KR20230050085A - 실시간 효율 관리선을 이용한 산업용 보일러의 스마트 성능 모니터링 시스템 - Google Patents
실시간 효율 관리선을 이용한 산업용 보일러의 스마트 성능 모니터링 시스템 Download PDFInfo
- Publication number
- KR20230050085A KR20230050085A KR1020210133362A KR20210133362A KR20230050085A KR 20230050085 A KR20230050085 A KR 20230050085A KR 1020210133362 A KR1020210133362 A KR 1020210133362A KR 20210133362 A KR20210133362 A KR 20210133362A KR 20230050085 A KR20230050085 A KR 20230050085A
- Authority
- KR
- South Korea
- Prior art keywords
- efficiency
- module
- real
- reduction
- time
- Prior art date
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 230000009467 reduction Effects 0.000 claims abstract description 93
- 238000000034 method Methods 0.000 claims abstract description 55
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 239000000446 fuel Substances 0.000 claims abstract description 18
- 238000003745 diagnosis Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 238000011835 investigation Methods 0.000 claims abstract description 14
- 238000012847 principal component analysis method Methods 0.000 claims abstract description 14
- 238000007726 management method Methods 0.000 claims description 53
- 238000013500 data storage Methods 0.000 claims description 6
- 230000006866 deterioration Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000010238 partial least squares regression Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 abstract description 27
- 239000000809 air pollutant Substances 0.000 abstract description 2
- 231100001243 air pollutant Toxicity 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 14
- 239000007789 gas Substances 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000012423 maintenance Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 5
- 238000006731 degradation reaction Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- 239000002994 raw material Substances 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000295 fuel oil Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000003949 liquefied natural gas Substances 0.000 description 1
- 239000003915 liquefied petroleum gas Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B35/00—Control systems for steam boilers
- F22B35/18—Applications of computers to steam boiler control
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B1/00—Methods of steam generation characterised by form of heating method
- F22B1/28—Methods of steam generation characterised by form of heating method in boilers heated electrically
- F22B1/284—Methods of steam generation characterised by form of heating method in boilers heated electrically with water in reservoirs
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B37/00—Component parts or details of steam boilers
- F22B37/02—Component parts or details of steam boilers applicable to more than one kind or type of steam boiler
- F22B37/42—Applications, arrangements, or dispositions of alarm or automatic safety devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22D—PREHEATING, OR ACCUMULATING PREHEATED, FEED-WATER FOR STEAM GENERATION; FEED-WATER SUPPLY FOR STEAM GENERATION; CONTROLLING WATER LEVEL FOR STEAM GENERATION; AUXILIARY DEVICES FOR PROMOTING WATER CIRCULATION WITHIN STEAM BOILERS
- F22D5/00—Controlling water feed or water level; Automatic water feeding or water-level regulators
Abstract
본 발명은 실시간 효율 관리선을 이용한 산업용 보일러의 성능 모니터링 시스템에 관한 것으로, 수신부(10)를 통해 전처리 모듈(20)이 제공하는 데이터를 이용하여 산업용 보일러의 운전효율을 계산하는 운전효율 계산 모듈(30), 효율을 계산하는 운전효율 계산 모듈(30), 상기 전처리 모듈(20)이 제공하는 데이터 중에서 제어불가능 변수를 부분최소제곱법의 회귀식에 입력하여 기대효율을 예측하는 기대효율 예측 모듈(40), 상기 기대효율 예측 모듈(40)에서 구한 기대효율에 효율저하 허용치를 감안하여 실시간 효율 관리선을 생성하는 효율 관리선 생성 모듈(50), 상기 운전효율 계산 모듈(30)에서 구한 운전효율이 효율 관리선 생성 모듈(50)에서 생성한 실시간 효율 관리선을 이탈하는지를 감시하는 효율저하 식별 모듈(60), 상기 운전효율 계산 모듈(30)에서 구한 운전효율이 실시간 효율 관리선을 이탈하여 효율저하 식별 모듈(60)에서 효율저하로 판단될 때에 주성분분석법의 공헌도 조사 기법을 이용하여 효율저하의 원인을 찾아내는 효율저하 진단 모듈(70)을 포함하고, 이를 통해 효율저하 식별의 정확성을 향상하고, 효율저하 발생 시에 조기에 정상화하도록 함으로써 보일러의 사용 연료를 절감하고, 대기오염물질 발생을 저감하며, 설비의 손상으로 인한 비계획 운전정지를 예방하는데 기여할 수 있다.
Description
본 발명은 실시간 효율 관리선을 이용한 산업용 보일러의 스마트 성능 모니터링 시스템에 관한 것으로, 보다 상세하게는 산업용 보일러의 성능 모니터링에 있어서, 하나의 일정한 값을 기준으로 효율저하를 판단하거나 시뮬레이션 결과를 기준으로 효율저하를 판단하는 종래의 방식을 개선하여, 실시간적으로 변하는 외부 조건에 따라 가변적으로 효율 관리선(Efficiency Control Limit)을 설정하고 이를 기준으로 효율저하를 판단하는 기술에 관한 것이다.
일반적으로 산업용 보일러에서 원단위 1%를 개선하려면 수억 원에서 수백억 원의 시설 투자가 필요하지만, 성능 모니터링을 등한시하여 유지보수를 실기하면 원단위 1%의 손실은 쉽게 발생한다.
이러한 손실을 방지하기 위하여 실시간 성능 모니터링 시스템을 사용하는데, 효율저하가 감지되면 운전자에게 경보를 발행하고, 운전자가 효율저하의 원인을 파악할 수 있도록 필요한 정보를 함께 제공한다.
최근에는 빅데이터 기술의 하나인 데이터 분석기법을 이용하여 성능을 정교하게 감시함으로써 예지정비(Predictive Maintenance) 또는 상태기반 유지보수(Condition Based Maintenance)로 정비 업무가 스마트화하고 있다.
종래의 성능 모니터링 시스템에서는 두 가지 방법으로 효율저하를 판단하는데, 하나는 일정한 값을 기준으로 간단하게 효율저하를 판단하는 방법이고, 다른 하나는 시뮬레이션 결과를 이용하여 가변적으로 효율 관리선을 설정하여 정밀하게 효율저하를 판단하는 방법이다.
먼저 일정한 값으로 효율저하를 판단하는 방법에서는 하나의 값으로 넓은 범위에 걸쳐서 효율저하를 판단하기 때문에 정상효율을 효율저하로 보는 제 1종 오류를 범하거나, 효율저하를 정상효율로 보는 제2종 오류를 범할 가능성이 높다. 즉, 효율 관리선을 적정치보다 높게 설정하면 정상을 효율저하로 잘못 판단하여 불필요한 조치를 취하기도 하며, 반면에 효율 관리선을 적정치보다 낮게 설정하면 효율저하를 정상으로 잘못 판단하여 효율 개선의 기회를 놓치기도 한다.
예를 들어, 발열량이 높은 연료를 사용하면 운전효율이 전반적으로 높아져서 운전효율이 평균치보다 2~3% 높더라도 적정치보다 낮은 경우가 있으며, 반면에 발열량이 낮은 연료를 사용하면 운전효율이 전반적으로 낮아져서 운전효율이 2~3% 낮더라도 적정치보다 높은 경우가 있다.
따라서 연료의 발열량이 운전효율에 미치는 영향을 고려하지 않고 일정한 값으로 효율저하를 판단하면, 효율정상과 효율저하를 잘못 판단하는 오류를 범할 수 있다.
이러한 문제를 개선하기 위하여 시뮬레이션을 이용한 방법을 고려할 수 있다. 시뮬레이션을 이용한 방법에서는 시뮬레이션을 통해 운전효율을 예측하고, 실제 운전효율이 효율 예측값보다 낮으면 효율저하로 판단한다.
이러한 시뮬레이션을 이용한 방법은 일정한 값으로 효율 관리선을 설정하는 방법의 제1종 오류 또는 제2종 오류의 문제점을 완화할 수 있지만, 실시간 시뮬레이션을 구현하는데 따른 시간과 비용 투자, 지속적인 유지보수의 문제가 발생한다. 특히, 공장 운전을 이론적으로 해석하는 것이 어려운 경우도 있고, 측정 센서가 부족하여 정확한 시뮬레이션이 곤란한 경우도 있다. 이러한 문제로 인하여 시뮬레이션을 이용한 방법은 일부 대형 보일러에서만 사용하고 있다.
따라서 산업용 보일러의 예지정비 또는 상태기반 유지보수를 효과적으로 실시하기 위해서 기존의 일정한 값으로 효율 관리선을 설정하는 방법의 장점과 시뮬레이션을 이용하는 방법의 장점을 구현할 수 있는 시스템의 개발이 필요한 실정이다.
본 발명이 이루고자 하는 기술적 과제는 종래의 불편한 점을 개선하고자 하는 것으로, 산업용 보일러의 성능 모니터링 시스템에서 기존의 일정한 값으로 효율 관리선을 설정하는 방법의 장점과 시뮬레이션을 이용하는 방법의 장점을 구현할 수 있는 시스템을 제공하는 것이다.
또한, 본 발명이 이루고자 하는 기술적 과제는 종래의 불편한 점을 개선하고자 하는 것으로, 산업용 보일러의 성능 모니터링에 있어서 일정한 값으로 효율 관리선을 설정하는 종래의 방법이 보이는 문제점 즉, 정상효율을 효율저하로 보는 제1종 오류와, 효율저하를 정상효율로 보는 제2종 오류의 문제점을 개선할 수 있도록 가변적으로 효율 관리선을 설정하는 방법을 제공하는 것이다.
또한, 본 발명이 이루고자 하는 기술적 과제는 종래의 불편한 점을 개선하고자 하는 것으로, 산업용 보일러의 성능 모니터링에 있어서 시뮬레이션을 이용한 효율 관리의 문제점, 즉 시뮬레이션을 구현하는데 따른 시간과 비용 투자의 문제, 기술의 완성도 부족 문제점을 개선할 수 있도록 일정한 값으로 효율 관리선을 설정하듯이 효율 관리선 설정을 간단한 하는 방법을 제공하는 것이다.
또한, 본 발명이 이루고자 하는 기술적 과제는 종래의 불편한 점을 개선하고자 하는 것으로, 산업용 보일러의 성능 모니터링에 있어서 효율저하 발생 시에 효율저하의 원인을 찾는데 소요되는 운전자의 수고와 시간 지연 문제를 개선하는 것이다.
또한, 본 발명이 이루고자 하는 기술적 과제는 종래의 불편한 점을 개선하고자 하는 것으로, 보일러에 공급하는 연료의 성분이나 발열량, 공기 온도나 습도, 보충수의 온도, 보일러의 부하 등의 외부 조건 또는 결정값을 이용하여 실시간으로 효율 관리선을 설정하는 것을 특징으로 하며, 운전효율이 관리선을 이탈하면 효율저하 경보와 함께 효율저하의 원인 변수를 찾아 단말기로 출력하는 스마트 성능 모니터링 시스템을 제공하는 것이다.
이러한 과제를 해결하기 위한 본 발명의 특징에 따른 실시간 효율 관리선을 이용한 산업용 보일러의 스마트 성능 모니터링 시스템은,
산업용 보일러의 데이터를 관리하는 컴퓨터 또는 네트워크에 설치된 실시간 데이터 저장장치(1)로부터 데이터를 제공 받는 수신부(10);
상기 수신부(10)에서 수신한 데이터의 잡음을 제거하는 전처리 모듈(20);
상기 전처리 모듈(20)에서 전처리된 데이터를 이용하여 산업용 보일러의 운전효율을 계산하는 운전효율 계산 모듈(30);
상기 전처리 모듈(20)에서 전처리된 데이터 중에서 제어불가능 변수를 부분최소제곱법의 회귀식에 입력하여 기대효율을 예측하는 기대효율 예측 모듈(40);
상기 기대효율 예측 모듈(40)에서 예측된 기대효율에 효율저하 허용치를 적용하여 실시간 효율 관리선을 생성하는 효율 관리선 생성 모듈(50);
상기 운전효율 계산 모듈(30)에서 구한 운전효율이 효율 관리선 생성 모듈(50)에서 생성한 실시간 효율 관리선을 이탈하는지를 식별하는 효율저하 식별 모듈(60);
상기 운전효율 계산 모듈(30)에서 계산한 운전효율이 실시간 효율 관리선을 이탈하여 상기 효율저하 식별 모듈(60)에서 효율저하로 판단될 때에 주성분분석법의 공헌도 조사 기법을 이용하여 효율저하의 원인을 찾아내는 효율저하 진단 모듈(70);
상기 효율저하 식별 모듈(60)에서 결정한 효율저하 상태 여부와, 효율저하 판단 시에 효율저하 진단 모듈(70)에서 찾은 효율저하의 원인을 외부의 단말기로 송신하는 송신부(80)를 포함한다.
상기 단말기(90)는 상기 효율저하 식별 모듈(60)에서 결정한 효율저하 상태 여부와, 효율저하 판단 시에 효율저하 진단 모듈(70)에서 찾은 효율저하의 원인을 출력한다.
상기 기대효율 예측 모듈(40)은 상기 전처리 모듈(20)의 데이터 중에서 연료의 성분이나 발열량, 대기 온도나 습도, 보일러의 부하를 포함하는 제어불가능 변수를 부분최소제곱법(Partial Least Square)의 회귀식에 입력하여 산업용 보일러의 기대효율을 실시간 예측하는 것을 특징으로 한다.
상기 효율 관리선 생성 모듈(50)은 상기 기대효율 예측 모듈(40)에서 예측한 기대효율에 효율저하 허용치를 적용하여 효율 관리선을 가변적으로 설정하는 것을 특징으로 한다.
상기 효율저하 진단 모듈(70)은 상기의 운전효율 계산 모듈(30)에서 계산한 운전효율이 실시간 효율 관리선을 이탈하여 효율저하로 판단될 때에 주성분분석법(Principal Component Analysis)이 제공하는 공헌도 조사 기법을 이용하여 효율저하의 원인을 찾는 것을 특징으로 한다.
본 발명의 실시예에 의하면, 발명의 효과는 대표적으로 다음의 네 가지를 들 수 있다.
첫째, 산업용 보일러에서 효율저하 발생을 정확하게 알려줌으로써 정상을 효율저하로 잘못 판단하는 제1종 오류를 줄여서 불필요한 조치 비용을 절감하고, 효율저하를 정상으로 잘못하는 제2종 오류를 줄여서 불필요한 연료의 사용량을 절감하고, 이에 따른 대기오염물질 발생을 저감할 수 있다.
둘째, 효율저하 발생에 대한 원인을 자동으로 식별하여 운전자에게 제공함으로써 운전자가 효율저하의 원인을 조사하는데 소요되는 시간을 줄이고, 운전자의 실수로 인한 오판을 줄여서 과다 사용 연료를 절감하고, 이에 따른 대기오염물질 발생을 저감할 수 있다.
셋째, 설비의 고장, 센서 오지시, 제어기 오작동, 데이터베이스 오류 등의 공정이상을 조기에 감지하여 알려줌으로써, 보일러의 화재, 폭발, 인명 사고 및 재산 손실을 줄일 수 있다.
넷째, 종래의 시뮬레이션 기반의 실시간 성능 모니터링 시스템의 문제점인 가격적인 부담을 개선할 수 있다.
도 1은 본 발명의 실시예에 따른 실시간 효율 관리선을 이용한 산업용 보일러의 성능 모니터링 시스템의 구성도이다.
도 2는 종래의 일정한 값의 효율 관리선과 실시간 가변적으로 설정하는 실시간 효율 관리선의 시계열 추이도로, 실시간 가변적으로 설정하는 효율 관리선의 장점을 설명하는 개념도이다.
도 3은 본 발명의 실시예에 따른 실시간 효율 관리선을 이용한 산업용 보일러의 성능 모니터링 시스템에서 산업용 보일러의 운전효율을 계산하는 열손실법을 설명하는 도면으로 8가지의 효율 손실 항목을 모두를 합한 값이 총 효율 손실이고, 운전효율은 백분율로 100%에서 총 효율 손실을 뺀 값이다.
도 4는 본 발명의 실시예에 따른 실시간 효율 관리선을 이용한 산업용 보일러의 성능 모니터링 시스템에서 산업용 보일러의 운전효율 계산에 필요한 변수의 종류와 기대효율 계산에 필요한 제어불가능 변수의 종류를 나타낸 개념도이다.
도 5는 본 발명의 실시예에 따른 실시간 효율 관리선을 이용한 산업용 보일러의 성능 모니터링 시스템에서 산업용 보일러의 측정 값 중에서 운전효율 계산에 필요한 변수를 종류 별로 구분하여 나타낸 표로 제어가능 변수와 제어불가능 변수를 구분하였다.
도 6은 본 발명의 실시예에 따른 실시간 효율 관리선을 이용한 산업용 보일러의 성능 모니터링 시스템에서 보일러의 기대효율을 예측하는 부분최소제곱법 모델 개발 과정을 나타낸 흐름도로 본 발명에서는 Wold S. 등이 제안한 NIPALS(Non-iterative Partial Least Square) 알고리즘 (Principal component analysis, Chemometrics and Intelligent Laboratory Systems, Issues 1-3, Pages 37-52, August 1987)을 적용하였다.
도 7은 본 발명의 실시예에 따른 실시간 효율 관리선을 이용한 산업용 보일러의 성능 모니터링 시스템에서 산업용 보일러에 대한 효율 관리선의 예시로서 종래의 일정한 값을 기준으로 하는 효율 관리선과 실시간 가변적인 효율 관리선을 비교한 시계열 추이도로 운전효율이 효율 관리선을 이탈한 상황을 포함하고 있다.
도 8은 본 발명의 실시예에 따른 실시간 효율 관리선을 이용한 산업용 보일러의 성능 모니터링 시스템에서 효율저하 원인을 진단하는 주성분분석법 모델의 개발 과정을 나타낸 흐름도로, 본 발명에서는 Wold S. 등이 제안한 NIPALS 알고리즘을 적용하였다.
도 9는 본 발명의 실시예에 따른 실시간 효율 관리선을 이용한 산업용 보일러의 성능 모니터링 시스템에서 산업용 보일러의 효율저하 진단에 적용되는 주성분분석법의 공헌도 조사를 실행하는 수식이다.
도 10은 본 발명의 실시예에 따른 실시간 효율 관리선을 이용한 산업용 보일러의 성능 모니터링 시스템에서 산업용 보일러의 효율저하의 원인 파악 예시로서, 막대의 크기가 클수록 효율저하 영향력이 크다.
도 2는 종래의 일정한 값의 효율 관리선과 실시간 가변적으로 설정하는 실시간 효율 관리선의 시계열 추이도로, 실시간 가변적으로 설정하는 효율 관리선의 장점을 설명하는 개념도이다.
도 3은 본 발명의 실시예에 따른 실시간 효율 관리선을 이용한 산업용 보일러의 성능 모니터링 시스템에서 산업용 보일러의 운전효율을 계산하는 열손실법을 설명하는 도면으로 8가지의 효율 손실 항목을 모두를 합한 값이 총 효율 손실이고, 운전효율은 백분율로 100%에서 총 효율 손실을 뺀 값이다.
도 4는 본 발명의 실시예에 따른 실시간 효율 관리선을 이용한 산업용 보일러의 성능 모니터링 시스템에서 산업용 보일러의 운전효율 계산에 필요한 변수의 종류와 기대효율 계산에 필요한 제어불가능 변수의 종류를 나타낸 개념도이다.
도 5는 본 발명의 실시예에 따른 실시간 효율 관리선을 이용한 산업용 보일러의 성능 모니터링 시스템에서 산업용 보일러의 측정 값 중에서 운전효율 계산에 필요한 변수를 종류 별로 구분하여 나타낸 표로 제어가능 변수와 제어불가능 변수를 구분하였다.
도 6은 본 발명의 실시예에 따른 실시간 효율 관리선을 이용한 산업용 보일러의 성능 모니터링 시스템에서 보일러의 기대효율을 예측하는 부분최소제곱법 모델 개발 과정을 나타낸 흐름도로 본 발명에서는 Wold S. 등이 제안한 NIPALS(Non-iterative Partial Least Square) 알고리즘 (Principal component analysis, Chemometrics and Intelligent Laboratory Systems, Issues 1-3, Pages 37-52, August 1987)을 적용하였다.
도 7은 본 발명의 실시예에 따른 실시간 효율 관리선을 이용한 산업용 보일러의 성능 모니터링 시스템에서 산업용 보일러에 대한 효율 관리선의 예시로서 종래의 일정한 값을 기준으로 하는 효율 관리선과 실시간 가변적인 효율 관리선을 비교한 시계열 추이도로 운전효율이 효율 관리선을 이탈한 상황을 포함하고 있다.
도 8은 본 발명의 실시예에 따른 실시간 효율 관리선을 이용한 산업용 보일러의 성능 모니터링 시스템에서 효율저하 원인을 진단하는 주성분분석법 모델의 개발 과정을 나타낸 흐름도로, 본 발명에서는 Wold S. 등이 제안한 NIPALS 알고리즘을 적용하였다.
도 9는 본 발명의 실시예에 따른 실시간 효율 관리선을 이용한 산업용 보일러의 성능 모니터링 시스템에서 산업용 보일러의 효율저하 진단에 적용되는 주성분분석법의 공헌도 조사를 실행하는 수식이다.
도 10은 본 발명의 실시예에 따른 실시간 효율 관리선을 이용한 산업용 보일러의 성능 모니터링 시스템에서 산업용 보일러의 효율저하의 원인 파악 예시로서, 막대의 크기가 클수록 효율저하 영향력이 크다.
아래에서는 첨부한 도면을 참고로 하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
도 1은 본 발명의 실시예에 따른 실시간 효율 관리선을 이용한 산업용 보일러의 성능 모니터링 시스템의 구성도이다.
도 1을 참조하면, 공장 컴퓨터 네트워크에 설치된 실시간 데이터 저장 장치로부터 데이터를 제공 받아 효율 관리선을 실시간 생성하고, 운전효율이 효율 관리선을 이탈하면, 효율저하 경보를 발행하고, 진단 알고리즘을 통해 효율저하의 원인을 파악하여 출력하는 시스템으로서,
상기 데이터 저장장치(1)로부터 데이터를 제공 받는 수신부(10);
산업용 보일러의 데이터를 관리하는 컴퓨터 또는 네트워크에 설치된 실시간 데이터 저장장치(1)로부터 데이터를 제공 받는 수신부(10);
상기 수신부(10)에서 수신한 데이터의 잡음을 제거하는 전처리 모듈(20);
상기 전처리 모듈(20)에서 전처리된 데이터를 이용하여 산업용 보일러의 운전효율을 계산하는 운전효율 계산 모듈(30);
상기 전처리 모듈(20)에서 전처리된 데이터 중에서 제어불가능 변수를 부분최소제곱법의 회귀식에 입력하여 기대효율을 예측하는 기대효율 예측 모듈(40);
상기 기대효율 예측 모듈(40)에서 예측된 기대효율에 효율저하 허용치를 적용하여 실시간 효율 관리선을 생성하는 효율 관리선 생성 모듈(50);
상기 운전효율 계산 모듈(30)에서 구한 운전효율이 효율 관리선 생성 모듈(50)에서 생성한 실시간 효율 관리선을 이탈하는지를 식별하는 효율저하 식별 모듈(60);
상기 운전효율 계산 모듈(30)에서 계산한 운전효율이 실시간 효율 관리선을 이탈하여 상기 효율저하 식별 모듈(60)에서 효율저하로 판단될 때에 주성분분석법의 공헌도 조사 기법을 이용하여 효율저하의 원인을 찾아내는 효율저하 진단 모듈(70);
상기 효율저하 식별 모듈(60)에서 결정한 효율저하 상태 여부와, 효율저하 판단 시에 효율저하 진단 모듈(70)에서 찾은 효율저하의 원인을 외부의 단말기로 송신하는 송신부(80)를 포함한다.
상기 단말기(90)는 상기 효율저하 식별 모듈(60)에서 결정한 효율저하 상태 여부와, 효율저하 판단 시에 효율저하 진단 모듈(70)에서 찾은 효율저하의 원인을 출력한다.
상기 기대효율 예측 모듈(40)은 상기 전처리 모듈(20)의 데이터 중에서 연료의 성분이나 발열량, 대기 온도나 습도, 보일러의 부하를 포함하는 제어불가능 변수를 부분최소제곱법(Partial Least Square)의 회귀식에 입력하여 산업용 보일러의 기대효율을 실시간 예측하는 것을 특징으로 한다.
상기 효율 관리선 생성 모듈(50)은 상기 기대효율 예측 모듈(40)에서 예측한 기대효율에 효율저하 허용치를 적용하여 효율 관리선을 가변적으로 설정하는 것을 특징으로 한다. 상기 효율 관리선 생성 모듈(50)은 상기 기대효율 예측 모듈(40)에서 예측한 기대효율에 효율저하 허용치를 뺀 값으로 효율 관리선을 가변적으로 설정하며, 이때 학습 데이터로부터 구한 효율 계산값과 회귀식 예측값의 차이 표준편차의 2배수 또는 3배수를 효율저하 허용치로 결정하는 것을 특징으로 한다.
상기 효율저하 진단 모듈(70)은 상기의 운전효율 계산 모듈(30)에서 계산한 운전효율이 실시간 효율 관리선을 이탈하여 효율저하로 판단될 때에 주성분분석법(Principal Component Analysis)이 제공하는 공헌도 조사 기법을 이용하여 효율저하의 원인을 찾는 것을 특징으로 한다.
도 2는 종래의 일정한 값의 효율 관리선 대비 본 발명에 따른 실시간 효율 관리선의 효율저하 식별 능력을 표현한 시계열 추이도이다. 도 2를 참조하면, 종래의 일정한 값의 효율 관리선 대신에 실시간 효율 관리선을 이용하면 보일러에서 발생하는 효율저하를 조기에 식별할 수 있음을 알 수 있다.
이러한 구성을 가진 본 발명의 실시예에 따른 실시간 효율 관리선을 이용한 산업용 보일러의 성능 모니터링 시스템의 동작에 관하여 상세히 설명하면 다음과 같다.
먼저, 수신부(10)는 산업용 보일러의 데이터를 관리하는 컴퓨터 또는공장 컴퓨터 네트워크에 설치된 실시간 데이터 저장장치(1)로부터 데이터를 제공 받는다.
그리고 나서, 전처리 모듈(20)은 상기 수신부(10)에서 수신한 데이터의 잡음을 제거한다.
다음, 운전효율 계산 모듈(30)은 상기 전처리 모듈(20)에서 전처리된 데이터를 이용하여 산업용 보일러의 운전효율을 계산한다.
도 3을 참조하면, 보일러의 운전효율을 계산하는 열손실법에서 운전효율 계산 모듈(30)은, 배가스 현열손실(L1), 연소H2O 손실(l2), 연료 습분 손실(L3), 공기 습분 손실(L4), CO 손실(L5), 복사열 손실(L6), 불완전 연소 카본(L7), 불완전 연소 카본(L8) 등 8가지 항목의 효율손실을 계산하고, 이를 합하여 총 효율손실을 구한다.
다음, 100에서 효율손실을 빼어 100분률의 운전효율을 계산한다. 즉, 운전효율은 (100 - L1 - L2 -L3 - L4 - L5 - L6 - L7 - L8)이다. 여기서 L1 ~ L8은 8가지의 열손실 항목을 의미하며 백분율 단위이다.
도 4는 산업용 보일러의 운전효율과 기대효율 계산에 필요한 변수 리스트이다.
도 4를 참조하면, 산업용 보일러의 공정 변수는 제어가능 변수와 제어불가능 변수로 이루어지는데 보일러의 운전효율은 제어가능 변수와 제어불가능 변수 대부분을 이용하여 계산하지만, 기대효율은 제어불가능 변수만을 이용하여 계산한다.
기대효율은 외부에서 주어진 조건인 제어불가능 변수로 예측하기 때문에 제어불가능 변수와 제어가능 변수를 모두 포함하여 계산한 실제 운전효율에 비해 정확성이 낮을 수 있다. 특히, 보일러에 주입하는 연료의 성분이 수시로 변하면 실제 운전효율 계산값에 비해 기대효율 예측값의 정확성이 떨어진다.
보통 LNG를 사용하는 보일러의 경우 제어불가능 변수로 계산한 기대효율 회귀식의 결정계수(R-square)가 80% 이상으로 매우 높아서, 효율저하 허용치를 감안하여 설정한 효율 관리선으로 매우 엄밀하게 효율저하를 식별할 수 있다.
연료유나 석탄을 연료로 사용하는 경우에도 원료의 성상 변화가 적으면 제어불가능 변수로 계산한 회귀식의 결정계수가 60% 이상으로 양호하다. 보일러에 주입하는 연료의 성분이 수시로 변하거나, 센서가 많이 누락되어 운전 정보가 부족하면 기대효율 예측 정확성이 떨어지지만, 이때에도 효율저하 허용치를 감안하여 설정한 효율 관리선이 하나의 일정한 값으로 설정한 효율 관리선보다 대부분의 경우에 더 엄밀하게 효율저하를 식별한다.
효율저하 허용치는 뒤에서 도 6의 설명 부분에서 다룬다.
도 5는 산업용 보일러의 측정 값 중에서 운전효율 계산에 필요한 변수를 나타낸 표로 제어가능 변수와 제어불가능 변수로 구분하였다.
산업용 보일러에서 제어불가능 변수는 연료의 발열량, 보일러의 부하, 대기조건, 보일러의 상태와 같이 운전에서 조정할 수 없는 조건, 즉 외부에서 주어진 조건이나 결정값을 말한다.
여기서, 증기의 유량은 운전자가 설정하는 제어가능 변수이지만, 보통 생산계획 단계에서 결정하여 제공하거나 운전 중에는 사용처에서 필요한 양으로 결정되므로 제어불가능 변수에 포함하였다.
원료 조건으로 원료 발열량, 연료 성분, 수분 함량 등이 있고, 대기 조건으로는 공기 온도와 습도가 있고, 보일러 급수 조건으로는 급수의 온도와 유량이 있고, 운전 조건으로는 절탄기 후단 온도, 배기가스 온도, 배기가스 산소 조성, 증기 유량, 증기 압력 등이 있다.
상기의 변수들을 측정하는 센서는 보일러 별로 위치가 상이하고, 소형 보일러에서는 없는 경우도 있다.
보통 대형 보일러일수록 더 많은 센서를 통해 더 많은 곳의 상태를 감시한다. 그리고 석탄, 엘엔지, 엘피지, 연료유, 부생가스, 바이오메스 등의 원료의 종류에 따라 각각 다른 위치에 센서를 부착하기도 하며, 보일러의 구조에 따라서도 센서의 위치와 종류가 다르다. 보일러의 크기, 구조, 연료의 종류가 다르더라도 본 발명의 적용이 가능하다.
또한, 기대효율 예측 모듈(40)은
상기 전처리 모듈(20)에서 전처리된 데이터 중에서 제어불가능 변수를 부분최소제곱법의 회귀식에 입력하여 기대효율을 예측한다.
도 6은 보일러의 기대효율을 예측하는 부분최소제곱법의 모델 개발 과정을 나타낸 흐름도로, Wold S. 등이 제안한 NIPALS(Non-iterative Partial Least Square) 알고리즘 (Principal component analysis, Chemometrics and Intelligent Laboratory Systems, Issues 1-3, Pages 37-52, August 1987)을 나타낸 도면이다.
도 6을 참조하면, 본 발명의 실시예에서 사용하는 부분최소제곱법은 데이터 정규화, X, Y 초기값 설정, 주성변 변환벡터 추출, 주성분 변환, X, y 회귀벡터 결정, X, Y 잔차 계산, PLS 모델 개발 등의 과정으로 이루어진다.
그리고 본 발명의 실시예에서 사용하는 부분최소제곱법은 입력변수(X)와 예측변수(Y) 각각에 대해 주성분(Principal Component)을 찾고 주성분을 이용하여 X와 Y의 관계식을 찾아 Y를 예측하는 회귀식을 도출한다.
본 발명에서는 노이즈 소거를 중요시하여 부분최소제곱법을 적용하지만, 비선형성이 더 중요한 경우에는 인공신경망을 적용하거나, 간단하게 최소제곱법의 적용도 가능하다.
이외에도 정확한 회귀식만 구현되면 기법에 구애받지 않고 본 발명에서 요구하는 기대효율 예측에 적용할 수 있다.
산업용 보일러의 기대효율 예측 모듈은 최소 1개월에서 길게는 1년 동안 제어불가능 변수 데이터와 운전효율 계산값으로 학습 데이터를 수집하고, 부분최소제곱법으로 학습을 실시하여 제어불가능 변수로 운전효율을 예측하는 회귀식을 개발한다.
회귀식을 개발하는 학습 과정은 오프라인으로 실시하며, 제어불가능 변수를 회귀식에 입력하여 기대효율을 예측하는 과정은 온라인으로 실시한다.
다음, 효율 관리선 생성 모듈(50)은 상기 기대효율 예측 모듈(40)에서 예측된 기대효율에 효율저하 허용치를 적용하여 실시간 효율 관리선을 생성한다.
여기서, 효율 관리선 생성 모듈(50)에서는 기대효율 예측 모듈에서 계산한 예측값에서 효율저하 허용치 (k*σ)를 뺀 값으로 효율 관리선을 설정한다. 이때, k는 기대효율 예측 회귀식의 정확성에 의해 결정되는 상수이고, σ는 운전효율과 기대효율 차이의 표준편차이다.
상수 k는 효율정상을 효율저하로 판단하는 제 1종 오류와 효율저하를 효율정상으로 판단하는 제 2종 오류의 확률을 고려하여 결정한다.
보통 기대효율을 예측하는 회귀식의 결정계수가 80% 이상으로 매우 높으면 2로 설정하고, 기대효율을 예측하는 회귀식의 결정계수가 60% 정도이면 3으로 설정한다.
회귀식의 결정계수가 40% 이하이면 4로 설정한다. 기대효율이 실시간 변하기 때문에 효율 관리선도 실시간 변한다.
다음, 효율저하 식별 모듈(60)은 상기 운전효율 계산 모듈(30)에서 구한 운전효율이 효율 관리선 생성 모듈(50)에서 생성한 실시간 효율 관리선을 이탈하는지를 식별한다.
도 7은 일정한 값의 효율 관리선과 실시간 효율 관리선을 비교한 시계열 추이도 예시이다.
도 7을 참조하면, 효율저하 식별 모듈(60)은 보일러에 대해 열손실법으로 계산한 운전효율이 효율 관리선을 이탈하면 효율저하로 판단한다.
도 7에 실시간 운전효율, 실시간 기대효율, 실시간 효율 관리선을 나타내었으며, 우측의 점선 구간은 운전효율이 실시간 효율 관리선을 이탈한 상태이며, 효율저하로 식별된 구간이다.
그리고 나서, 효율저하 진단 모듈(70)이 상기 운전효율 계산 모듈(30)에서 계산한 운전효율이 실시간 효율 관리선을 이탈하여 상기 효율저하 식별 모듈(60)에서 효율저하로 판단될 때에 주성분분석법의 공헌도 조사 기법을 이용하여 효율저하의 원인을 찾아낸다.
도 8은 효율저하의 원인을 진단하는데 사용하는 주성분분석법의 모델 개발 과정을 나타낸 흐름도로, Wold S. 등이 제안한 NIPALS(Non-iterative Partial Least Square) 알고리즘(Principal component analysis, Chemometrics and Intelligent Laboratory Systems, Issues 1-3, Pages 37-52, August 1987)을 나타낸 그림이다.
주성분분석법은 주성분(Principal Component)을 이용하므로 똑같이 주성분을 이용하는 부분최소제곱법과 짝 기법으로 간주한다.
부분최소제곱법은 주요인을 이용하여 공정변수(X)로 기대효율(Y)를 예측하는 회귀식을 도출하는 기법이고, 주성분분석법은 주요인을 이용하여 공정변수(X)들 간의 패턴을 도출하는 기법이다.
과거 데이터로 학습한 패턴과 보일러의 운전 패턴을 비교하여 두 패턴이 다르게 나타나면 이상이 있는 것으로 판단하고, 본 발명에서는 도 9의 공헌도 조사에 필요한 파라미터를 구하는데 사용한다.
도 9가 두 패턴 간의 차이를 찾는 주성분분석법의 공헌도 조사 기법의 수식이다.
도 9의 수식에 따라 두 개의 비교 패턴에서 변수 별로 공헌도 값을 계산하고 공헌도 값의 크기가 큰 변수를 찾아 주요 원인으로 제시한다.
산업용 보일러에서 운전효율이 실시간 효율 관리선을 이탈하면 공헌도 조사를 통해 기존의 정상 패턴과 비교하여 효율저하의 원인을 찾는다.
도 10은 주성분분석법의 공헌도 조사 기법으로 계산한 변수 별 기여도 크기를 나타낸 막대 그래프이다.
도 10의 사례에서는 보일러의 변수 11개 중에서 배기가스 온도의 상승이 효율저하의 가장 유력한 원인으로 진단하였다.
이 외에도 배기가스 온도를 상승시키는 원인은 다양하다. 예를 들자면, 산업용 보일러에서는 고온의 배기가스를 곧바로 배출하지 않고 급수를 데우는 데 사용하여 연소효율을 높인다. 이때, 배기가스의 열이 제대로 회수되지 않으면, 배출되는 배기가스의 온도가 높아지게 된다.
가장 기본적으로 지적할 수 있는 원인은 보일러 배관의 Fouling이다. 또 다른 원인은 공기 주입량의 과다를 추정할 수 있는데 공기 주입량이 많을수록 배기가스 온도가 상승하기 때문이다. 이 외에도 온도 센서의 고장이나, 배관의 누설이 발생했을 가능성도 있다.
본 발명에서 제시하는 주성분분석법의 공헌도 조사는 주성분분석법이 포함하고 있는 측정 변수 중에서 원인 변수를 찾는 방법이다. 더 근본적인 원인을 찾는 것은 운전자의 몫이다.
앞의 예에서 공헌도 조사는 배기가스 온도가 상승하는 것을 찾는 것까지이며, 이보다 더 근본적인 원인은 운전자가 찾아야 한다.
운전자가 근본 원인을 찾는다고 하여 본 발명에서 사용하는 주성분분석법의 공헌도 조사의 효과가 반감되지 않는다. 공헌도 조사에 의한 자동식별 기능이 없으면 운전자는 원인 변수를 찾는데 많은 시간을 소비하여 문제 해결의 골든타임을 놓칠 수도 있기 때문이다.
이후, 송신부(80)는 상기 효율저하 식별 모듈(60)에서 결정한 효율저하 상태 여부와, 효율저하 판단 시에 효율저하 진단 모듈(70)에서 찾은 효율저하의 원인을 외부의 단말기로 송신한다.
그러면, 상기 단말기(90)는 상기 효율저하 식별 모듈(60)에서 결정한 효율저하 상태 여부와, 효율저하 판단 시에 효율저하 진단 모듈(70)에서 찾은 효율저하의 원인을 출력한다.
이상의 본 발명의 실시예에서는 보일러에 공급하는 연료의 성분이나 발열량, 공기 온도나 습도, 보충수의 온도, 보일러의 부하 등의 외부 조건 또는 결정값을 이용하여 실시간으로 효율 관리선을 설정하며, 운전효율이 관리선을 이탈하면 효율저하 경보와 함께 효율저하의 원인 변수를 찾아 단말기로 출력할 수 있다.
이상에서 설명한 본 발명의 실시예는 장치 및 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시예의 기재로부터 본 발명이 속하는 기술 분야의 전문가라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
Claims (5)
- 산업용 보일러의 데이터를 관리하는 컴퓨터 또는 네트워크에 설치된 실시간 데이터 저장장치(1)로부터 데이터를 제공 받는 수신부(10);
상기 수신부(10)에서 수신한 데이터의 잡음을 제거하는 전처리 모듈(20);
상기 전처리 모듈(20)에서 전처리된 데이터를 이용하여 산업용 보일러의 운전효율을 계산하는 운전효율 계산 모듈(30);
상기 전처리 모듈(20)에서 전처리된 데이터 중에서 제어불가능 변수를 부분최소제곱법의 회귀식에 입력하여 기대효율을 예측하는 기대효율 예측 모듈(40);
상기 기대효율 예측 모듈(40)에서 예측된 기대효율에 효율저하 허용치를 적용하여 실시간 효율 관리선을 생성하는 효율 관리선 생성 모듈(50);
상기 운전효율 계산 모듈(30)에서 구한 운전효율이 효율 관리선 생성 모듈(50)에서 생성한 실시간 효율 관리선을 이탈하는지를 식별하는 효율저하 식별 모듈(60);
상기 운전효율 계산 모듈(30)에서 계산한 운전효율이 실시간 효율 관리선을 이탈하여 상기 효율저하 식별 모듈(60)에서 효율저하로 판단될 때에 주성분분석법의 공헌도 조사 기법을 이용하여 효율저하의 원인을 찾아내는 효율저하 진단 모듈(70);
상기 효율저하 식별 모듈(60)에서 결정한 효율저하 상태 여부와, 효율저하 판단 시에 효율저하 진단 모듈(70)에서 찾은 효율저하의 원인을 외부의 단말기로 송신하는 송신부(80)를 포함하는 실시간 효율 관리선을 이용한 산업용 보일러의 스마트 성능 모니터링 시스템.
- 제1항에 있어서,
상기 기대효율 예측 모듈(40)에서 사용하는 기대효율 예측 회귀식을, 장기간 동안 수집한 연료의 성분이나 발열량, 대기 온도나 습도, 보일러의 부하를 포함한 제어불가능 변수와 운전효율 데이터를 이용하여 부분최소제곱법으로 학습하여 생성하는 것을 특징으로 하는 실시간 효율 관리선을 이용한 산업용 보일러의 스마트 성능 모니터링 시스템.
- 제2항에 있어서,
상기 기대효율 예측 모듈(40)은 상기 전처리 모듈(20)의 데이터로부터 제공받은 연료의 성분이나 발열량, 대기 온도나 습도, 보일러의 부하를 포함한 제어불가능 변수 데이터를 운전효율 예측 회귀식에 입력하여 산업용 보일러의 기대효율을 실시간 예측하는 것을 특징으로 하는 실시간 효율 관리선을 이용한 산업용 보일러의 스마트 성능 모니터링 시스템. - 제3항에 있어서,
상기 효율 관리선 생성 모듈(50)은 상기 기대효율 예측 모듈(40)에서 예측한 기대효율에 효율저하 허용치를 뺀 값으로 효율 관리선을 가변적으로 설정하며, 이때 학습 데이터로부터 구한 효율 계산값과 회귀식 예측값의 차이 표준편차의 2배수 또는 3배수를 효율저하 허용치로 결정하는 것을 특징으로 하는 실시간 효율 관리선을 이용한 산업용 보일러의 스마트 성능 모니터링 시스템.
- 제4항에 있어서,
상기 효율저하 진단 모듈(70)은 상기 운전효율 계산 모듈(30)에서 계산된 운전효율이 실시간 효율 관리선을 이탈하여 효율저하로 판단될 때 주성분분석법으로 구한 파라미터로 공헌도 조사를 실시하여 효율저하의 원인을 찾는 것을 특징으로 하는 실시간 효율 관리선을 이용한 산업용 보일러의 스마트 성능 모니터링 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210133362A KR102561073B1 (ko) | 2021-10-07 | 2021-10-07 | 실시간 효율 관리선을 이용한 산업용 보일러의 스마트 성능 모니터링 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210133362A KR102561073B1 (ko) | 2021-10-07 | 2021-10-07 | 실시간 효율 관리선을 이용한 산업용 보일러의 스마트 성능 모니터링 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230050085A true KR20230050085A (ko) | 2023-04-14 |
| KR102561073B1 KR102561073B1 (ko) | 2023-07-28 |
Family
ID=85946441
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210133362A KR102561073B1 (ko) | 2021-10-07 | 2021-10-07 | 실시간 효율 관리선을 이용한 산업용 보일러의 스마트 성능 모니터링 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102561073B1 (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130035554A (ko) * | 2011-09-30 | 2013-04-09 | 한국전력공사 | 발전 설비의 성능 저하 원인 도출 방법 및 장치 |
| KR102222734B1 (ko) * | 2020-01-28 | 2021-03-04 | (주)테크다스 | 가상센서를 이용한 제어 출력값 제공 시스템 |
-
2021
- 2021-10-07 KR KR1020210133362A patent/KR102561073B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130035554A (ko) * | 2011-09-30 | 2013-04-09 | 한국전력공사 | 발전 설비의 성능 저하 원인 도출 방법 및 장치 |
| KR102222734B1 (ko) * | 2020-01-28 | 2021-03-04 | (주)테크다스 | 가상센서를 이용한 제어 출력값 제공 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102561073B1 (ko) | 2023-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108596229B (zh) | 在线异常的监测诊断方法和系统 | |
| Chen et al. | Evidential KNN-based condition monitoring and early warning method with applications in power plant | |
| JP5306902B2 (ja) | 資産システムの高性能条件監視のためのシステムおよび方法 | |
| KR20100054816A (ko) | 결함 패턴 매칭을 위한 퍼지 분류 접근 | |
| US20240125554A1 (en) | Flame analytics system | |
| WO2015026166A1 (ko) | 비정상 데이터 예측 방법 및 이 방법을 수행하기 위한 프로그램이 저장된 컴퓨터 판독가능한 저장매체 | |
| Wang et al. | A two-stage anomaly decomposition scheme based on multi-variable correlation extraction for wind turbine fault detection and identification | |
| CN114757380B (zh) | 一种火电厂故障预警系统、方法、电子设备及存储介质 | |
| KR102136141B1 (ko) | 인공지능 알고리즘을 이용한 고장 예방 기능을 구비한 비상 발전기 | |
| CN113255783B (zh) | 基于无监督学习的传感器故障检测方法和装置 | |
| CN114237167A (zh) | 一种工业生产过程的异常监测系统和方法 | |
| Pang et al. | An integrated LSTM-AM and SPRT method for fault early detection of forced-oxidation system in wet flue gas desulfurization | |
| KR20210109136A (ko) | 인공지능 알고리즘을 이용한 고장 예방 기능을 구비한 장치 및 그 시스템 | |
| Yu et al. | A continuous learning monitoring strategy for multi-condition of nuclear power plant | |
| KR102561073B1 (ko) | 실시간 효율 관리선을 이용한 산업용 보일러의 스마트 성능 모니터링 시스템 | |
| Flynn et al. | Data mining techniques applied to power plant performance monitoring | |
| Chen et al. | Online support vector based gas emission prediction system for generation power plant | |
| KR102267286B1 (ko) | 데이터 기반의 머신러닝 기술을 이용한 보일러 굴뚝원격감시체계(tms) 자동측정기기의 고장 식별 및 백업 시스템 | |
| CN114548701A (zh) | 面向全量测点耦合结构分析与估计的过程预警方法及系统 | |
| Beduschi et al. | Optimizing rotating equipment maintenance through machine learning algorithm | |
| Singer et al. | A pattern-recognition-based, fault-tolerant monitoring and diagnostic technique | |
| Athanasopoulou et al. | Intelligent system for identification and replacement of faulty sensor measurements in Thermal Power Plants (IPPAMAS: Part 1) | |
| Chen et al. | Sparse causal residual neural network for linear and nonlinear concurrent causal inference and root cause diagnosis | |
| KR20210109753A (ko) | 인공지능 알고리즘을 이용한 고장 예방 기능을 구비한 비상 발전기 | |
| CN111650444A (zh) | 基于回归分析的电磁环境中tcu失效预警方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |