있다.
또한, 상기 복합팩터는 상기 운영데이터에 포함된 유량, 수온, 전력을 이용하여 산출한 레이놀즈수, 및 상기 운영데이터에 포함된 유량, 압력, 전력을 이용하여 산출한 효율 중에서 하나 이상을 포함할 수 있다.
또한, 상기 모델 생성단계는 상기 저장부에 정해진 시간마다 저장된 복수의 상기 복합팩터의 값을 정규분포화하고, 설정된 제1 신뢰구간에 따른 복합팩터의 제1 한계범위를 산출한 제1 모델을 생성하는 제1 모델 생성단계를 포함할 수 있다.
또한, 상기 상태 판단단계는 실시간으로 산출되는 상기 복합팩터가 상기 제1 한계범위를 벗어나면 이상상태로 판단하고, 상기 복합팩터가 상기 제1 한계범위 내에 포함되면 정상상태로 판단하는 제1 상태 판단을 포함할 수 있다.
또한, 상기 모델 생성단계는 상기 저장부에 정해진 시간마다 저장된 복수의 상기 복합팩터의 값을 이용하여 자기회귀 이동평균을 도출하고, 미래의 정해진 시간의 복합팩터의 값을 복수개 예측하고, 예측된 복합팩터의 값들을 정규분포화하고 설정된 제2 신뢰구간에 따른 복합팩터의 제2 한계범위를 산출한 제2 모델을 생성하는 제2 모델 생성단계를 포함할 수 있다.
또한, 상기 상태 판단단계는 상기 미래의 정해진 시간에 도달하여 산출되는 상기 복합팩터가 상기 제2 한계범위를 벗어나면 이상상태로 판단하고, 상기 복합팩터가 상기 제2 한계범위 내에 포함되면 정상상태로 판단하는 제2 상태 판단을 포함할 수 있다.
또한, 본 발명의 일실시예에 따른 펌프장 모니터링 방법은, 상기 상태 판단단계에서 이상상태로 판단되는 경우, 관리자 단말 또는 상위 관리 시스템으로 이상상태로 판단되었음을 알리되, 펌프의 전원부, 설비부, 센서모듈를 점검할 순서를 포함하는 알림단계를 더 포함할 수 있다.
또한, 상기 복합팩터 산출단계는 복수개의 펌프의 유출배관이 하나의 통합배관으로 연결되고, 상기 운영데이터의 유량이 통합배관에서만 측정되는 경우, 펌프가 소모하는 전력에 따라 상기 통합배관에서 측정되는 유량을 상기 복수개의 펌프마다 배분하여 상기 복합팩터를 펌프마다 산출할 수 있다.
또한, 상기 복합팩터 산출단계는 상기 펌프, 상기 펌프에 연결된 배관마다 레이놀즈수를 산출하고, 상기 펌프마다 효율을 산출할 수 있다.
또한, 상기 모델 생성단계는 상기 펌프, 배관마다 모델을 생성할 수 있다.
또한, 상기 상태 판단단계는 상기 펌프, 배관마다 생성된 모델을 이용하여 상기 펌프, 배관마다 정상상태 또는 이상상태를 판단할 수 있다.
본 발명의 일실시예에 따른 펌프장 모니터링 장치는, 펌프에 설치된 센서모듈이 측정한 운영데이터를 획득하고, 상기 운영데이터를 이용하여 복합팩터를 산출하고, 상기 운영데이터와 복합팩터를 시간별로 저장부에 저장하는 데이터획득부, 상기 복합팩터를 이용하여 상기 펌프의 상태를 판단하기 위한 모델을 생성하는 모델생성부, 및 상기 모델생성부에서 생성한 모델을 이용하여 상기 펌프의 상태를 판단하는 상태판단부를 포함할 수 있다.
또한, 상기 모델생성부는 상기 저장부에 정해진 시간마다 저장된 복수의 상기 복합팩터의 값을 정규분포화하고, 설정된 제1 신뢰구간에 따른 복합팩터의 제1 한계범위를 산출한 제1 모델, 및 상기 저장부에 정해진 시간마다 저장된 복수의 상기 복합팩터의 값을 이용하여 자기회귀 이동평균을 도출하고, 미래의 정해진 시간의 복합팩터의 값을 복수개 예측하고, 예측된 복합팩터의 값들을 정규분포화하고 설정된 제2 신뢰구간에 해당하는 복합팩터의 제2 한계범위를 산출한 제2 모델 중에서 하나 이상을 생성할 수 있다.
또한, 상기 상태판단부는 상기 데이터획득부에서 실시간으로 산출되는 상기 복합팩터가 상기 제1 한계범위를 벗어나면 이상상태로 판단하고, 상기 복합팩터가 상기 제1 한계범위 내에 포함되면 정상상태로 판단하는 제1 상태 판단, 및 상기 미래의 정해진 시간에 도달하여 산출되는 상기 복합팩터가 상기 제2 한계범위를 벗어나면 이상상태로 판단하고, 상기 복합팩터가 상기 제2 한계범위 내에 포함되면 정상상태로 판단하는 제2 상태 판단 중에서 하나 이상을 수행할 수 있다.
또한, 본 발명의 일실시예에 따른 펌프장 모니터링 장치는, 상기 상태판단부에서 이상상태로 판단되는 경우, 관리자 단말 또는 상위 관리 시스템으로 상기 펌프가 이상상태임을 알리되, 펌프의 전원부, 설비부, 센서모듈를 점검할 순서를 함께 알리는 알림부를 더 포함할 수 있다.
또한, 상기 데이터획득부는 복수개의 펌프의 유출배관이 하나의 통합배관으로 연결되고, 상기 운영데이터의 유량이 통합배관에서만 측정되는 경우, 펌프가 소모하는 전력에 따라 상기 통합배관에서 측정되는 유량을 상기 복수개의 펌프마다 배분하여 상기 복합팩터를 펌프마다 산출할 수 있다.
본 발명의 특징 및 이점들은 첨부도면에 의거한 다음의 상세한 설명으로 더욱 명백해질 것이다.
이에 앞서 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이고 사전적인 의미로 해석되어서는 아니 되며, 발명자가 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합되는 의미와 개념으로 해석되어야만 한다.
본 발명의 일실시예에 따르면, 별도의 계측기를 추가하지 않고 기존에 축적되어 있는 데이터를 이용하여, 펌프 가동 대수나 물 사용량에 무관하게 펌프마다 고장을 예측할 수 있다.
도 1은 본 발명의 일실시예에 따른 펌프장 모니터링 장치를 나타내는 도면이다.
도 2는 본 발명의 일실시예에 따른 펌프장 모니터링 장치의 구성을 나타내는 도면이다.
도 3은 본 발명의 일실시예에 따른 펌프장 모니터링 방법의 각 단계를 나타내는 흐름도이다.
도 4는 펌프가 이상상태인 경우 수행하는 점검의 각 단계를 나타내는 흐름도이다.
도 5는 본 발명의 일실시예에 따른 비-시간 데이터 분석을 설명하는 도면이다.
도 6은 본 발명의 일실시예에 따른 시간 데이터 분석을 설명하는 도면이다.
본 발명의 일실시예의 목적, 특정한 장점들 및 신규한 특징들은 첨부된 도면들과 연관되어지는 이하의 상세한 설명과 바람직한 실시예들로부터 더욱 명백해질 것이다. 본 명세서에서 각 도면의 구성요소들에 참조번호를 부가함에 있어서, 동일한 구성 요소들에 한해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 번호를 가지도록 하고 있음에 유의하여야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
"일면", "타면", "제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위해 사용되는 것으로, 구성요소가 상기 용어들에 의해 제한되는 것은 아니다. 이하, 본 발명의 일실시예를 설명함에 있어서, 본 발명의 일실시예의 요지를 불필요하게 흐릴 수 있는 관련된 공지 기술에 대한 상세한 설명은 생략한다.
이하, 첨부된 도면을 참조하여, 본 발명의 일실시예를 상세히 설명한다.
도 1은 본 발명의 일실시예에 따른 펌프장 모니터링 장치(100)를 나타내는 도면이다.
도 1에 도시된 바와 같이, 펌프장(10)은 하나 이상의 펌프(20)를 포함할 수 있다. 예를 들어, 도 1에는 제1 펌프(20a), 제2 펌프(20b), 제3 펌프(20c), 제4 펌프(20d)를 포함하는 펌프장(10)이 도시된다. 펌프장(10)은 상수도 공급 시스템, 하수 처리 시스템, 빗물 배출 시스템 등의 다양한 물 관련 서비스를 위해 이용될 수 있다.
펌프(20)는 전원부, 설비부, 센서부를 포함할 수 있다. 전원부는 외부의 전력을 공급받아 펌프(20)의 모터에 공급한다. 설비부는 모터, 임펠라, 헤더 등을 포함할 수 있다. 센서부는 펌프(20)에 공급되는 전력, 토출압력, 회전수, 가동시간 등을 측정할 수 있다. 펌프(20)는 유입배관(31)을 통해 물을 빨아들이고, 유출배관(32)을 통해 물을 배출할 수 있다. 통합배관(33)은 복수의 유입배관(31) 또는 유출배관(32)이 합류하는 배관(30)이다. 도 1에는 제1 펌프(20a)부터 제4 펌프(20d)에 연결된 유출배관(32)들이 하나의 통합배관(33)에 연결된 배관(30) 구조를 예시적으로 도시한다.
펌프장(10)은 다양한 사고가 발생할 수 있다. 예를 들어, 펌프(20)의 전원부, 설비부, 센서부 중의 어느 하나가 고장나거나, 배관(30)이 파괴되거나, 펌프(20)의 진동으로 인해 펌프(20)와 바닥의 고정이 파괴될 수도 있다. 펌프장(10)의 사고를 복구하기 위하여 긴 시간과 높은 비용이 소요된다. 따라서 펌프장(10)에 사고가 발생하기 전에 미리 사고 발생 가능성을 예측하는 것이 필요하다.
본 발명의 일실시예에 따른 펌프장 모니터링 장치(100)는 펌프장(10)의 다양한 시설에 설치된 센서모듈(40)로부터 수신한 데이터를 분석하여 펌프장(10)에 이상이 발생하였는지 판단하여 자동으로 관리자에게 알림을 제공하므로 사고가 발생하기 전에 펌프장(10)을 점검할 수 있다.
본 발명의 일실시예에 따른 펌프장 모니터링 장치(100)는 펌프장(10)에 설치된 센서모듈(40)로부터 데이터를 획득할 수 있고, 관리자 단말(200) 또는 상위 관리 시스템(300)과 데이터를 송수신할 수 있다. 센서모듈(40), 펌프장 모니터링 장치(100), 관리자 단말(200), 상위 관리 시스템(300)은 유선 또는 무선 네트워크를 통해 연결되어 데이터를 송수신할 수 있다.
펌프장 모니터링 장치(100)는 정보처리기능을 수행할 수 있는 컴퓨터 장치를 포함할 수 있다. 펌프장 모니터링 장치(100)는 펌프장(10)에 설치될 수도 있고, 펌프장(10)으로부터 원격지에 있는 상위 관리 시스템(300)의 일부로 구현될 수도 있다. 상위 관리 시스템(300)은 물 관리를 위하여 기존에 이용되고 있는 HMI(Human Machine Interface), SCADA(Supervisory Control And Data Acquisition) 등의 시스템을 포함할 수 있다.
관리자 단말(200)은 펌프장(10)의 운영을 감독하는 관리자가 이용하는 정보처리장치를 포함한다. 관리자 단말(200)은, PC, 스마트폰, PDA, 태블릿PC 등의 컴퓨터 장치를 포함할 수 있다. 관리자는 관리자 단말(200)로 전송된 알림을 참조하여, 펌프장(10)에 이상이 발생한 것을 인지할 수 있다.
도 2는 본 발명의 일실시예에 따른 펌프장 모니터링 장치(100)의 구성을 나타내는 도면이다.
센서모듈(40)은 펌프장(10)에 설치되어, 펌프(20), 유입배관(31), 유출배관(32), 통합배관(33) 등의 상태를 측정한 데이터를 펌프장 모니터링 장치(100)로 제공할 수 있다. 센서모듈(40)은 유량센서(41), 전력센서(42), 온도센서(43), 및 압력센서(44) 중에서 하나 이상을 포함할 수 있다. 센서모듈(40)은 센서의 종류에 따라 다양한 형태와 구조로 구현될 수 있다. 예를 들어, 센서모듈(40)은 유출배관(32) 또는 통합배관(33)에 설치되어 있는 유량측정기로 구현될 수 있다. 센서모듈(40)은 펌프(20)의 전원부에 공급되는 전력을 측정하는 전력측정기로 구현될 수 있다.
센서모듈(40)은 펌프장(10)의 운영 상태를 수집하기 위하여 이미 펌프장(10)에 설치되어 있는 센서 장치들을 포함한다. 센서모듈(40)은 펌프(20) 또는 배관(30)에 연결되는 센서, 센서와 연결되는 PLC, 펌프장(10)에서 관리자가 측정값을 확인할 수 있는 HMI, 통신중계기, 펌프장(10)에 설치된 데이터베이스 등의 장치를 포함할 수 있다. 펌프장(10)에 설치된 센서 장치들에 의해 수집된 운영데이터는 상위 관리 시스템(300)에 저장되어 있을 수 있다. 펌프장 모니터링 장치(100)는 상위 관리 시스템(300)에 저장되어 있는 기존의 운영데이터를 이용할 수 있다. 센서모듈(40)은 펌프(20)마다 설치될 수 있다. 센서모듈(40)은 펌프(20)에 연결된 유입배관(31), 유출배관(32), 통합배관(33) 등의 배관(30)마다 설치될 수 있다.
본 발명의 일실시예에 따른 펌프장 모니터링 장치(100)는 펌프(20)에 설치된 센서모듈(40)이 측정한 운영데이터를 획득하고, 상기 운영데이터를 이용하여 복합팩터를 산출하고, 상기 운영데이터와 복합팩터를 시간별로 저장부(120)에 저장하는 데이터획득부(110), 복합팩터를 이용하여 펌프(20)의 상태를 판단하기 위한 모델을 생성하는 모델생성부(150), 및 모델생성부(150)에서 생성한 모델을 이용하여 펌프(20)의 상태를 판단하는 상태판단부(160)를 포함할 수 있다.
펌프장 모니터링 장치(100)는 저장부(120), 입출력부(130), 통신부(140)를 더 포함할 수 있다. 저장부(120)는 센서모듈(40)이 측정하는 운영데이터, 데이터획득부(110)가 산출하는 복합팩터, 모델생성부(150)가 생성하는 모델, 본 발명의 일실시예에 따른 펌프장(10) 모니터링 방법을 수행하도록 작성된 프로그램 코드, 그 밖에 본 발명의 일실시예에 필요한 정보를 저장할 수 있다. 저장부(120)는 상위 관리 시스템(300)의 저장장치 또는 클라우드 저장장치로 구현될 수 있다.
입출력부(130)는 관리자의 입력을 수신하는 입력장치, 및 관리자에게 정보를 제공하는 출력장치를 포함할 수 있다. 입력장치는 키보드, 마우스, 터치패드, 터치펜 등의 장치를 포함할 수 있다. 출력장치는 디스플레이, 스피커, 프린터 등의 장치를 포함할 수 있다. 관리자는 입출력부(130)를 이용하여 명령이나 설정값을 펌프장 모니터링 장치(100)에 입력할 수 있다. 관리자는 입출력부(130)를 통해 펌프장(10)의 상태에 관한 정보를 제공받을 수 있다.
통신부(140)는 펌프장 모니터링 장치(100), 센서모듈(40), 관리자 단말(200), 상위 관리 시스템(300)이 유선 또는 무선 네트워크를 통해 데이터를 송수신할 수 있게 연결한다. 통신부(140)는 LAN, WAN, ethernet, IP4, IP6, VPN, bluetooth, zigbee, Wi-fi, 등의 통신방식을 이용하도록 구성될 수 있다.
모델생성부(150)는 저장부(120)에 정해진 시간마다 저장된 복수의 복합팩터의 값을 정규분포화하고, 설정된 제1 신뢰구간에 따른 복합팩터의 제1 한계범위를 산출한 제1 모델, 및 저장부(120)에 정해진 시간마다 저장된 복수의 복합팩터의 값을 이용하여 자기회귀 이동평균을 도출하고, 미래의 정해진 시간의 복합팩터의 값을 복수개 예측하고, 예측된 복합팩터의 값들을 정규분포화하고 설정된 제2 신뢰구간에 해당하는 복합팩터의 제2 한계범위를 산출한 제2 모델 중에서 하나 이상을 생성할 수 있다.
상태판단부(160)는 데이터획득부(110)에서 실시간으로 산출되는 복합팩터가 제1 한계범위를 벗어나면 이상상태로 판단하고, 복합팩터가 상기 제1 한계범위 내에 포함되면 정상상태로 판단하는 제1 상태 판단, 및 미래의 정해진 시간에 도달하여 산출되는 복합팩터가 제2 한계범위를 벗어나면 이상상태로 판단하고, 복합팩터가 제2 한계범위 내에 포함되면 정상상태로 판단하는 제2 상태 판단 중에서 하나 이상을 수행할 수 있다.
본 발명의 일실시예에 따른 펌프장 모니터링 장치(100)는 상기 상태판단부(160)에서 이상상태로 판단되는 경우, 관리자 단말(200) 또는 상위 관리 시스템(300)으로 상기 펌프(20)가 이상상태임을 알리되, 펌프(20)의 전원부, 설비부, 센서모듈(40)를 점검할 순서를 함께 알리는 알림부(170)를 더 포함할 수 있다. 알림부(170)는 다양한 방법으로 이상상태가 감지되었음을 관리자에게 알릴 수 있다. 알림부(170)는 문자메세지를 관리자 단말(200)로 송신하거나, 알림을 음성으로 펌프장(10)의 스피커를 통해 출력하거나, 펌프장(10) 또는 상위 관리 시스템(300)의 디스플레이를 통해 알림을 시각적으로 제공할 수 있다. 알림부(170)는 제1 상태 판단 결과 이상상태로 판단되었는지 또는 제2 상태 판단 결과 이상상태로 판단되었는지에 관한 정보를 알림에 포함할 수 있다.
도 3은 본 발명의 일실시예에 따른 펌프장(10) 모니터링 방법의 각 단계를 나타내는 흐름도이다. 도 1, 2, 3을 함께 참조한다.
도 3에 도시된 바와 같이, 본 발명의 일실시예에 따른 펌프장(10) 모니터링 방법은, 펌프(20)에 설치된 센서모듈(40)이 측정한 운영데이터를 수신하는 센싱단계(S10), 운영데이터를 이용하여 복합팩터를 산출하는 복합팩터 산출단계(S20), 복합팩터를 이용하여 펌프(20)의 상태를 판단하기 위한 모델을 생성하는 모델 생성단계(S31, S41), 및 모델 생성단계(S31, S41)에서 생성한 모델을 이용하여 펌프(20)의 상태를 판단하는 상태 판단단계(S32, S42)를 포함할 수 있다.
센싱단계(S10)에서 센서모듈(40)은 운영데이터를 측정하고, 운영데이터를 데이터획득부(110)로 제공할 수 있다. 센싱단계(S10)에서 데이터획득부(110)는 수신한 운영데이터를 시간별로 저장부(120)에 저장할 수 있다. 센싱단계(S10)에서 센서모듈(40)은 정해진 시간마다 운영데이터를 측정한다. 운영데이터는 유량, 온도, 압력, 전력을 포함한다. 센싱단계(S10)에서 데이터획득부(110)는 센서모듈(40)로부터 수신한 운영데이터의 오측 또는 결측을 보정할 수 있다. 오측은 일반적인 측정값의 범위에서 매우 많이 벗어나는 값이며, 결측은 정해진 시간에 측정이 이루어지지 않거나, 정해진 시간에 측정된 데이터가 수신되지 않는 것이다. 오측 또는 결측이 존재하는 경우, 데이터획득부(110)는 가장 최근에 수신된 운영데이터를 이용하여 k-NN, Row 삭제, 중간값 순서로 오측 또는 결측된 데이터를 보정할 수 있다.
복합팩터 산출단계(S20)에서, 데이터획득부(110)는 운영데이터를 이용하여 복합팩터를 산출하여 저장부(120)에 저장할 수 있다. 데이터획득부(110)는 저장부(120)에 저장되어 있는 기존의 운영데이터를 이용하여 복합팩터를 산출할 수 있고, 실시간으로 센서모듈(40)로부터 수신되는 운영데이터를 이용하여 복합팩터를 산출할 수 있다. 데이터획득부(110)는 특정 시간에 측정된 운영데이터를 이용하여 복합팩터를 산출하고, 특정 시간의 복합팩터로 저장부(120)에 저장할 수 있다. 저장부(120)에는 시간마다 대응하는 운영데이터와 복합팩터가 함께 저장될 수 있다.
복합팩터는 펌프장(10)에 설치된 펌프(20)마다 산출될 수 있다. 복합팩터는 펌프(20)에 연결된 유입배관(31), 유출배관(32), 통합배관(33) 등 배관(30)마다 산출될 수도 있다. 복합팩터 산출단계(S20)는 펌프(20), 펌프(20)에 연결된 유입배관(31), 펌프(20)에 연결된 유출배관(32)마다 레이놀즈수를 산출할 수 있다. 복합팩터 산출단계(S20)는 펌프(20)마다 효율을 산출할 수 있다. 효율은 펌프(20)의 효율이므로 배관(30)에서 산출되는 값이 아니다. 레이놀즈수는 배관(30)과 펌프(20)마다 산출될 수 있다.
복합팩터는 운영데이터에 포함된 유량, 수온, 전력을 이용하여 산출한 레이놀즈수, 및 운영데이터에 포함된 유량, 압력, 전력을 이용하여 산출한 효율 중에서 하나 이상을 포함할 수 있다.
종래, 펌프장(10)의 전체 유출유량이나 압력을 비롯한 여러 측정값에 대하여 미리 설정된 상하한값과 현재 측정값을 비교하는 방식의 단순한 모니터링 방법이 존재한다. 펌프장(10)의 전체 유출유량이나 압력은 펌프(20)의 가동 대수나, 용량, 물 사용량에 따라 크게 변화하기 때문에, 종래의 모니터링 방법으로는 펌프(20)설비의 이상유무를 정확하게 인지하기 어렵다.
본 발명의 일실시예에 따라 복합팩터인 레이놀즈수를 이용하면, 유량, 수온, 전력을 복합적으로 이용하여 펌프(20) 또는 배관(30)의 상태를 판단할 수 있다. 그리고, 복합팩터인 효율을 이용하면 유량, 압력, 전력을 복합적으로 이용하여 펌프(20)의 상태를 판단할 수 있다. 복합팩터인 효율은 펌프(20)의 효율이다.
레이놀즈수는 아래 수학식 1을 이용하여 산출될 수 있다.
Figure pat00001
Re: 레이놀즈수(Reynolds number), ρ: 유체의 밀도, ν: 동점성계수, μ: 점성계수, V: 유체의 평균속도, D: 배관(30)의 직경.
펌프(20)를 통해 이동하는 물의 온도를 측정하면 알려진 물의 동점성계수표를 이용하여 현재 온도의 동점성계수(ν)를 알 수 있다. 물의 밀도는 온도에 따라 달라지므로, 현재 온도를 이용하여 현재 유체(물)의 밀도(ρ)를 알 수 있다. 물의 점성계수는 알려진 값이다. 배관(30)의 직경(D)는 펌프장(10)에 설치된 배관(30)의 직경이므로 알고있는 값이다. 유체의 평균속도(V)는 측정된 유량과 배관(30)의 직경(D)을 이용하여 산출할 수 있다.
레이놀즈수는 배관(30) 내의 유체의 흐름 거동을 나타낼 수 있다. 레이놀즈수가 2100 이하일 경우 층류, 4000이상일 경우 난류, 2100과 4000 사이는 전이영역으로 나타난다. 레이놀즈수는 배관(30) 내의 약품반응, 배관(30) 내의 추진력(Driving force)에 대한 파라미터로서 운영비에 영향을 줄 수 있다. 레이놀즈수의 급격한 변화는 배관(30) 내의 유체의 흐름 거동의 급격한 변화를 나타낸다. 따라서 레이놀즈수는 펌프(20) 또는 배관(30)의 종합적인 상태를 나타내는 팩터가 될 수 있다.
유량을 측정할 수 있는 센서모듈(40)이 펌프(20)마다 설치되어서, 펌프(20)마다 유량이 측정될 수 있다. 그러나, 유량을 측정하기 위한 센서모듈(40)인 유량측정기는 정확한 측정을 위하여 정해진 길이의 직선형 배관(30)에 설치되어야 한다. 펌프장(10)의 면적이 좁은 경우, 통합배관(33)에만 유량을 측정하기 위한 센서모듈(40)이 설치되는 경우가 있다. 이때, 데이터획득부(110)에서 수행되는 복합팩터 산출단계(S20)는 복수개의 펌프(20)의 유출배관(32)이 하나의 통합배관(33)으로 연결되고, 운영데이터의 유량이 통합배관(33)에서만 측정되는 경우, 펌프(20)가 소모하는 전력에 따라 통합배관(33)에서 측정되는 유량을 복수개의 펌프(20)마다 배분하여 복합팩터를 펌프(20)마다 산출할 수 있다.
예를 들어, 통합배관(33)에만 유량을 측정하는 센서모듈(40)이 설치되고, 각 펌프(20)에 연결된 유출배관(32)에는 유량을 측정하는 센서모듈(40)이 설치되지 않을 수 있다. 데이터획득부(110)는 펌프(20)마다 설치된 전력을 측정하는 센서모듈(40)이 측정한 전력을 수신할 수 있다. 데이터획득부(110)는 통합배관(33)에서 측정된 유량을 펌프(20)가 소모하는 전력의 비에 따라 나누어 각각의 펌프(20)의 유량을 산출할 수 있다. 이와 같이 전력의 비를 이용하여 유량을 펌프(20)마다 배분하면, 펌프(20)마다 유량을 측정할 수 없는 환경의 펌프장(10)에서도 본 발명을 적용할 수 있다.
펌프(20)의 효율은 수력학적 방법으로 산출될 수 있다. 수력학적 방법으로 펌프(20)의 효율을 산출하는 단순화된 공식은 아래 수학식 2와 같다.
Figure pat00002
η: 펌프(20)효율[%], Q: 유량[m3/min], H : 전양정[m], E : 전압[kV], I : 전류[A], Cosψ: 역률[%], ηm : 모터효율[%]
수학식 2는 단순화 과정에서 마찰손실을 고려하지 않아서 오차가 발생한다. 본 발명은 수력학적 모델의 단순화되지 않은 Bernoulli식에 펌프(20)의 효율을 산출하기 위하여 알맞은 가정을 반영하여 개량한 공식을 이용한다. 이하에서 개량된 공식을 도출하기 위한 내용을 설명한다.
펌프(20) 효율을 산출하기 위해서 사용한 기본 모델은 Bernoulli식을 적용하였으나, 실제 발생하는 물리적, 화학적 현상을 보강한다. 상속도구배와 전단응력이 선형관계를 가지는 비압축성 뉴턴이안 유체로 가정한다. 내경, 점도, 밀도는 파라형식으로 한다. 평균유속 값을 산출하기 위해서, 포텐셜 흐름(potential flow)라는 가정 하에 연속 방정식(equation of continuity)를 유도하고, 미분 가능한 질량 유량식인 수학식 3을 적용한다.
Figure pat00003
수학식 3을 다시 전체 단면을 지나는 전체 질량유량으로 환산한다. 단면적 S 전체에 대한 적분이라는 점에 기초하여, 수학식 4를 유도할 수 있다.
Figure pat00004
평균유속은 부피유량 q를 단면적으로 나눈 값으로 연산한다. 부피유량 q는 전체 부피유량을 유로의 단면적으로 나눈 값이다. 다만 수학식 4에서는 최초 유도시 포텐셜 흐름이라는 가정을 하여 마찰이 없는 비점성 액체라는 가정에 대한 보정을 반드시 수행하여야 실제 현실에서 발생되는 역학적인 현상을 표현할 수 있다. 이를 위해서 배관(30)구조에서 발생할 수 있는 위치, 운동에너지, 펌프(20) 일, 유체마찰을 고려한 수정된 Bernoulli식을 적용해야 한다. 부피유량과 표면적사이에는 경계면이 존재하고 추진력(Driving Force)이 발생할 경우 경계면에선 발생되는 속도구배에 대한 해석이 필요하다. 이 유체 흐름 현상을 보정한 것이 수학식 5이다. 수학식 5는 본 발명에서 이용하는 수정된 Bernoulli식이다.
Figure pat00005
수학식 5에 실시간으로 수집 되는 센서 데이터와 도면에서 수집할 수 있는 배관(30)관련 정보를 입력하여 실시간으로 레이놀즈 수, 펌프(20)가 내야할 압력, 동력 및 유량을 계산할 수 있다. 펌프(20) 효율은 실제 모터 정격전력 사용량과 펌프(20)가 한 일의 비율로 나타낼 수 있으며 이를 연산하기 위해서는 인입/토출압력, 유량, 수온, 전력 및 관련 데이터를 저장부(120)로부터 취득하여 연산한다.
펌프(20) 외 물질수지에서 발생하는 축동력 손실, 배관(30)손실와 같은 손실 값도 모델에 반영하기 위해서 마찰계수 hf를 아래 수학식 6을 이용하여 산출한다.
Figure pat00006
hf: 마찰계수,
Figure pat00007
: 표면마찰계수, Kc: 축소손실계수, Ke: 확대손실계수, Kf: 이음쇠 또는 밸브 손실계수.
펌프장(10)에 따라, 압력계 위치가 체크밸브 이후에 설치되어 있는 경우, 체크밸브에 대한 마찰손실을 반영하여 hf값을 산정할 필요가 있다.
펌프장(10)의 초기 설치 시 제조사가 보증하는 밸브, 배관(30)에 대한 마찰손실을 적용할 수 있으나 운전개시 후 운전기간이 2~5년 이상일 경우 약품에 의한 표현 거칠기 증가, 조폐류 성장에 따른 거칠기 증가, 확대/축소 손실계수도 변경할 필요가 있다. 다만, 경험적으로 산출하여야 하는 기타 손실값은 무시하고, 흡입, 토출에 대한 값을 마찰 손실로 판단하여 연산하였다. 그 결과 수학식 7을 도출할 수 있다.
Figure pat00008
수학식 7은 펌프(20)를 통한 물의 이송 시에 발생하는 배관(30) 및 기타 마찰손실 값을 고려하여 정확도를 향상킨 식이며, 본 발명의 일실시예에 따른 펌프(20)의 효율을 산출할 때 이용된다.
복합팩터 산출단계(S20) 이후에, 비-시간 데이터(Non-Time data) 분석(S30) 및 시간 데이터(Time data) 분석(S40)이 수행될 수 있다. 비-시간 데이터 분석(S30)과 시간 데이터 분석(S40)은 어느 하나만 수행될 수도 있고, 모두 수행될 수도 있다. 비-시간 데이터 분석(S30)이 먼저 수행되고 정상 상태인 경우 시간 데이터 분석(S40)이 수행될 수도 있다. 반대로, 시간 데이터 분석(S40)이 먼저 수행되고 정상 상태인 경우 비-시간 데이터 분석(S30)이 수행될 수도 있다. 도 3에서는 예시적으로, 비-시간 데이터 분석(S30)을 수행한 결과 정상상태(Y1)인 경우 시간 데이터 분석(S40)을 수행하도록 도시되어 있다. 비-시간 데이터 분석(S30)과 시간 데이터 분석(S40)은 각각 독립적으로 수행될 수 있다. 비-시간 데이터 분석(S30)과 시간 데이터 분석(S40)은 순서대로 수행될 수도 있다.
비-시간 데이터(Non-Time data) 분석(S30)은 제1 모델 생성단계(S31)와 제1 상태 판단단계(S32)를 포함할 수 있다. 제1 상태 판단단계(S32)는 제1 모델 생성단계(S31) 이후에 수행될 수 있다. 시간 데이터(Time data) 분석(S40)은 제2 모델 생성단계(S41)와 제2 상태 판단단계(S42)를 포함할 수 있다. 제2 상태 판단단계(S42)는 제2 모델 생성단계(S41) 이후에 수행될 수 있다.
비-시간 데이터 분석(S30)에서, 모델 생성단계는 저장부(120)에 정해진 시간마다 저장된 복수의 복합팩터의 값을 정규분포화하고, 설정된 제1 신뢰구간에 따른 복합팩터의 제1 한계범위를 산출한 제1 모델을 생성하는 제1 모델 생성단계(S31)를 포함할 수 있다. 모델생성부(150)는 제1 모델 생성단계(S31)를 수행하여 제1 모델을 생성할 수 있다. 비-시간 데이터 분석(S30)에서, 상태 판단단계는 실시간으로 산출되는 복합팩터가 제1 한계범위를 벗어나면 이상상태로 판단하고, 복합팩터가 제1 한계범위 내에 포함되면 정상상태(Y1)로 판단하는 제1 상태 판단단계(S32)를 포함할 수 있다. 상태판단부(160)는 제1 모델을 이용하여 제1 상태 판단단계(S32)를 수행할 수 있다.
시간 데이터 분석(S40)에서, 모델 생성단계는 저장부(120)에 정해진 시간마다 저장된 복수의 복합팩터의 값을 이용하여 자기회귀 이동평균을 도출하고, 미래의 정해진 시간의 복합팩터의 값을 복수개 예측하고, 예측된 복합팩터의 값들을 정규분포화하고 설정된 제2 신뢰구간에 따른 복합팩터의 제2 한계범위를 산출한 제2 모델을 생성하는 제2 모델 생성단계(S41)를 포함할 수 있다. 모델생성부(150)는 제2 모델 생성단계(S41)를 수행하여 제2 모델을 생성할 수 있다. 시간 데이터 분석(S40)에서, 상태 판단단계는 미래의 정해진 시간에 도달하여 산출되는 복합팩터가 제2 한계범위를 벗어나면 이상상태로 판단하고, 복합팩터가 제2 한계범위 내에 포함되면 정상상태(Y2)로 판단하는 제2 상태 판단단계(S42)를 포함할 수 있다. 상태판단부(160)는 제2 모델을 이용하여 제2 상태 판단단계(S42)를 수행할 수 있다.
모델 생성단계(S31, S41)는 펌프(20), 배관(30)마다 모델을 생성할 수 있고, 상태 판단단계(S32, S42)는 펌프(20), 배관(30)마다 생성된 모델을 이용하여 펌프(20), 배관(30)마다 정상상태(Y1, Y2) 또는 이상상태(N1, N2)를 판단할 수 있다. 펌프(20)마다 모델을 생성하고 펌프(20)마다 상태를 판단하며, 복합팩터인 레이놀즈수 및 효율을 기준으로 모델이 생성되므로, 펌프장(10)을 운영하는 과정에서 펌프(20)의 호기별 온/오프 또는 펌프(20)의 호기별 용량 제어 등의 운영목표가 변화하거나, 계절에 따른 운영여건이 변화하더라도, 경보레벨을 변경하지 않고도 모니터링을 수행할 수 있다. 펌프(20) 및 배관(30)의 컨디션이 동일하다면, 유체의 흐름도 전체적으로 동일하기 때문에 복합팩터인 레이놀즈수의 값도 동일하게 산출되기 때문이다.
비-시간 데이터 분석(S30) 또는 시간 데이터 분석(S40) 결과, 이상상태로 판단되면, 알림단계를 수행할 수 있다. 알림단계는 상태 판단단계(S32, S42)에서 이상상태로 판단되는 경우, 관리자 단말(200) 또는 상위 관리 시스템(300)으로 이상상태로 판단되었음을 알리되, 펌프(20)의 전원부, 설비부, 센서모듈(40)를 점검할 순서를 포함할 수 있다.
알림단계에서 제공되는 알림은 이상이 있는 설비의 종류, 위치, 이상상태로 판단된 복합팩터, 이상상태로 판단된 복합팩터가 한계범위로부터 이격된 정도, 점검순서 등을 포함할 수 있다. 알림부(170)는 이상상태로 판단되면, 저장부(120)에 저장된 가이드라인에 기초하여 어떤 설비를 어떤 우선순위로 점검해야 하는지 순서 및 점검에 필요한 정보를 알림과 함께 제공할 수 있다.
도 4는 펌프(20)가 이상상태인 경우 수행하는 점검의 각 단계를 나타내는 흐름도이다.
도 4에 도시된 바와 같이, 관리자 단말(200) 또는 상위 관리 시스템(300)을 통해 관리자가 알림을 제공받으면 점검 단계(S60)를 수행할 수 있다. 점검 단계(S60)는 관리자가 펌프장(10)의 설비를 확인하고 이상이 없는지 점검하는 과정이다. 우선순위에 따라(S61) 펌프(20)의 전원부, 설비부, 센서부 등의 펌프장치를 점검하고, 배관(30)을 점검할 수 있다. 관리자는 점검 이후에 센서모듈(40)이 측정한 데이터가 정상적으로 측정되고 있는지 모니터링하는 데이터 모니터링(S62)을 수행할 수 있다.
펌프(20) 및 배관(30)을 점검하면서 유지보수 필요성 검토(S71)를 수행한다. 유지보수가 필요하다고 판단되는 경우(Y) 유지보수 단계(S72)를 수행하고, 유지보수가 필요없다고 판단되는 경우(N) 도 4에 도시된 펌프장(10) 모니터링 방법을 계속 수행하는 재가동(S73) 단계를 진행 수 있다.
도 5는 본 발명의 일실시예에 따른 비-시간 데이터 분석(S30)을 설명하는 도면이다.
비-시간 데이터 분석(S30)은 제1 모델 생성단계(S31) 및 제1 상태 판단단계(S32)를 순서대로 수행하는 것이다. 제1 모델 생성단계(S31)에서, 모델생성부(150)는 저장부(120)에 저장되어 있는 복합팩터들을 읽어와서 제1 모델을 생성할 수 있다. 모델생성부(150)는 저장부(120)에 정해진 시간마다 저장된 복수의 복합팩터의 값을 정규분포화하고, 설정된 신뢰구간에 따른 복합팩터의 제1 한계범위를 산출한 제1 모델을 생성할 수 있다.
제1 모델은 레이놀즈수에 대한 모델과 효율에 대한 제1 모델이 각각 생성될 수 있다. 예를 들어, 도 5에 도시된 바와 같이, 제1 펌프(20a)에 대하여, 제1 펌프(20a)의 레이놀즈수의 제1 모델(M1R)과 제1 펌프(20a)의 효율의 제1 모델(M1E)이 형성될 수 있다.
제1 모델은 펌프(20)마다 형성될 수 있다. 도 5는 제1 펌프(20a)에 대하여 도시하였지만, 도 5와 유사하게 제2 펌프(20b), 제3 펌프(20c), 제4 펌프(20d)에도 레이놀즈수의 제1 모델(M1R)과 효율의 제1 모델(M1E)이 각각 형성될 수 있다.
제1 모델은 배관(30)마다 형성될 수 있다. 다만, 배관(30)은 전력을 소비하는 기관이 아니기 때문에, 모델생성부(150)는 배관(30)에 대하여 효율의 제1 모델(M1E)을 생성하지 않으며, 펌프(20)의 레이놀즈수의 제1 모델(M1R)만 생성한다. 예를 들어, 모델생성부(150)는 제1 펌프(20a)의 유출배관(32)의 레이놀즈수의 제1 모델(M1R)을 생성할 수 있고, 제2 펌프(20b)의 유출배관(32)의 레이놀즈수의 제1 모델(M1R)을 생성할 수 있다.
제1 모델 생성단계(S31)에서, 모델생성부(150)는 저장부(120)에 저장되어 있는 복합팩터를 읽어와서 제1 모델을 생성한다. 복합팩터는 정해진 시간마다 산출되어 저장부(120)에 저장되어 있다. 모델생성부(150)는 가장 최근에 산출된 복합팩터부터 과거로 정해진 개수만큼의 복합팩터를 읽어온다. 제1 모델을 생성하기 위하여 이용되는 복합팩터의 개수는 관리자가 설정하는 값이다. 예를 들어, 관리자는 제1 모델을 생성하기 위하여 이용되는 복합팩터의 개수를 과거 1년동안 산출된 복합팩터의 개수로 설정할 수 있다.
모델생성부(150)는 복수의 복합팩터의 값을 정규분포화 한다. 모델생성부(150)는 제1 신뢰구간에 대응하는 복합팩터의 제1 한계범위를 산출한다. 제1 신뢰구간은 관리자가 입력한 값이다. 제1 신뢰구간은 1시그마부터 6시그마 구간에서 설정될 수 있으며, 펌프장(10)의 중요도나 운영여건에 맞게 관리자가 설정할 수 있다. 예를 들어, 제1 신뢰구간은 2시그마 또는 3시그마로 설정될 수 있다.
모델생성부(150)는 제1 신뢰구간에 해당하는 복합팩터의 값을 구하여, 제1 한계범위를 산출할 수 있다. 제1 한계범위는 제1 하한값부터 제1 상한값까지의 값이다. 모델생성부(150)가 생성하는 제1 모델은 현재의 복합팩터와 과거의 정해진 기간동안 산출된 복합팩터들을 통계적으로 비교하여, 현재의 복합팩터가 과도하게 작거나 큰 값인지 여부를 판단하는 기준이 된다.
제1 모델 생성단계(S31)는 정해진 시간마다 반복되어 수행될 수 있다. 복합팩터가 실시간으로 산출되어 저장부(120)에 업데이트되면, 모델생성부(150)는 가장 과거에 생성된 복합팩터를 제외하고 가장 최근에 생성된 복합팩터를 포함시켜 새로운 제1 모델을 생성할 수 있다. 즉, 제1 모델은 실시간으로 계속 업데이트될 수 있다. 제1 모델이 생성되면 저장부(120)에 저장될 수 있다.
제1 모델 생성단계(S31)를 수행한 이후에, 제1 상태 판단단계(S32)를 수행할 수 있다. 제1 상태 판단단계(S32)는 제1 모델 생성단계(S31)에서 생성한 제1 모델을 이용하여, 실시간으로 산출된 복합팩터가 제1 한계범위를 벗어나는지 판단할 수 있다. 상태판단부(160)는 제1 모델의 제1 한계범위와 현재 산출된 복합팩터를 비교한다. 상태판단부(160)는 복합팩터가 제1 한계범위를 벗어나는 경우 이상상태(N1)로 판단하고, 복합팩터가 제1 한계범위에 포함되는 경우 정상상태(Y1)로 판단한다. 상태판단부(160)는 이상상태(N1)로 판단되는 경우 판단결과를 알림부(170)에 제공하고, 알림부(170)는 알림 제공단계를 수행할 수 있다.
비-시간 데이터 분석(S30)결과인 이상상태(N1)는, 복합팩터를 산출하기 위한 측정값인 유압, 온도, 전력, 압력 중의 어느 하나 또는 복수개에 트러블이 발생한 것을 나타낸다. 이때, 트러블은 서서히 누적되어 정상적인 동작범위를 벗어나는 고장을 포함한다. 예를 들어, 트러블은 펌프(20)의 부품이 지속적으로 마모되어 펌프(20)의 토출압력이 점진적으로 낮아지는 것, 배관(30)이나 펌프(20)의 나사가 점진적으로 느슨해져서 발생하는 미약한 누수 등을 포함할 수 있다. 이러한 트러블은 복합팩터의 값을 급격히 변동시키지 않지만, 서서히 누적되어 복합팩터의 값을 하락 또는 상승시키고, 비-시간 데이터 분석(S30) 과정에서 검출될 수 있다. 이러한 트러블은 누적되어 최종적으로 고장을 발생시킬 수 있다. 따라서, 비-시간 데이터 분석(S30)을 수행한 결과 이상상태(N1)로 판단되는 경우, 관리자는 알림을 받고 펌프장(10)에 발생할 수 있는 누적되는 트러블이 존재하는지 점검할 기회를 가질 수 있다.
도 6은 본 발명의 일실시예에 따른 시간 데이터 분석(S40)을 설명하는 도면이다.
시간 데이터 분석(S40)은 제2 모델 생성단계(S41) 및 제2 상태 판단단계(S42)를 순서대로 수행하는 것이다. 제2 모델 생성단계(S41)에서, 모델생성부(150)는 저장부(120)에 저장되어 있는 복합팩터들을 읽어와서 제2 모델을 생성할 수 있다.
제2 모델은 레이놀즈수에 대한 모델과 효율에 대한 제2 모델이 각각 생성될 수 있다. 예를 들어, 도 6에 도시된 바와 같이, 제1 펌프(20a)에 대하여, 제1 펌프(20a)의 레이놀즈수의 제2 모델(M2R)과 제1 펌프(20a)의 효율의 제2 모델(M2E)이 형성될 수 있다.
제2 모델은 펌프(20)마다 형성될 수 있다. 도 6은 제1 펌프(20a)에 대하여 도시하였지만, 도 6과 유사하게 제2 펌프(20b), 제3 펌프(20c), 제4 펌프(20d)에도 레이놀즈수의 제1 모델(M1R)과 효율의 제1 모델(M1E)이 각각 형성될 수 있다.
제2 모델은 배관(30)마다 형성될 수 있다. 다만, 배관(30)은 전력을 소비하는 기관이 아니기 때문에, 모델생성부(150)는 배관(30)에 대하여 효율의 제2 모델(M2E)을 생성하지 않으며, 펌프(20)의 레이놀즈수의 제2 모델(M2R)만 생성한다. 예를 들어, 모델생성부(150)는 제1 펌프(20a)의 유출배관(32)의 레이놀즈수의 제2 모델(M2R)을 생성할 수 있고, 제2 펌프(20b)의 유출배관(32)의 레이놀즈수의 제2 모델(M2R)을 생성할 수 있다.
제2 모델 생성단계(S41)에서, 모델생성부(150)는 저장부(120)에 저장되어 있는 복합팩터를 읽어와서 제2 모델을 생성한다. 복합팩터는 정해진 시간마다 산출되어 저장부(120)에 저장되어 있다. 모델생성부(150)는 가장 최근에 산출된 복합팩터부터 과거로 정해진 개수(또는 정해진 기간)만큼의 복합팩터를 읽어온다. 제2 모델을 생성하기 위하여 이용되는 복합팩터의 개수는 관리자가 설정하는 값이다. 예를 들어, 관리자는 제2 모델을 생성하기 위하여 이용되는 복합팩터의 개수를 과거 1년동안 산출된 복합팩터의 개수로 설정할 수 있다.
모델생성부(150)는 정해진 기간동안의 복합팩터를 이용하여 자기회귀 이동평균을 도출한다. 자기회귀 이동평균은 아래의 수학식 8에 의해 산출될 수 있다.
Figure pat00009
θ: 이동평균 모형의 모수, φ: 자기회귀 모형의 모수, Xt: 시점 t-1에서 Xt-1 데이터를 이용해 예측된 시점 t에서 데이터이며 auto regression된 값, Xt-1: 시점 t-1에서 데이터값, Wt: 시점 t에서 백색잡음(불규칙성 데이터), Wt-1:시점 t-1에서 백색잡음(불규칙성 데이터)
모델생성부(150)는 과거의 제1 시점부터 제2 시점까지의 기간에 해당하는 복수의 복합팩터를 이용하여 자기회귀 이동평균을 도출하는 학습과정을 수행한다. 학습과정을 통해 자기회귀 이동평균이 생성되면, 제2 시점부터 제3시점까지의 기간에 해당하는 복수의 복합팩터를 이용하여 자기회귀 이동평균의 예측값과 실제값의 오차를 검증하는 검증과정을 수행한다. 제1 시점, 제2 시점, 제3 시점은 관리자에 의해 설정될 수 있다. 제1 시점, 제2 시점, 제3 시점은 각각 복수의 시점으로 미리 결정되어 있을 수 있다.
예를 들어, 10000개의 복합팩터를 과거에서 현재까지 시간순서대로 No.1 부터 No.10000까지 나열할 수 있다. 제1 시점은 No.1이고, 제2 시점은 No.8000이며, 제3 시점은 No.10000으로 설정될 수 있다. 모델생성부(150)는 제1 시점인 No.1 복합팩터부터 제2 시점은 No.8000 복합팩터까지를 이용하여 자기회귀 이동평균을 도출하고, 자기회귀 이동평균을 이용하여 제2 시점의 직후인 No.8001 복합팩터의 예측값을 산출하고, No.8001 복합팩터의 실제값과 예측값을 비교하여 오차를 산출한다. No.8001부터 No.10000까지의 복합팩터의 예측값과 실제값을 비교하여 오차가 정해진 설정값보다 낮으면 정밀도를 만족한 것으로 판단할 수 있다. 정밀도를 만족한 자기회귀 이동평균은 미래의 시점인 No.10001번째 복합팩터를 예측하는데 이용될 수 있다.
미리 설정된 제1 시점, 제2 시점, 제3 시점을 기준으로 자기회귀 이동평균을 도출하고 오차를 산출하였을 때, 정해진 설정값보다 오차가 커서 정밀도를 만족하지 못하는 경우가 존재한다. 이러한 경우에는 제1 시점, 제2 시점, 제3 시점의 다른 설정된 값을 이용하여 다시 자기회귀 이동평균을 도출하고 오차를 산출하여 정해진 설정값과 비교하는 과정을 다시 수행한다. 예를 들어, 제1 시점과 제2 시점 사이의 기간은 2주일 수도 있고, 6개월일 수도 있다. 제2 시점과 제3 시점 사이의 기간은 3일일 수도 있고, 1개월일 수도 있다. 제1 시점, 제2 시점, 제3 시점은 관리자에 의하여 미리 복수의 다른 값이 정해질 수 있고, 모델생성부(150)는 다르게 설정된 제1 시점, 제2 시점, 제3 시점에 의해 복수의 자기회귀 이동평균을 도출할 수 있고, 정해진 설정값보다 오차가 작아서 정밀도를 만족하는 복수의 자기회귀 이동평균을 결정할 수 있다.
모델생성부(150)는 정밀도를 만족하는 복수의 자기회귀 이동평균을 결정하면, 복수의 자기회귀 이동평균을 이용하여 미래의 시점의 복합팩터 예측값을 산출한다. 복수의 자기회귀 이동평균마다 복합팩터 예측값을 산출하므로, 복합팩터 예측값은 복수개 산출될 수 있다.
모델생성부(150)는 복수개의 복합팩터 예측값을 정규분포화 한다. 모델생성부(150)는 제2 신뢰구간에 대응하는 복합팩터의 제2 한계범위를 산출한다. 제2 신뢰구간은 관리자가 입력한 값이다. 제2 신뢰구간은 1시그마부터 6시그마 구간에서 설정될 수 있으며, 펌프장(10)의 중요도나 운영여건에 맞게 관리자가 설정할 수 있다. 예를 들어, 제2 신뢰구간은 2시그마 또는 3시그마로 설정될 수 있다.
모델생성부(150)는 제2 신뢰구간에 해당하는 복합팩터의 값을 구하여, 제2 한계범위를 산출할 수 있다. 제2 한계범위는 제2 하한값부터 제2 상한값까지의 값이다. 모델생성부(150)가 생성하는 제2 모델은 과거의 정해진 기간동안 산출된 복합팩터들에 기초하여 미래의 복합팩터를 통계적으로 예측하고, 미래의 시점에서 측정된 복합팩터가 예측값의 범위를 벗어나는지 판단하는데 이용될 수 있다.
제2 모델 생성단계(S41)는 정해진 시간마다 반복되어 수행될 수 있다. 복합팩터가 실시간으로 산출되어 저장부(120)에 업데이트되면, 모델생성부(150)는 가장 과거에 생성된 복합팩터를 제외하고 가장 최근에 생성된 복합팩터를 포함시켜 새로운 제2 모델을 생성할 수 있다. 즉, 제2 모델은 실시간으로 계속 업데이트될 수 있다. 제2 모델이 생성되면 저장부(120)에 저장될 수 있다.
제2 모델 생성단계(S41)를 수행한 이후에, 제2 상태 판단단계(S42)를 수행할 수 있다. 제2 상태 판단단계(S42)는 제2 모델 생성단계(S41)에서 생성한 제2 모델을 이용하여, 실시간으로 산출된 복합팩터가 제2 한계범위를 벗어나는지 판단할 수 있다. 상태판단부(160)는 제2 모델의 제2 한계범위와 현재 산출된 복합팩터를 비교한다. 상태판단부(160)는 복합팩터가 제2 한계범위를 벗어나는 경우 이상상태(N2)로 판단하고, 복합팩터가 제2 한계범위에 포함되는 경우 정상상태(Y2)로 판단한다. 상태판단부(160)는 이상상태(N2)로 판단되는 경우 판단결과를 알림부(170)에 제공하고, 알림부(170)는 알림 제공단계를 수행할 수 있다.
시간 데이터 분석(S40)결과인 이상상태(N2)는, 복합팩터를 산출하기 위한 측정값인 유압, 온도, 전력, 압력 중의 어느 하나 또는 복수개에 트러블이 발생한 것을 나타낸다. 이때, 트러블은 변동의 크기가 작더라도 순간적으로 급격한 변동을 가져오는 고장을 포함한다. 예를 들어, 트러블은 펌프(20)의 출력이 순간적으로 하락하거나, 유압이 순간적으로 상승하는 등의 현상을 포함할 수 있다. 이러한 트러블이 발생하면 실시간으로 측정된 운영데이터에 의해 산출된 복합팩터는 제2 모델에 의해 예측된 제2 한계범위를 벗어나게 된다. 관리자는 시간 데이터 분석(S40)결과로 이상상태(N2)가 발생한 것을 알림으로 제공받으면, 급격한 변동을 가져오는 종류의 트러블이 발생하였다는 점을 인지할 수 있으므로 급격한 변동을 가져올 수 있는 트러블이 존재하는지 점검할 기회를 가질 수 있다.
급격한 변동을 가져오는 트러블이 없고 누적되는 트러블만이 있는 경우에는, 자기회귀 이동평균에 누적되는 트러블이 반영되어 있으므로 시간 데이터 분석(S40)에서 트러블이 검출되기 어렵다. 자기회귀 이동평균은 과거의 데이터에 기초하여 미래를 예측하는 것이기 때문이다. 대신, 트러블이 누적되어 어떤 한계를 넘는 경우에는 비-시간 데이터 분석(S30)에 의해 검출될 수 있다.
급격한 변동을 가져오는 트러블만 있고 누적되는 트러블이 없는 경우에, 특히 급격한 변동의 크기가 작은 경우에는 비-시간 데이터 분석(S30)에서 트러블이 검출되지 않을 수 있다. 급격한 변동의 크기가 작은 경우라도, 자기회귀 이동평균에서 예측한 신뢰구간을 일시적으로 벗어나는 복합팩터가 나타나게 되므로 시간 데이터 분석(S40)에서 트러블이 검출된다.
비-시간 데이터 분석(S30)과 시간 데이터 분석(S40)을 함께 수행하면, 급격한 변동을 가져오는 트러블의 발생은 시간 데이터 분석(S40)에 의해 검출 가능하며, 점진적으로 누적되는 트러블의 발생은 비-시간 데이터 분석(S30)에 의해 검출될 수 있다. 따라서 비-시간 데이터 분석(S30)과 시간 데이터 분석(S40)은 서로를 보완할 수 있다.
종래에는 유량, 유압, 전력 등의 운영데이터 각각을 개별적으로 감시하되, 상한선과 하한선을 관리자의 경험에 의해 결정하였다. 펌프(20)의 가동대수가 변경되거나, 상수도의 사용량이 증가하는 경우마다 경보가 발생한다면 펌프장(10)의 계속적인 운영이 어려우므로 상한선과 하한선의 간격이 넓게 운영되었다. 이러한 경우, 복수의 펌프(20) 중에서 어느 하나의 출력이 급격히 하락하는 등의 문제가 발생하더라도 다른 펌프(20)들의 출력이 정상이라면 경보가 발생하지 않는 문제가 있었다.
또한, 펌프(20)의 가동대수별로 상한선과 하한선을 결정하면, 펌프(20)의 수가 많을 때 경우의 수가 너무 많아져서 펌프장(10)의 운영이 어렵다. 펌프(20)는 사용에 따라 노후화되므로, 정상으로 판단되는 상한선과 하한선이 펌프(20)마다 다르게 설정되어야 하기 때문이다.
또한, 펌프(20)마다 유량계를 설치하는 것이 가장 직접적으로 모니터링을 수행할 수 있는 방법이지만, 설비 비용이 상승하고, 유량계의 설치조건을 만족하기 어렵기 때문에 현실적으로 적용되기 어렵다.
이러한 종래의 방식과 비교하여, 본 발명의 일실시예에 따른 펌프장(10) 모니터링 방법은, 펌프(20)가 소모하는 전력의 비율에 따라 유량을 배분하여 각 펌프(20)의 유량을 산정하므로 별도의 계측기를 추가하지 않을 수 있다. 그리고, 기존에 축적되어 있는 운영데이터를 이용하여 복합팩터를 산출하고 시간 데이터 분석(S40) 및 비-시간 데이터 분석(S30)을 수행할 수 있다. 그리고, 레이놀즈수와 효율이라는 복합팩터를 기준으로 상태를 판단하기 때문에, 펌프(20) 가동 대수나 물 사용량에 무관하게 펌프(20)마다 고장을 예측할 수 있다.
이상 본 발명을 구체적인 실시예를 통하여 상세히 설명하였으나, 이는 본 발명을 구체적으로 설명하기 위한 것으로, 본 발명은 이에 한정되지 않으며, 본 발명의 기술적 사상 내에서 당해 분야의 통상의 지식을 가진 자에 의해 그 변형이나 개량이 가능함은 명백하다고 할 것이다.
본 발명의 단순한 변형 내지 변경은 모두 본 발명의 영역에 속하는 것으로 본 발명의 구체적인 보호 범위는 첨부된 특허청구범위에 의하여 명확해질 것이다.
10: 펌프장
20: 펌프
20a: 제1 펌프
20b: 제2 펌프
20c: 제3 펌프
20d: 제4 펌프
30: 배관
31: 유입배관
32: 유출배관
33: 통합배관
40: 센서모듈
41: 유량센서
42: 전력센서
43: 온도센서
44: 압력센서
100: 펌프장 모니터링 장치
110: 데이터획득부
120: 저장부
130: 입출력부
140: 통신부
150: 모델생성부
160: 상태판단부
170: 알림부
200: 관리자 단말
300: 상위 관리 시스템
M1R: 레이놀즈수의 제1 모델
M1E: 효율의 제1 모델
M2R: 레이놀즈수의 제2 모델
M2E: 효율의 제2 모델

Claims (11)

  1. 펌프에 설치된 센서모듈이 측정한 운영데이터를 수신하는 센싱단계;
    상기 운영데이터를 이용하여 복합팩터를 산출하는 복합팩터 산출단계;
    상기 복합팩터를 이용하여 상기 펌프의 상태를 판단하기 위한 모델을 생성하는 모델 생성단계; 및
    상기 모델 생성단계에서 생성한 모델을 이용하여 상기 펌프의 상태를 판단하는 상태 판단단계를 포함하는, 펌프장 모니터링 방법.
  2. 청구항 1에 있어서,
    상기 복합팩터는
    상기 운영데이터에 포함된 유량, 수온, 전력을 이용하여 산출한 레이놀즈수; 및
    상기 운영데이터에 포함된 유량, 압력, 전력을 이용하여 산출한 효율 중에서 하나 이상을 포함하는, 펌프장 모니터링 방법.
  3. 청구항 1에 있어서,
    상기 모델 생성단계는
    저장부에 정해진 시간마다 저장된 복수의 상기 복합팩터의 값을 정규분포화하고, 설정된 제1 신뢰구간에 따른 복합팩터의 제1 한계범위를 산출한 제1 모델을 생성하는 제1 모델 생성단계를 포함하고,
    상기 상태 판단단계는
    실시간으로 산출되는 상기 복합팩터가 상기 제1 한계범위를 벗어나면 이상상태로 판단하고, 상기 복합팩터가 상기 제1 한계범위 내에 포함되면 정상상태로 판단하는 제1 상태 판단을 포함하는, 펌프장 모니터링 방법.
  4. 청구항 1에 있어서,
    상기 모델 생성단계는
    저장부에 정해진 시간마다 저장된 복수의 상기 복합팩터의 값을 이용하여 자기회귀 이동평균을 도출하고, 미래의 정해진 시간의 복합팩터의 값을 복수개 예측하고, 예측된 복합팩터의 값들을 정규분포화하고 설정된 제2 신뢰구간에 따른 복합팩터의 제2 한계범위를 산출한 제2 모델을 생성하는 제2 모델 생성단계를 포함하고,
    상기 상태 판단단계는
    상기 미래의 정해진 시간에 도달하여 산출되는 상기 복합팩터가 상기 제2 한계범위를 벗어나면 이상상태로 판단하고, 상기 복합팩터가 상기 제2 한계범위 내에 포함되면 정상상태로 판단하는 제2 상태 판단을 포함하는, 펌프장 모니터링 방법.
  5. 청구항 1에 있어서,
    상기 상태 판단단계에서 이상상태로 판단되는 경우, 관리자 단말 또는 상위 관리 시스템으로 이상상태로 판단되었음을 알리되, 펌프의 전원부, 설비부, 센서모듈를 점검할 순서를 포함하는 알림단계를 더 포함하는, 펌프장 모니터링 방법.
  6. 청구항 2에 있어서,
    상기 복합팩터 산출단계는
    복수개의 펌프의 유출배관이 하나의 통합배관으로 연결되고, 상기 운영데이터의 유량이 통합배관에서만 측정되는 경우, 펌프가 소모하는 전력에 따라 상기 통합배관에서 측정되는 유량을 상기 복수개의 펌프마다 배분하여 상기 복합팩터를 펌프마다 산출하는, 펌프장 모니터링 방법.
  7. 청구항 2에 있어서,
    상기 복합팩터 산출단계는
    상기 펌프, 상기 펌프에 연결된 배관마다 레이놀즈수를 산출하고, 상기 펌프마다 효율을 산출하며,
    상기 모델 생성단계는
    상기 펌프, 배관마다 모델을 생성하고,
    상기 상태 판단단계는
    상기 펌프, 배관마다 생성된 모델을 이용하여 상기 펌프, 배관마다 정상상태 또는 이상상태를 판단하는, 펌프장 모니터링 방법.
  8. 펌프에 설치된 센서모듈이 측정한 운영데이터를 획득하고, 상기 운영데이터를 이용하여 복합팩터를 산출하고, 상기 운영데이터와 복합팩터를 시간별로 저장부에 저장하는 데이터획득부;
    상기 복합팩터를 이용하여 상기 펌프의 상태를 판단하기 위한 모델을 생성하는 모델생성부; 및
    상기 모델생성부에서 생성한 모델을 이용하여 상기 펌프의 상태를 판단하는 상태판단부를 포함하는, 펌프장 모니터링 장치.
  9. 청구항 8에 있어서,
    상기 모델생성부는
    상기 저장부에 정해진 시간마다 저장된 복수의 상기 복합팩터의 값을 정규분포화하고, 설정된 제1 신뢰구간에 따른 복합팩터의 제1 한계범위를 산출한 제1 모델; 및
    상기 저장부에 정해진 시간마다 저장된 복수의 상기 복합팩터의 값을 이용하여 자기회귀 이동평균을 도출하고, 미래의 정해진 시간의 복합팩터의 값을 복수개 예측하고, 예측된 복합팩터의 값들을 정규분포화하고 설정된 제2 신뢰구간에 해당하는 복합팩터의 제2 한계범위를 산출한 제2 모델 중에서 하나 이상을 생성하며,
    상기 상태판단부는
    상기 데이터획득부에서 실시간으로 산출되는 상기 복합팩터가 상기 제1 한계범위를 벗어나면 이상상태로 판단하고, 상기 복합팩터가 상기 제1 한계범위 내에 포함되면 정상상태로 판단하는 제1 상태 판단, 및
    상기 미래의 정해진 시간에 도달하여 산출되는 상기 복합팩터가 상기 제2 한계범위를 벗어나면 이상상태로 판단하고, 상기 복합팩터가 상기 제2 한계범위 내에 포함되면 정상상태로 판단하는 제2 상태 판단 중에서 하나 이상을 수행하는, 펌프장 모니터링 장치.
  10. 청구항 8에 있어서,
    상기 상태판단부에서 이상상태로 판단되는 경우, 관리자 단말 또는 상위 관리 시스템으로 상기 펌프가 이상상태임을 알리되, 펌프의 전원부, 설비부, 센서모듈를 점검할 순서를 함께 알리는 알림부를 더 포함하는, 펌프장 모니터링 장치.
  11. 청구항 8에 있어서,
    상기 데이터획득부는
    복수개의 펌프의 유출배관이 하나의 통합배관으로 연결되고, 상기 운영데이터의 유량이 통합배관에서만 측정되는 경우, 펌프가 소모하는 전력에 따라 상기 통합배관에서 측정되는 유량을 상기 복수개의 펌프마다 배분하여 상기 복합팩터를 펌프마다 산출하는, 펌프장 모니터링 장치.
KR1020210126656A 2021-09-24 2021-09-24 펌프장 모니터링 장치 및 방법 KR102631329B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210126656A KR102631329B1 (ko) 2021-09-24 2021-09-24 펌프장 모니터링 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210126656A KR102631329B1 (ko) 2021-09-24 2021-09-24 펌프장 모니터링 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20230043585A true KR20230043585A (ko) 2023-03-31
KR102631329B1 KR102631329B1 (ko) 2024-02-01

Family

ID=86005531

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210126656A KR102631329B1 (ko) 2021-09-24 2021-09-24 펌프장 모니터링 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102631329B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117453962A (zh) * 2023-11-24 2024-01-26 深圳市鼎极天电子有限公司 测量仪的数据存储方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102206737B1 (ko) 2020-01-13 2021-01-25 한국과학기술원 기계학습 기반 펌프수차 고장 진단 방법 및 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102206737B1 (ko) 2020-01-13 2021-01-25 한국과학기술원 기계학습 기반 펌프수차 고장 진단 방법 및 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117453962A (zh) * 2023-11-24 2024-01-26 深圳市鼎极天电子有限公司 测量仪的数据存储方法及系统

Also Published As

Publication number Publication date
KR102631329B1 (ko) 2024-02-01

Similar Documents

Publication Publication Date Title
EP2270342B1 (en) Leakage detection system in a wind turbine
CN105468917B (zh) 一种管线故障预测方法及装置
US10663162B2 (en) Fluid utilization facility management method and fluid utilization facility management system
JP6879873B2 (ja) 故障確率評価システム
CN103576640A (zh) 用于监测泵气蚀的系统和方法
EP2351887A2 (en) Water distribution systems
US20120148382A1 (en) Method and apparatus for the model-based monitoring of a turbomachine
CN103226651A (zh) 基于相似度统计的风电机组状态评估预警方法和系统
CN109642469A (zh) 用于阀和致动器监测系统的导引状况评定模块
EP3584657A1 (en) Risk assessment device, risk assessment method, and risk assessment program
McKee et al. A review of machinery diagnostics and prognostics implemented on a centrifugal pump
KR102631329B1 (ko) 펌프장 모니터링 장치 및 방법
US20230013782A1 (en) Prime Mover Mountable Hydraulic Tool, Including Protective Box Housing Control Circuit and Hydraulic Pressure Sensors, and Related Monitoring Systems and Methods
CN109725220A (zh) 一种变压器油冷却回路的检测方法、系统及装置
JP6503541B2 (ja) ポンプ異常検知システム、ポンプ異常検知方法、及びポンプ異常検知プログラム
CN115898848A (zh) 一种柱塞泵的监测方法及监测系统
KR102493362B1 (ko) Ai를 이용한 상수도 실시간 사고감지 시스템 및 그 방법
WO2024004713A1 (ja) 漏水検知システムおよび漏水検知方法
US20240044327A1 (en) Detection device, detection method, and detection system
JP7349966B2 (ja) 機械の潤滑油供給系統監視方法及び装置
KR20120040020A (ko) 콘크리트 배관 압송시 품질 평가 관리 시스템
JP2005099490A (ja) 地震防災支援用情報収集システムおよび地震防災支援用情報収集出力方法
RU2602774C1 (ru) Система контроля работы погружного насосного оборудования
JPWO2014091954A1 (ja) 液体漏洩検知装置、液体漏洩検知方法、および記録媒体
KR102606669B1 (ko) IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 방법 및 시스템

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right