KR20230073587A - 발전소 운전 건전성 예측 시스템 및 방법 - Google Patents

발전소 운전 건전성 예측 시스템 및 방법 Download PDF

Info

Publication number
KR20230073587A
KR20230073587A KR1020210160128A KR20210160128A KR20230073587A KR 20230073587 A KR20230073587 A KR 20230073587A KR 1020210160128 A KR1020210160128 A KR 1020210160128A KR 20210160128 A KR20210160128 A KR 20210160128A KR 20230073587 A KR20230073587 A KR 20230073587A
Authority
KR
South Korea
Prior art keywords
value
power generation
generation
future
driving
Prior art date
Application number
KR1020210160128A
Other languages
English (en)
Inventor
김익재
최희승
최예지
김지수
조현용
Original Assignee
한국과학기술연구원
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 한국과학기술연구원 filed Critical 한국과학기술연구원
Priority to KR1020210160128A priority Critical patent/KR20230073587A/ko
Publication of KR20230073587A publication Critical patent/KR20230073587A/ko

Links

Images

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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation

Abstract

실시예들은 발전소 내 복수의 센서로부터 각각의 센싱 데이터를 획득하고, 발전량 목표 값을 수신하고, 발전량 목표 값에 따른 전력을 생산하기 위해 발전소를 운전하며, 그리고 현재 생산되는 발전량 실제 값을 획득하며, 상기 복수의 센서의 센싱 데이터 각각의 적어도 일부를 미리 학습된 발전 예측 모델에 입력하여 현재의 발전량 예측 값 및 적어도 하나의 미래에서의 발전량 예측 값을 산출하고, 그리고 상기 발전량 목표 값, 상기 발전량 실제 값, 상기 현재의 발전량 예측 값 및 적어도 하나의 미래에서의 발전량 예측 값 중 적어도 일부에 기초하여 운전 건전성 점수를 산출하는 것을 포함한, 발전소 운전 건전성 예측 시스템 및 방법에 관련된다.

Description

발전소 운전 건전성 예측 시스템 및 방법{SYSTEM AND METHOD FOR PREDICTING OPERATING SAFETY OF POWER PLANT}
본 출원의 실시예들은 발전소의 운전 건전성을 예측하는 기술에 관한 것으로서, 보다 상세하게는 발전소의 발전량 실제 값과 발전량 목표 값 관계에 기반하여 발전소의 운전 건전성을 예측하는 시스템 및 방법에 관련된다.
일반적으로 발전소는 다수의 계통으로 이루어지며, 각 계통은 다수의 발전설비를 포함한다. 각각의 계통 또는 발전설비는 서로 유기적으로 연결되어 있다. 이로 인해, 발전 과정에서 다양한 유형의 고장이 발생 가능하다. 특정 계통의 기계 및 설비에서 발생한 고장이 다른 계통의 설비로 확대되어 막대한 손실을 끼치는 큰 고장의 원인이 될 수 있기 때문에 최초로 고장이 시작된 계통의 위치를 조기에 감지하는 것이 중요하다.
발전소 내 환경은 발전설비 자체 또는 그 주변에 설치된 다수의 센서를 통해 항시 실시간으로 감시된다. 발전소에 설치된 중앙 시스템은 센서 데이터를 통해 발전소 내 설비의 고장 등의 위험을 모니터링한다.
그러나, 종래의 시스템은 현재 발전설비 또는 발전소의 상태를 나타낸 측정 값이 미리 설정된 위험 임계 값에 도달하거나 초과할 경우에 이를 알리는 것이 일반적이다.
따라서, 종래의 시스템은 발전소 내 고장이 발생한 이후에 이를 감지하기 때문에, 고장을 예방하는데 한계가 있다.
등록특허공보 10-1713985 (2017.03.02.)
본 출원의 일 측면에 따르면, 발전소의 발전량 실제 값과 발전량 목표 값 관계에 기반하여, 현재 및/또는 미래 시점에서의 운전 건전성을 예측하는 시스템 및 방법을 제공할 수 있다.
이 외에, 발전소 운전 건전성 예측 방법을 수행하기 위한 프로그램을 기록한 컴퓨터 판독가능 기록매체를 제공할 수 있다.
본 출원의 일 측면에 따른 발전소 운전 건전성 예측 시스템은, 복수의 발전설비에 설치되어, 상기 복수의 발전설비의 구동 상태 또는 주변 환경을 측정하는 복수의 센서; 발전량 목표 값을 수신하고, 발전량 목표 값에 따른 전력을 생산하기 위해 발전소를 운전하며, 그리고 현재 생산되는 발전량 실제 값을 획득하는 발전소 운영부; 미리 학습된 발전 예측 모델을 사용하여 상기 복수의 센서의 센싱 데이터 각각의 적어도 일부로부터 현재의 발전량 예측 값 및 적어도 하나의 미래에서의 발전량 예측 값을 산출하는 발전량 예측부; 상기 발전량 목표 값, 상기 발전량 실제 값, 상기 현재의 발전량 예측 값 및 적어도 하나의 미래에서의 발전량 예측 값 중 적어도 일부에 기초한 운전 건전성 모델을 통해 현재의 운전 건전성 점수, 적어도 하나의 미래 각각에서의 운전 건전성 점수 중 하나 이상의 운전 건전성 점수를 산출하는 운전 평가부;를 포함할 수도 있다.
일 실시예에서, 상기 발전 예측 모델은 복수의 훈련 샘플을 사용하여, 입력 센서의 측정 값을 포함한 입력 데이터 세트가 입력되면, 현재의 발전량 예측 값과 적어도 하나의 미래에서의 발전량 예측 값을 산출하도록 구성될 수도 있다. 상기 복수의 훈련 샘플 각각은 과거로부터 입력 시점까지의 기간 중 입력 시점을 포함한 일부 기간 또는 전부 기간까지의 측정 값, 해당 기간 동안의 발전량 실제 값과 발전량 목표 값을 포함한다.
일 실시예에서, 상기 발전 예측 모델은 n개의 미래에서의 발전량 예측 값을 산출하도록 구성될 수도 있다. 상기 n은 하이퍼파라미터로 지정된 것이다.
일 실시예에서, 적어도 하나의 미래 시점 각각에 대해서, 상기 운전 건전성 모델은 발전량 목표 값과 발전량 실제 값 간의 차이, 현재의 발전량 실제 값과 현재의 발전량 예측 값 간의 차이 및 동일한 미래 시점의 발전량 예측 값 간의 차이 중 하나 이상의 관계에 기초한 것일 수도 있다.
일 실시예에서, 적어도 하나의 미래 각각에 대해서, 미래의 발전량 예측 값은 하나 이상의 값으로 산출될 수도 있다. 상기 운전 건전성 모델은 성분 S1, 성분 S2, 및 성분 S3 중 하나 이상의 성분에 기초하여 운전 건전성 점수(S)를 산출하도록 구성된다. 상기 성분 S1은 발전량 목표 값과 발전량 실제 값의 차이에 기초한 변수이고, 상기 성분 S2는 현재의 발전량 실제 값과 현재의 발전량 예측 값 간의 차이에 기초한 변수이며, 상기 성분 S3은, 적어도 하나의 미래 시점 각각에 대해서, 동일한 미래 시점에서의 발전량 예측 값 간의 차이에 기초한 변수이다.
일 실시예에서, 상기 성분 S1은 다음의 수학식을 통해 산출된다.
[수학식]
|발전량 목표 값-실제 발전량| < Th1인 경우,
s1 = C1,
|발전량 목표 값-실제 발전량| ≥ Th1인 경우,
Figure pat00001
여기서, Th1는 미리 설정된 제1 임계 값이고, C1은 성분 S1에 대해 지정된 제1 상수이다.
일 실시예에서, 상기 성분 S2는 다음의 수학식을 통해 산출된다.
[수학식]
실제 발전량 - 예측 발전량 < Th2 인 경우,
s2 = C2 ,
실제 발전량 - 예측 발전량 ≥ Th2 인 경우,
Figure pat00002
여기서, Th2는 미리 설정된 제2 임계 값이고, C2는 성분 S2에 대해 지정된 제2 상수이다.
일 실시예에서, 상기 성분 S3은 다음의 수학식을 통해 산출된다.
[수학식]
max(미래 1의 발전량 예측 값, 미래 2의 발전량 예측 값, …미래 n의 발전량 예측 값) - min(미래 1의 발전량 예측 값, 미래 2의 발전량 예측 값, …미래 n의 발전량 예측 값) < Th3 인 경우, S3=C3 ; 그리고
max(미래 1의 발전량 예측 값, 미래 2의 발전량 예측 값, …미래 n의 발전량 예측 값) - min(미래 1의 발전량 예측 값, 미래 2의 발전량 예측 값, …미래 n의 발전량 예측 값) ≥ Th3 인 경우,
Figure pat00003
여기서, Th3은 미리 설정된 제3 임계 값이고, C3은 성분 S3에 대해 지정된 제3 상수이다.
일 실시예에서, 상기 운전 건전성 모델은 다음의 수학식으로 모델링될 수도 있다.
[수학식]
S = λ1*S1+λ2*S2+λ3*S3
여기서, λ1 + λ2 + λ3 = 1, 0≤S≤1
λ1, λ2, λ3은 성분 S1, S2, S3 각각에 대한 가중치이다.
일 실시예에서, 상기 운전 평가부는, 발전량 내역 및 운전 건전성 평가 결과를 포함한 운전 건전성 화면을 생성하도록 더 구성될 수도 있다. 상기 발전량 내역은 과거부터 운전 건전성 평가 당시의 현재까지의 발전량 실제 값, 목표 값을 포함한다. 상기 운전 건전성 평가 결과는 현재의 운전 건전성 점수 및 적어도 하나의 미래에서의 운전 건전성 점수를 포함한다.
일 실시예에서, 상기 운전 건전성 화면은 과거로부터 현재까지의 발전량 내역을 묘사하는, x축과 y축으로 이루어진 발전량 그래프, 및 현재로부터 미래까지의 운전 건전성 평가 결과 묘사 부분은 x축과 y축으로 이루어진 점수 그래프를 포함할 수도 있다. 상기 발전량 그래프 및 점수 그래프의 x축은 시간을 나타낸다. 상기 발전량 그래프의 y축은 발전량 단위를 나타낸다. 상기 점수 그래프의 y축은 운전 건전성 점수를 나타낸다.
일 실시예에서, 상기 운전 평가부는, 운전 건전성 점수를 산출하는데 사용되었던 측정 값을 감지한 복수의 센서 중에서 측정 값의 변화량이 상대적으로 큰 특정 센서가 설치된 설비의 위치를 이상 설비의 위치로 결정하도록 더 구성될 수도 있다.
일 실시예에서, 상기 운전 평가부는, 복수의 센서각각의 측정 값의 변화량 분포에 기초하여 상기 복수의 센서의 변화량을 적어도 2개의 그룹으로 클러스터링하고 그룹별 변화량의 대표 값을 각각 지정하고, 각 그룹별 변화량의 대표 값에 기초하여 전체 그룹 중 일부 그룹을 이상 설비 그룹으로 결정할 수도 있다.
일 실시예에서, 상기 운전 평가부는, 결정된 이상 설비의 위치를 발전소 전체 계통에서 정상 설비와 시각적으로 구별되도록 표시한 화면을 생성하도록 더 구성될 수도 있다.
일 실시예에서, 상기 이상 설비 알림 화면 상에서 이상 설비의 위치는 상기 이상 설비에 대한 운전 건전성 점수에 대응하는 색상으로 표시할 수도 있다.
본 출원의 다른 일 측면에 따른 발전소 운전 건전성 예측 방법은 프로세서 및 복수의 센서에 의해 수행된다. 상기 발전소 운전 건전성 예측 방법은 발전소 내 복수의 센서로부터 각각의 센싱 데이터를 획득하는 단계; 발전량 목표 값을 수신하고, 발전량 목표 값에 따른 전력을 생산하기 위해 발전소를 운전하며, 그리고 현재 생산되는 발전량 실제 값을 획득하는 단계; 상기 복수의 센서의 센싱 데이터 각각의 적어도 일부를 미리 학습된 발전 예측 모델에 입력하여 현재의 발전량 예측 값 및 적어도 하나의 미래에서의 발전량 예측 값을 산출하는 단계; 및 상기 발전량 목표 값, 상기 발전량 실제 값, 상기 현재의 발전량 예측 값 및 적어도 하나의 미래에서의 발전량 예측 값 중 적어도 일부에 기초하여 운전 건전성 점수를 산출하는 단계를 포함할 수도 있다.
일 실시예에서, 상기 운전 건전성 점수를 산출하는 단계는, 현재의 발전량 목표 값, 현재의 발전량 실제 값, 현재의 발전량 예측 값, 및 적어도 하나의 미래에서의 발전량 예측 값이 운전 건전성 모델에 입력되면, 성분 S1, 성분 S2, 및 성분 S3 중 하나 이상의 성분을 산출하고, 산출된 성분 S1, 성분 S2, 및 성분 S3 중 하나 이상의 성분에 기초하여 운전 건전성 점수(S)를 산출할 수도 있다. 상기 운전 건전성 모델은 성분 S1, 성분 S2, 및 성분 S3 중 하나 이상의 성분에 기초하여 운전 건전성 점수(S)를 산출하도록 구성된다.
일 실시예에서, 상기 방법은: 발전량 내역 및 운전 건전성 평과 결과를 포함한 운전 건전성 화면을 생성하는 단계를 더 포함할 수도 있다.
일 실시예에서, 상기 방법은: 운전 건전성 점수를 산출하는데 사용되었던 측정 값을 감지한 복수의 센서 중에서 측정 값의 변화량이 상대적으로 큰 특정 센서가 설치된 설비의 위치를 이상 설비의 위치로 결정하는 단계를 더 포함할 수도 있다.
일 실시예에서, 상기 방법은: 결정된 이상 설비의 위치를 발전소 전체 계통에서 정상 설비와 시각적으로 구별되도록 표시한 화면을 생성하는 단계를 더 포함할 수도 있다.
본 출원의 또 다른 일 측면에 따른 컴퓨터 판독가능 기록매체는 상술한 실시예들에 따른 발전소 운전 건전성 예측 방법을 수행하기 위한, 프로그램을 기록할 수도 있다.
본 출원의 일 측면에 따른 발전소 운전 건전성 예측 시스템은 사고 발생 이전에 미래 시점에서의 운전 건전성을 예측하여 발전소에서 설비 고장이 발생하는 것을 방지할 수 있다.
특히, 상기 시스템은 다중 미래 시점에서의 운전 건전성을 평가할 수 있는 운전 건전성 점수를 산출할 수도 있다.
또한, 상기 시스템은 산출된 예측 결과를 사용자에게 보다 높은 편의성을 갖는 스크린으로 제공하도록, 예측된 운전 건전성과 발전량을 동일한 스크린 상에 표시할 수 있다.
그 결과, 실제 고장으로 인해 발생 가능한 막대한 금전적 손실, 인명 손실을 방지할 수 있다.
본 출원의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 출원 또는 종래 기술의 실시예의 기술적 해결책을 보다 명확하게 설명하기 위해, 실시예에 대한 설명에서 필요한 도면이 아래에서 간단히 소개된다. 아래의 도면들은 본 명세서의 실시예를 설명하기 목적일 뿐 한정의 목적이 아니라는 것으로 이해되어야 한다. 또한, 설명의 명료성을 위해 아래의 도면들에서 과장, 생략 등 다양한 변형이 적용된 일부 요소들이 도시될 수 있다.
도 1은, 본 출원의 일 측면에 따른, 발전소의 운전 건전성을 예측하는 시스템의 개략도이다.
도 2는, 본 출원의 일 실시예에 따른, 운전 건전성 점수 화면을 도시한 도면이다.
도 3은, 본 출원의 일 실시예에 따른, 이상 설비 알림 화면을 도시한 도면이다.
도 4는, 본 출원의 다른 일 측면에 따른, 발전소의 발전량 실제 값과 목표 발전량 관계에 기반한 운전 건전성 예측 방법의 흐름도이다.
본 명세서에서, “가진다,” “가질 수 있다,”“포함한다,” 또는 “포함할 수 있다” 등의 표현은 해당 특징(예: 수치, 기능, 동작, 단계, 부품, 요소 및/또는 성분 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재나 부가를 제외시키는 것이 아니다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
다양한 실시예에서 사용된 “제 1”, “제 2”, “첫째” 또는 “둘째” 등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 해당 구성요소들을 한정하지 않는다. 상기 표현들은 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 수 있다. 예를 들면, 제1 구성요소와 제2 구성요소는, 순서 또는 중요도와 무관하게, 서로 다른 구성요소를 나타낼 수 있다.
본 명세서에서 사용된 표현 “~하도록 구성된(또는 설정된)(configured to)”은 상황에 따라, 예를 들면, “~에 적합한(suitable for),” “~하는 능력을 가지는(having the capacity to),” “~하도록 설계된(designed to),” “~하도록 변경된(adapted to),” “~하도록 만들어진(made to),”또는 “~를 할 수 있는(capable of)”과 바꾸어 사용될 수 있다. 용어 “~하도록 구성(또는 설정)된”은 하드웨어적으로 “특별히 설계된(specifically designed to)”것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, “~하도록 구성된 장치”라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 “~할 수 있는” 것을 의미할 수 있다. 예를 들면, 문구 “A, B, 및 C를 수행하도록 구성(또는 설정)된 프로세서”는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.
본 출원의 실시예들에 따른 시스템(100)은 미리 학습된 발전량 예측 모델을 사용하여 획득된 현재 센싱 데이터에 기초하여 현재 예측 발전량 및 미래 예측 발전량을 산출하고, 획득된 현재 발전량 실제 값, 현재 예측 발전량 및 미래 예측 발전량을 미리 학습된 운전 건전성 모델에 적용하여 운전 건전성 점수를 산출한다. 그 결과, 시스템은 운전 건전성 점수로 미래 시점에서의 발전소의 운전 건전성을 평가할 수 있다.
이하에서, 도면을 참조하여 본 출원의 실시예들에 대하여 상세히 살펴본다.
도 1은, 본 출원의 일 측면에 따른, 발전소의 운전 건전성을 예측하는 시스템의 개략도이다.
도 1을 참조하면, 상기 시스템(100)은 복수의 센서(110); 발전소 운영부(120); 발전량 예측부(140); 및 운전 평가부(150)를 포함할 수도 있다.
실시예들에 따른 상기 시스템(100)은 전적으로 하드웨어이거나, 전적으로 소프트웨어이거나, 또는 부분적으로 하드웨어이고 부분적으로 소프트웨어인 측면을 가질 수 있다. 예컨대, 시스템은 데이터 처리 능력이 구비된 하드웨어 및 이를 구동시키기 위한 운용 소프트웨어를 통칭할 수 있다. 본 명세서에서 "부(unit)", “모듈(module)”“장치”, 또는 "시스템" 등의 용어는 하드웨어 및 해당 하드웨어에 의해 구동되는 소프트웨어의 조합을 지칭하는 것으로 의도된다. 예를 들어, 하드웨어는 CPU(Central Processing Unit), GPU(Graphic Processing Unit) 또는 다른 프로세서(processor)를 포함하는 데이터 처리 기기일 수 있다. 또한, 소프트웨어는 실행중인 프로세스, 객체(object), 실행파일(executable), 실행 스레드(thread of execution), 프로그램(program) 등을 지칭할 수 있다.
복수의 센서(110)는 발전소에 설치된 다수의 발전설비의 구동 상태, 주변 환경의 변화를 감지하여 구동 상태, 주변 환경의 측정 값을 포함한 센싱 데이터를 생성하는 장치이다.
상기 복수의 센서(110)는 아날로그 센서 및/또는 디지털 센서를 포함한다. 아날로그 센서는 상태 변화를 아날로그 신호로 표현하고, 이를 데이터화한 아날로그 센싱 데이터를 생성한다. 디지털 센서는 상태 변화를 디지털 신호로 표현하고, 이를 데이터화한 디지털 센싱 데이터를 생성한다.
상기 복수의 센서(110)는 발전설비, 발전소와 관련된 정보를 다양한 측면에서 획득한다. 상기 복수의 센서(110)는 , 예를 들어, 에너지 센서, 온도 센서, 압력 센서, 유량 센서, 진동 센서, 수분 센서, 중력 센서, 지자기 센서, 모션 센서, 자이로 센서, 가속도 센서, 기울임 센서, 밝기 센서, 개도 센서, 후각 센서, 뎁스 센서, 밴딩 센서, 오디오 센서, 이미지 센서, 또는 이들의 조합을 포함할 수 있다.
상기 복수의 센서(110)는 감지 범위에서 발전설비 또는 발전소와 관련된 정보를 획득하여 센싱 데이터를 생성할 수도 있다. 예를 들어, 복수의 센서(110)는 발전설비에 관한 정보(예컨대, 발전설비의 구동 정보 등)를 포함한 센싱 데이터를 생성할 수도 있다.
상기 센싱 데이터는 측정 대상의 물리적 정보, 측정 시간, 시간 단위, 측정 값(또는 신호), 측정 단위 등을 포함한다. 또한, 상기 센싱 데이터는 해당 센서(110)에 관련된 정보를 포함할 수도 있다. 상기 해당 센서(110)에 관련된 정보는 센서(110)의 식별 정보, 설치된 계통 정보 및/또는 위치 정보(예컨대, 발전소 내 위치, 또는 발전설비에서의 설치 위치) 등을 포함할 수도 있다.
복수의 센서(110)에 의해 발전설비의 운전 상태를 나타낸 센싱 데이터가 생성되고, 유/무선 전기 통신을 통해 다른 구성요소(예컨대, 발전소 운영부(120))로 공급된다.
발전소 운영부(120)는 발전소의 발전 동작을 제어하는 구성요소이다.
발전소 운영부(120)는 해당 발전소에서 전력을 생산해야할 발전량 목표 값을 수신한다. 발전소 운영부(120)는 전력거래소로부터 해당 발전소에서 생산해야 할 발전량 목표 값을 포함한 발전 요청을 수신할 수도 있다. 일 실시예에서, 상기 발전소 운영부(120)는 실시간으로 발전 요청을 수신할 수도 있다.
발전소 운영부(120)는 상기 발전량 목표 값만큼의 전력을 생산하기 위해 발전소를 운영한다. 발전소 운영부(120)에는 원료 투입량(예컨대, 석탄 투입량), 그리고 보일러, 터빈, 발전기와 같은, 발전설비 각각에 대한 구동 수치가 발전량 목표 값에 따라 지정되어 있다.
발전소 운영부(120)는 운영부(120)는 발전 요청을 실시간으로 전달 받으면, 석탄을 투입하는 기기를 제어하여 석탄 투입량을 조절함으로써 발전 요청의 발전량 목표 값에 맞추어 발전소를 운영한다.
또한, 발전소 운영부(120)는 발전량 목표 값에 대해서 현재의 발전량 실제 값 정보를 획득한다. 현재의 발전량 실제 값은 현재 발전소에서 실제로 생산되는 전력 량이다.
설비에 고장 없는, 정상 운전 중인 발전소는 전달 받은 발전량 목표 값을 생산하기 위해 미리 설정된 제어 값으로 발전설비가 동작하고 원료가 투입됨으로써, 발전량 목표 값에 준하는 발전량 실제 값을 생산한다. 예를 들어, 발전량 목표 값이 860MW인 경우, 발전량 실제 값은 대략 855MW~865MW 일 수도 있다. 발전소 운영부(120)는 발전량 목표 값, 발전량 실제 값 정보를 발전소 예측부(140)에 공급할 수도 있다.
발전량 예측부(140)는 발전설비의 고장을 포함한, 발전소의 고장을 예측하도록 구성된다. 발전소 예측부(140)는 수신한, 발전소의 발전량 목표 값과 현재 생산하는 발전량 실제 값의 관계에 기반하여 운전 건전성 점수를 산출함으로써, 발전소 고장을 예측한다.
특정 실시예들에서, 상기 발전소 예측부(140)는 미리 학습된 발전량 예측 모델을 사용하여 복수의 센서(110)로부터 획득된, 복수의 센싱 데이터 각각의 적어도 일부 데이터로부터 현재의 발전량 예측 값과 미래의 발전량 예측 값을 산출한다.
발전설비가 고장나지 않으면, 해당 발전설비는 정상 운전 상태로 동작하여 발전량 목표 값을 생산하기 위한 작업량을 달성한다.
반면, 고장이 발생한 경우, 각 발전 설비는 정상 운전 상태 하에서의 작업량과 상이한 작업량을 가진다. 특정 발전 설비에 고장이 생긴 경우, 고장 난 설비는 미리 설정된 만큼의 작업량을 달성할 수 없다. 예를 들어, 단일 설비에서 발생한 고장이라면, 발전량 목표 값에 준하는 정상 발전량에서 고장으로 인해 설비가 구동하지 못하는 만큼이 부족한 전력량을 생산할 수밖에 없다. 만약 고장 설비가 이중화 된 설비라면, 다른 이중화 설비가 최대치의 작업을 수행하여 최대한 발전량 목표 값만큼의 전력을 생산하려고 구동한다. 그러나, 다른 이중화 설비의 이중화 능력이 충분하지 못하다면 발전량 목표 값만큼의 전기를 생산 할 수 없다. 이러한 발전설비의 고장과 같은 발전소 고장에 따른 작업량의 차이는 발전설비에 설치된 복수의 센서(110)에 의해 획득되는, 대량의 아날로그 센서의 측정 값, 디지털 센서의 측정 값의 변화로 표출된다. 발전량 예측부(140)는 센싱 데이터를 사용하여 발전소 고장을 예측한다.
발전량 예측부(140)는 복수의 센서(110)에 의해 센싱 데이터를 획득한다. 발전량 예측부(140)는 건전성 점수를 산출하기 위해 현재의 센싱 데이터를 획득할 수도 있다.
발전량 예측부(140)는 현재의 발전량 예측 값과 적어도 하나의 미래에서의 발전량 예측 값을 산출하도록 미리 학습된 발전 예측 모델을 포함한다.
발전량 예측 값은 상기 시스템(100)이 특정 시점에서 발전될 것으로 예상되는 발전량이다.
상기 특정 시점은 현재 시점 또는 이 현재 시점 이후의 하나 이상의 미래 시점일 수도 있다.
현재 시점은 사용자가 상기 시스템(100)을 통해 발전소의 운전 건전성을 예측하고 싶어하는 대상 시점이다. 상기 현재 시점은 운전 건전성 점수 산출의 동작을 개시하는 시점일 수도 있다.
상기 미래 시점은 상기 현재 시점 보다 미래의 시점이다. 일부 실시예에서, 상기 미래 시점은 현재 시점을 기준으로 표현될 수도 있다. 예를 들어, 발전량 예측 값이 산출될 미래 시점은 현재 시점을 기준으로 수분(예컨대, 5분), 수십분(예컨대, 10분, 30분, 60분)의 시점일 수도 있다.
상기 발전 예측 모델은 입력 값(들)으로부터 현재의 발전량 예측 값과 적어도 하나의 미래에서의 발전량 예측 값을 산출하도록 구성된 기계학습 모델이다.
상기 발전 예측 모델은 복수의 뉴런 노드로 이루어진 딥러닝 기반 네트워크를 포함한다. 상기 발전 예측 모델은, LSTM, GRU 등과 같은 RNN(Recurrent Neural Network) 기반 네트워크, DenseNet, ResNet, TCN(Temporal convolutional network)과 같은 CNN 기반 네트워크 또는 기타 네트워크 등을 포함한 인공 신경망 구조를 가질 수도 있다.
특정 실시예들에서, 상기 발전 예측 모델은 센싱 데이터 내 측정 값으로부터 예측 발전량을 출력하도록 구성될 수도 있다.
측정 값은, 온도 센서의 경우 온도 값, 전류 센서의 전류 값과 같은, 센서(110) 각각에서 측정한 값을 나타낸다.
복수의 센서(110)로부터 획득된 센싱 데이터를 사용하는 경우, 발전 예측 모델에는 복수의 센서(110) 각각으로부터 획득된 센싱 데이터에 대해서, 각 센싱 데이터의 측정 값으로 이루어진 입력 데이터 세트가 입력될 수도 있다.
일 실시예에서, 상가 발전량 예측부(140)는 입력 센서의 측정 값을 포함한 입력 데이터 세트를 형성하고 이를 상기 발전 예측 모델에 입력할 수도 있다.
상기 발전 예측 모델은 현재 시점의 센싱 데이터, 과거의 센싱 데이터를 입력 데이터로 사용하도록 구성된다. 입력 데이터의 측정 시간은 센서(110)가 동작을 개시한 시간으로부터 건전성 평가 당시인 현재까지의 동작 기간 중 상기 현재를 포함한 일부 기간 또는 전부 기간일 수도 있다.
상기 발전 예측 모델은 단일 미래 시점 또는 다중 미래 시점에서의 발전량 예측 값을 산출하도록 구성될 수도 있다. n개의 미래 시점에서의 발전량 예측 값을 산출하도록 구성된 경우, 상기 발전 예측 모델은 현재의 발전량 예측 값, 제1 미래의 발전량 예측 값, 제2 미래의 발전량 예측 값, 제n 미래의 발전량 예측 값으로 이루어진 출력 데이터 세트를 산출할 수도 있다.
발전 예측 모델은 복수의 훈련 샘플을 이용하여 입력 값(들)으로부터 입력 시점의 발전량 예측 값과 미래의 발전량 예측 값을 산출하도록 학습된다. 여기서, 복수의 훈련 샘플 각각은 과거로부터 입력 시점까지의 기간 중 입력 시점을 포함한 일부 기간 또는 전부 기간까지의 측정 값, 해당 기간 동안의 발전량 실제 값과 발전량 목표 값을 포함한다. 입력 시점은 입력 센서에 의해 훈련 측정 값이 감지되는 훈련 당시의 현재 시간일 수도 있다.
상기 발전 예측 모델에서 다중 미래 시점의 n 값은 모델의 하이퍼파라미터(hyper parameter)로 설정될 수도 있다.
상기 시스템(100)은 시스템(100) 내부의 다른 구성요소(예컨대, 학습 모듈(미도시))에 의해 학습된 발전 예측 모델을 사용하거나, 또는 외부에 위치한 외부 장치에 의해 미리 학습된 발전 예측 모델을 수신하여 사용할 수 있다. 발전량 예측부(140)는 복수의 센서(110)로부터 획득된 센싱 데이터에 기초하여 각 센싱 데이터의 적어도 일부 데이터(예컨대, 측정 값)으로 이루어진 입력 데이터 세트를 형성한다. 형성된 입력 데이터 세트는 발전 예측 모델에 입력되어 현재의 발전량 예측 값 및 적어도 하나의 미래에서의 발전량 예측 값을 산출한다.
일 실시예에서, 상기 미래의 발전량 예측 값은 하나 이상의 값으로 산출될 수도 있다. 상기 발전 예측 모델은 특정 시점에서의 예측 값을 출력하거나, 동일한 특정 시점에서의 다수의 예측 값을 산출할 수도 있다.
일부 실시예들에서, 상기 발전 예측 모델은 동일한 특정 시점에서 예측되는, 최대 예측 값, 최소 예측 값 및 이들 사이의 예측 값 중 일부 또는 전부를 미래의 발전량 예측 값으로서 출력할 수도 있다.
상기 발전량 예측부(140)는 현재의 발전량 예측 값 및 적어도 하나의 미래에서의 발전량 예측 값을 운전 평가부(150)로 공급한다.
운전 평가부(150)는 발전량 예측부(140)에서 예측한 값과 발전소 운영부(120)에서 획득한 값을 사용하여 발전소의 정상 동작 정도를 나타내는 운전 건전성 점수를 산출한다.
특정 실시예들에서, 상기 운전 평가부(150)는 운전 건전성 모델을 사용하여 발전량 목표 값, 발전량 실제 값, 현재의 발전량 예측 값 및 미래의 발전량 예측 값으로부터 운전 건전성 점수를 산출할 수도 있다. 발전량 목표 값 및 발전량 실제 값은 운전 건전성이 평가될 당시의 현재의 발전량 목표 값 및 현재의 발전량 실제 값이다.
운전 평가부(150)는 현재의 운전 건전성 점수, 적어도 하나의 미래 각각에서의 운전 건전성 점수 중 하나 이상의 운전 건전성 점수를 산출할 수도 있다.
일 실시예에서, 상기 운전 건전성 모델은 현재의 발전량 목표 값, 현재의 발전량 실제 값, 현재의 발전량 예측 값, 및 적어도 하나의 미래에서의 발전량 예측 값 중 적어도 둘 이상에 기초한 것일 수도 있다. 상기 운전 건전성 모델은 현재의 발전량 목표 값, 현재의 발전량 실제 값, 현재의 발전량 예측 값, 및 적어도 하나의 미래에서의 발전량 예측 값에서 둘 이상의 값으로 이루어진 조합을 하나 이상 지정하고 지정된 조합 내 두 값 간의 관계를 통해 운전 건전성 점수를 산출하도록 구성된다.
여기서, 미래의 발전량 예측 값은 동일한 미래 시점에서 발전소가 전력을 생산할 것으로 예측되는 다수의 값일 수도 있다. 그러면, 동일한 미래 시점에서의 발전량 예측 값들 간에 조합이 형성되고, 이들 사이의 관계를 통해 운전 건전성 점수가 산출될 수도 있다.
일 실시예에서, 운전 건전성 모델은 발전량 목표 값과 발전량 실제 값 간의 차이, 현재의 발전량 실제 값과 현재의 발전량 예측 값 간의 차이및 적어도 하나의 미래 시점 각각에 대해서, 동일한 미래 시점의 발전량 예측 값 간의 차이 중 하나 이상의 관계에 기초한 것일 수도 있다.
발전량 목표 값과 발전량 실제 값의 차이는 현재의 발전소 운전 상태가 정상 운전 상태에 일치하는 정도를 의미한다. 그러면, 현재의 발전소 운전 상태가 정상 운전 상태에 가까운 정도가 운전 건전성 점수에 반영된다.
현재의 발전량 실제 값과 현재의 발전량 실제 값 예측 값 간의 차이는 시스템(100)의 특정 시점에서의 발전량 예측 성능을 의미한다. 그러면, 발전량 예측 결과의 정확성이 운전 건전성 점수에 반영된다.
동일한 미래 시점에서의 발전량 예측 값 간의 차이는 해당 미래 시점에서의 예측 값의 정확성을 의미한다. 그러면, 발전소가 미래의 발전량 예측 결과의 정확성이 운전 건전성 점수에 반영된다. 미래 시점에서 전력을 생산할 것으로 예측되는 후보 값들 사이의 편차, 특히 최대 후보 값과 최소 후보 값 간의 편차가 적을수록 더 정확한 평가가 가능하며, 이러한 원리가 운전 건전성 점수를 산출하는데 반영된다.
일 실시예에서, 상기 운전 건전성 모델은 성분 S1, 성분 S2, 및 성분 S3 중 하나 이상의 성분에 기초하여 운전 건전성 점수(S)를 산출하도록 구성될 수도 있다.
상기 성분 S1은 발전량 목표 값과 발전량 실제 값의 차이에 기초한 변수이다.
일 실시예에서, 상기 성분 S1은 다음의 수학식 1에 의해 산출될 수도 있다.
[수학식 1]
|발전량 목표 값-실제 발전량| < Th1인 경우,
S1 = C1
또한, 상기 성분 S1은 다음의 수학식2에 의해서도 산출될 수도 있다.
[수학식 2]
|발전량 목표 값-실제 발전량| ≥ Th1인 경우,
Figure pat00004
여기서, Th1는 미리 설정된 임계 값으로서, 현재의 발전소 운전 상태가 정상 운전 상태로 허용 가능한 것을 나타낸 값일 수도 있다. C1은 성분 S1에 대해 지정된 상수로서, 발전소의 운전 상태를 정상 동작 상태로 간주하는 것을 나타낸다. C1은 예를 들어 1일 수도 있다.
상기 성분 S2는 현재의 발전량 실제 값과 현재의 발전량 예측 값 간의 차이에 기초한 변수이다.
일 실시예에서, 상기 성분 S2은 다음의 수학식 3에 의해 산출될 수도 있다.
[수학식 3]
실제 발전량 - 예측 발전량 < Th2 인 경우,
S2 = C2
또한, 상기 성분 S2는 다음의 수학식4에 의해서도 산출될 수도 있다.
[수학식 4]
실제 발전량 - 예측 발전량 ≥ Th2 인 경우,
Figure pat00005
여기서, Th2는 미리 설정된, 여기서, Th1과 다른 임계 값으로서, 특정 시점에서의 발전량 예측 성능을 운전 건전성 평가에 활용하는 것이 허용 가능한 것을 나타낸 값일 수도 있다. C2는 성분 S2에 대해 지정된 상수로서, 특정 시점에서의 발전량 값을 정확하게 예측한 것으로 간주하는 것을 나타낸다. C2는 예를 들어 1일 수도 있다.
상기 성분 S3은, 적어도 하나의 미래 시점 각각에 대해서, 동일한 미래 시점에서의 발전량 예측 값 간의 차이에 기초한 변수이다.
일 실시예에서, 상기 성분 S3은 다음의 수학식 5에 의해 산출될 수도 있다.
[수학식 5]
max(미래 1의 발전량 예측 값, 미래 2의 발전량 예측 값, …미래 n의 발전량 예측 값) - min(미래 1의 발전량 예측 값, 미래 2의 발전량 예측 값, …미래 n의 발전량 예측 값) < Th3 인 경우,
S3=C3
또한, 상기 성분 S1은 다음의 수학식2에 의해서도 산출될 수도 있다.
[수학식 6]
max(미래 1의 발전량 예측 값, 미래 2의 발전량 예측 값, …미래 n의 발전량 예측 값) - min(미래 1의 발전량 예측 값, 미래 2의 발전량 예측 값, …미래 n의 발전량 예측 값) ≥ Th3 인 경우,
Figure pat00006
여기서, Th3은 미리 설정된, Th1, Th2와 다른 임계 값으로서, 미래 시점에서의 예측 값의 정확 성능을 운전 건전성 평가에 활용하는 것이 허용 가능한 것을 나타낸 값일 수도 있다. C3은 성분 S3에 대해 지정된 상수로서 미래 시점에서의 발전량 값을 정확하게 예측한 것으로 간주하는 것을 나타낸다. 상기 C3은 예를 들어 1일 수도 있다.
제1 미래에서의 발전량 최대 예측 값, 제1 미래에서의 발전량 최소 예측 값이 상기 수학식 5 및 수학식 6에 적용되면, 제1 미래에서의 운전 건전성 점수가 산출된다. 제2 미래에서의 발전량 최대 예측 값, 제2 미래에서의 발전량 최소 예측 값이 상기 수학식 5 및 수학식 6에 적용되면, 제2 미래에서의 운전 건전성 점수가 산출된다. 제n 미래에서의 발전량 최대 예측 값, 제n 미래에서의 발전량 최소 예측 값이 상기 수학식 5 및 수학식 6에 적용되면, 제n 미래에서의 운전 건전성 점수가 산출된다.
일 실시예에서, 상기 운전 건전성 모델은 다음의 수학식으로 표현될 수도 있다. 상기 운전 건전성 모델은 이 수학식을 통해 발전소의 운전 건전성 점수(S)를 산출할 수도 있다.
[수학식 7]
S = λ1*S1+λ2*S2+ λ3*S3
여기서, λ1 + λ2 + λ3 = 1, 0≤S≤1 .
여기서, λ1, λ2, λ3은 성분 S1, S2, S3 각각에 대한 가중치이다. 일부 실시예들에서, 각각의 가중치는 발전소 고장 발생 내역, 각 내역별 발전량 목표 값, 발전량 실제 값, 발전량 예측 값에 기초하여 산출될 수도 있다. 기계학습 또는 다양한 통계방식이 가중치 값을 지정하는데 사용될 수도 있다.
제1 미래에서의 발전량 최대 예측 값, 제1 미래에서의 발전량 최소 예측 값이 상기 수학식 7에 적용되면, 제1 미래에서의 운전 건전성 점수가 산출된다. 제2 미래에서의 발전량 최대 예측 값, 제2 미래에서의 발전량 최소 예측 값이 상기 수학식 7에 적용되면, 제2 미래에서의 운전 건전성 점수가 산출된다. 제n 미래에서의 발전량 최대 예측 값, 제n 미래에서의 발전량 최소 예측 값이 상기 수학식 7에 적용되면, 제n 미래에서의 운전 건전성 점수가 산출된다.
상기 운전 평가부(150)는 현재의 운전 건전성 점수, 하나 이상의 미래 시점에서의 운전 건전성 점수를 산출하고, 사용자에게 운전 건전성 점수 산출 결과를 제공할 수도 있다.
일 실시예에서, 상기 운전 건전성 점수는 특정 스케일 범위 값으로 산출될 수도 있다. 스케일 범위의 상한 및 하한 중 어느 하나의 값에 가까울수록 정상 운전 상태를 의미하고 다른 하나의 값에 가까울수록 비-정상 운전 상태를 의미한다. 상기 수학식 7 등의 변수는 상기 특정 스케일 범위를 충족하는 값을 가질 수도 있다.
예를 들어, 상기 운전 평가부(150)는 운전 건전성 점수가 100점에 가까울수록 정상 운전 상태를 나타내고 0점에 가까울수록 비-정상 운전 상태에 가까운 것을 의미하도록 상기 운전 건전성 점수 S를 산출할 수도 있다.
도 2는, 본 출원의 일 실시예에 따른, 운전 건전성 점수 화면을 도시한 도면이다.
도 2를 참조하면, 상기 운전 평가부(150)는 발전량 내역 및 운전 건전성 평가 결과를 포함한 운전 건전성 화면을 생성할 수도 있다. 발전량 내역은 과거부터 운전 건전성 평가 당시의 현재까지의 발전량 실제 값, 목표 값을 포함한다. 운전 건전성 평가 결과는 현재의 운전 건전성 점수 및 적어도 하나의 미래에서의 운전 건전성 점수를 포함한다.
상기 운전 건전성 화면의 일부분은 과거로부터 현재까지의 발전량 내역를 묘사한다(illustrate). 상기 운전 건전성 화면의 다른 일부분은 현재로부터 미래까지의 운전 건전성 점수를 묘사한다.
과거로부터 현재까지의 발전량 내역 묘사 부분은 x축과 y축으로 이루어진 발전량 그래프를 포함할 수도 있다. 발전량 그래프의 y축은 발전량 단위(예컨대, MW)를 나타내고, x축은 시간을 나타낸다. 상기 발전량 그래프에는 시간에 따른 발전량 실제 값과 발전량 목표 값이 묘사된다. 과거로부터 현재의 범위는 사용자의 화면 스케일 설정에 의해 지정될 수도 있다
일부 실시예들에서, 상기 발전량 그래프에서 발전량의 위치는 시간 범위 내에서 보다 연속적으로 표현될 수도 있다. 예를 들어, 도 2과 같이 선 그래프로 표현될 수도 있다.
현재로부터 미래까지의 운전 건전성 평가 결과 묘사 부분은 x축과 y축으로 이루어진 점수 그래프를 포함할 수도 있다. 점수 그래프의 y축은 운전 건전성 점수를 나타내고 x축은 시간을 나타낸다. 운전 평가부(150)는 운전 건전성 점수(S)의 값 자체 또는 사용자의 편의성을 위해 변환한 값을 상기 점수 그래프 상에 묘사할 수도 있다. 예를 들어, 운전 평가부(150)는 0 내지 1의 y축을 갖는 점수 그래프, 또는 0 내지 100의 y축을 갖는 점수 그래프를 상기 운전 건전성 화면 상에 묘사할 수도 있다.
상기 점수 그래프에서 점수의 위치는 시간 범위 내에서 보다 불 연속적으로 표현될 수도 있다. 예를 들어, 도 2과 같이 각 특정 시점(현재 또는 미래)에 해당하는 부분에 점으로 표현될 수도 있다.
일 실시예에서, 상기 운전 건전성 점수 화면은 두 개의 y축을 동시에 포함할 수도 있다. 두 개의 y축은 상기 발전량 그래프의 y축 및 점수 그래프의 y축을 포함한다. 도 2에 도시된 것과 같이, 과거로부터의 발전량 내역과 현재부터 미래까지의 운전 건전성 예측 결과를 한 화면에 동시에 묘사할 수도 있다.
또한, 상기 운전 평가부(150)는 사용자의 선택에 따라 상기 운전 건전성 화면에 나타내기 위해, 상기 운전 건전성 화면을 이루는 항목들 중 일부 또는 전부를 선택 가능한 항목으로 포함하는 항목 리스트를 제공하도록 더 구성될 수도 있다. 이 항목 리스트는 상기 운전 건전성 화면의 서브 영역에 묘사될 수도 있다.
예를 들어, 상기 운전 건전성 화면을 이루는 항목들 중 발전량 실제 값, 발전량 목표 값, 5분 후 예측 값, 10분 후 예측 값, 30분 후 예측 값, 60분 후 예측 값으로 이루어진 항목 리스트가 도 2의 운전 건전성 화면을 통해 사용자의 선택을 유도하도록 제공될 수도 있다. 이 항목 리스트 내 모든 항목이 선택되면, 도 2의 운전 건전성 화면이 사용자에게 제공된다.
또한, 상기 운전 평가부(150)는 운전 건전성 점수에 기초하여 계통의 상태를 정상 운전 상태가 아닌 비-정상 운전 상태로 판단한 경우, 비-정상 운전 상태를 야기한 이상 설비의 위치를 탐색할 수도 있다.
일 실시예에서, 상기 운전 평가부(150)는, 운전 건전성 점수를 산출하는데 사용되었던 측정 값을 감지한 복수의 센서(110) 중에서 측정 값의 변화량이 상대적으로 큰 특정 센서(들)(110)이 설치된 설비의 위치를 이상 설비의 위치로 결정한다.
일 실시예에서, 상기 운전 평가부(150)는 복수의 센서(110) 각각의 측정 값의 변화량 분포에 기초하여 상기 복수의 센서(110)의 변화량을 적어도 2개의 그룹으로 클러스터링할 수도 있다. 각 그룹은 그룹에 포함된 성분 값들에 기초하여 변화량의 대표 값이 지정될 수도 있다.
그러면, 상기 운전 평가부(150)는 각 그룹별 변화량의 대표 값에 기초하여 전체 그룹 중 일부 그룹을 이상 설비 그룹으로 결정할 수도 있다. 또한, 상기 운전 평가부(150)는 이상 설비 그룹에 속하는 일부 또는 전부의 센서(110)가 설치된 설비의 위치를 이상 설비의 위치로 결정할 수도 있다. 상기 이상 설비 그룹은 대표 변화량 값이 상대적으로 큰 값을 갖는 설비 그룹이다.
예를 들어, 상기 운전 평가부(150)는 2개의 그룹으로 복수의 센서(110)를 구분하면, 대표 변화량 값이 보다 큰 그룹에서 이상 설비의 위치를 결정한다.
일 실시예에서, 상기 이상 설비 그룹은 복수의 그룹 중 가장 큰 변화량의 대표 값을 갖는 그룹일 수도 있다.
상기 운전 평가부(150)는 센서(110)의 측정 값의 큰 변화량이 검출된 이상 설비의 위치를 사용자에게 제공할 수도 있다. 여기서, 이상 설비의 위치는 이상 설비 자체의 위치 또는 이상 설비를 포함한 계통의 위치를 포함한다.
도 3은, 본 출원의 일 실시예에 따른, 이상 설비 알림 화면을 도시한 도면이다.
도 3을 참조하면, 상기 운전 평가부(150)는 이상 설비의 위치를 표시한, 이상 설비 알림 화면을 생성할 수도 있다. 상기 운전 평가부(150)는 디스플레이 장치(미도시)로 상기 이상 설림 화면의 데이터를 공급하여 상기 이상 설비 알림 화면을 표시한다.
상기 이상 설비 알람 화면은 발전소 전체 계통 도면을 포함할 수도 있다. 발전소 전체 계통에서 이상 설비의 위치가 정상 설비의 위치와 시각적으로 구별되도록 표시된다. 예를 들어, 각각의 계통을 가리키는 형상이 표시된 발전소 전체 계통 도면에서 이상 설비를 포함한 계통의 형상을 이상 설비를 포함하지 않는 계통의 형상과 구별되도록 표시할 수도 있다.
일 실시예에서, 상기 이상 설비 알림 화면 상에서 이상 설비의 위치는 상기 이상 설비에 대한 운전 건전성 점수에 대응하는 색상으로 표시할 수도 있다.
상기 운전 평가부(150)는 각 설비별로 산출된 운전 건전성 점수에 기초하여 해당 설비의 운전 상태 등급을 결정하고 결정된 운전 상태 등급에 대응한 색상으로 이상 설비의 위치를 표시할 수도 있다. 이를 위해, 상기 운전 평가부(150)는 운전 건전성 점수에 따른 운전 상태 등급을 기록한 등급 표(table)를 미리 저장할 수도 있다. 상기 등급 표는 일정한 점수 범위로 설정된 복수의 등급을 기록한다.
상기 복수의 등급은 정상 운전 상태를 가리키는 제1 등급(예컨대, “정상”)을 포함한다. 상기 복수의 등급은 하나 이상의 등급을 비-정상 운전 상태를 가리키는 등급으로 포함할 수도 있다.
일부 실시예들에서, 상기 복수의 등급은 고장이 발생할 가능성이 높은 상태를 가리키는 제2 등급(예컨대, “위험”) 및 고장 운전 상태에 도달한 것을 가리키는 제3 등급(예컨대, “고장”)을 비-정상 운전 상태로서 포함할 수도 있다. 상기 제2 등급은 제3 등급 대비 정상 운전 상태에 가까운 운전 건전성 점수를 가진다. 상기 일 예시에서, 운전 건전성 점수가 100점에 가까울수록 정상 운전 상태를 나타내고 0점에 가까울수록 비-정상 운전 상태에 가까운 것을 의미하도록 상기 운전 건전성 점수가 산출될 경우, 제2 등급은 제3 등급 보다 높은 운전 건전성 점수에 대응한다.
이들 제1 내지 제3 등급에 대응하는 색상들은 서로 상이하다. 예를 들어, 도 3에 도시된 것과 같이, 제1 등급은 초록색, 제2 등급은 노란색, 제3 등급은 빨간 색에 각각 대응할 수도 있다.
실시예들에 따른 시스템(100)에서 각각의 부(120, 130, 150)는 시스템 내에서 반드시 별개의 블록으로 구현되는 것으로 제한되지 않을 수도 있다. 즉, 도 1에서 발전소 운영부(120), 발전량 예측부(140), 및 운전 평가부(150)는 실시예들에 따라서는 단일 기기 내에 집적되어 구현될 수도 있다.
상기 발전 시스템(100)이 본 명세서에 서술되지 않은 다른 구성요소를 포함할 수도 있다는 것이 통상의 기술자에게 명백할 것이다. 예를 들어, 상기 발전 시스템(100)은 네트워크 인터페이스, 데이터 엔트리를 위한 입력 장치, 및 디스플레이, 인쇄 또는 다른 데이터 표시를 위한 출력 장치를 포함하는, 본 명세서에 서술된 동작에 필요한 다른 하드웨어 요소를 포함할 수도 있다.
본 출원의 다른 일 측면에 따른 발전소의 발전량 실제 값과 목표 발전량 관계에 기반한 운전 건전성 예측 방법은 복수의 센서 및 프로세서에 의해 수행될 수도 있다. 예를 들어, 발전소의 발전량 실제 값과 목표 발전량 관계에 기반한 운전 건전성 예측 방법은 도 1의 시스템(100)에 포함된 프로세서에 의해 수행될 수도 있다. 이하, 설명의 명료성을 위해, 도 1의 시스템(100)에 의해 수행되는 실시예들로 상기 방법을 보다 상세히 서술한다.
도 4는, 본 출원의 다른 일 측면에 따른, 발전소의 발전량 실제 값과 목표 발전량 관계에 기반한 운전 건전성 예측 방법의 흐름도이다.
도 4를 참조하면, 상기 발전소의 발전량 실제 값과 목표 발전량 관계에 기반한 운전 건전성 예측 방법(이하, “운전 건전성 예측 방법”)은 복수의 센서(110)로부터 센싱 데이터를 획득하는 단계(S110)를 포함한다. 상기 센싱 데이터는 발전소에 설치된 설비의 구동 상태, 주변 환경 정보를 측정한 값을 포함한다.
또한, 상기 운전 건전성 예측 방법은: 발전량 목표 값을 수신하고 상기 발전량 목표 값을 생산하기 위해 발전소를 운영하는 단계(S120); 및 발전량 실제 값을 획득하는 단계(S130)를 포함한다. 상기 발전량 목표 값은 전력거래소로부터 수신한 전력 요청에 포함될 수도 있다. 발전소는 상기 발전량 목표 값을 생산하기 위해 전력을 생산한다. 그러면, 발전소에서 실제로 전력을 생산하는 값인, 발전량 실제 값이 획득될 수도 있다.
또한, 상기 운전 건전성 예측 방법은: 발전 예측 모델을 사용해 단계(S110)에서 획득한 센싱 데이터 중 일부 또는 전부로부터 현재의 발전량 예측 값과 적어도 하나의 미래에서의 발전량 예측 값을 산출하는 단계(S140)를 포함한다. 상기 복수의 센서의 센싱 데이터 각각의 적어도 일부를 미리 학습된 발전 예측 모델에 입력하여 현재의 발전량 예측 값 및 적어도 하나의 미래에서의 발전량 예측 값을 산출할 수도 있다(S140).
발전 예측 모델에 입력되는 입력 데이터 세트는, 복수의 센서(110) 각각으로부터 획득된 센싱 데이터에 대해서, 각 센싱 데이터의 일부 또는 전부의 데이터로 이루어질 수도 있다. 예를 들어, 각 센싱 데이터 내 측정 값으로 이루어진 입력 데이터 세트가 발전 예측 모델에 입력될 수도 있다.
적어도 하나의 미래 시점 각각에 대해서, 동일한 미래 시점별로 하나 이상의 예측 값이 상기 미래의 발전량 예측 값으로서 산출될 수도 있다(S140). 이러한 발전 예측 모델에 대해서는 발전량 예측부(140)를 참조하여 위에서 서술하였는 바, 자세한 설명은 생략한다.
또한, 상기 운전 건전성 예측 방법은: 운전 건전성 모델을 사용해 단계(S120)의 발전량 실제 값, 발전량 목표 값, 단계(S140)의 현재/미래에서의 발전량 예측 값으로부터 운전 건전성 점수를 산출하는 단계(S150)를 포함한다.
일 실시예에서, 상기 운전 건전성 모델은 현재의 발전량 목표 값, 현재의 발전량 실제 값, 현재의 발전량 예측 값, 및 적어도 하나의 미래에서의 발전량 예측 값 중 적어도 둘 이상에 기초한 것일 수도 있다.
일 실시예에서, 상기 운전 건전성 모델은 성분 S1, 성분 S2, 및 성분 S3 중 하나 이상의 성분에 기초하여 운전 건전성 점수(S)를 산출하도록 구성될 수도 있다. 현재의 발전량 목표 값, 현재의 발전량 실제 값, 현재의 발전량 예측 값, 및 적어도 하나의 미래에서의 발전량 예측 값이 운전 건전성 모델에 입력되면, 성분 S1, 성분 S2, 및 성분 S3 중 하나 이상의 성분을 산출하고, 산출된 성분 S1, 성분 S2, 및 성분 S3 중 하나 이상의 성분에 기초하여 운전 건전성 점수(S)를 산출할 수도 있다.
상기 운전 건전성 모델, 성분 S1, S2, S3, 및 운전 건전성 점수(S)에 대해서는 수학식 1 내지 수학식 7을 참조해 위에서 서술하였는 바, 자세한 설명은 생략한다.
또한, 상기 운전 건전성 예측 방법은: 발전량 내역 및 운전 건전성 평과 결과를 포함한 운전 건전성 화면을 표시하는 단계(S151)를 포함한다. 단계(S151)에서 디스플레이 장치(미도시)로 상기 운전 건전성 화면의 데이터를 공급하여 상기 운전 건전성 화면을 표시한다.
상기 운전 건전성 화면은 과거로부터의 발전량 내역과 현재부터 미래까지의 운전 건전성 예측 결과를 한 화면 상에 동시에 묘사할 수도 있다.
상기 운전 건전성 점수 산출 과정 및 운전 건전성 화면은 도 2를 참조해 위에서 서술하였는 바, 자세한 설명은 생략한다.
또한, 상기 운전 건전성 예측 방법은: 산출된 운전 건전성 점수에 기초하여 이상 설비의 위치를 결정하는 단계(S160)를 더 포함한다.
단계(S160)에서 운전 건전성 점수를 산출하는데 사용되었던 측정 값을 감지한 복수의 센서(110) 중에서 측정 값의 변화량이 상대적으로 큰 특정 센서(들)(110)이 설치된 설비의 위치를 이상 설비의 위치로 결정한다.
또한, 상기 운전 건전성 예측 방법은: 결정된 이상 설비의 위치를 표시한 이상 설비 알림 화면을 표시하는 단계(S161)를 더 포함할 수도 있다. 상기 이상 설비 알림 화면은 발전소 전체 계통에서 다른 정상 설비의 위치와 시각적으로 구별된 이상 설비의 위치를 표시한다.
상기 이상 설비의 위치를 결정하는 과정 및 이상 설비 알림 화면에 대해서는 도 3을 참조해 위에서 서술하였는 바, 자세한 설명은 생략한다.
이상에서 설명한 실시예들에 따른 발전소의 발전량 실제 값과 발전량 목표 값 관계에 기반한 운전 건전성 예측 방법 및 시스템(100)에 의한 동작은 적어도 부분적으로 컴퓨터 프로그램으로 구현되어, 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 예를 들어, 프로그램 코드를 포함하는 컴퓨터-판독가능 매체로 구성되는 프로그램 제품과 함께 구현되고, 이는 기술된 임의의 또는 모든 단계, 동작, 또는 과정을 수행하기 위한 프로세서에 의해 실행될 수 있다.
상기 컴퓨터는 데스크탑 컴퓨터, 랩탑 컴퓨터, 노트북, 스마트 폰, 또는 이와 유사한 것과 같은 컴퓨팅 장치일 수도 있고 통합될 수도 있는 임의의 장치일 수 있다. 컴퓨터는 하나 이상의 대체적이고 특별한 목적의 프로세서, 메모리, 저장공간, 및 네트워킹 구성요소(무선 또는 유선 중 어느 하나)를 가지는 장치다. 상기 컴퓨터는 예를 들어, 마이크로소프트의 윈도우와 호환되는 운영 체제, 애플 OS X 또는 iOS, 리눅스 배포판(Linux distribution), 또는 구글의 안드로이드 OS와 같은 운영체제(operating system)를 실행할 수 있다.
상기 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록신원확인 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장신원확인 장치 등을 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 또한, 본 실시예를 구현하기 위한 기능적인 프로그램, 코드 및 코드 세그먼트(segment)들은 본 실시예가 속하는 기술 분야의 통상의 기술자에 의해 용이하게 이해될 수 있을 것이다.
이상에서 살펴본 본 출원은 도면에 도시된 실시예들을 참고로 하여 설명하였으나 이는 예시적인 것에 불과하며 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 실시예의 변형이 가능하다는 점을 이해할 것이다. 그러나, 이와 같은 변형은 본 출원의 기술적 보호범위 내에 있다고 보아야 한다. 따라서, 본 출원의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해서 정해져야 할 것이다.

Claims (21)

  1. 발전소 운전 건전성 예측 시스템에 있어서,
    복수의 발전설비에 설치되어, 상기 복수의 발전설비의 구동 상태 또는 주변 환경을 측정하는 복수의 센서;
    발전량 목표 값을 수신하고, 발전량 목표 값에 따른 전력을 생산하기 위해 발전소를 운전하며, 그리고 현재 생산되는 발전량 실제 값을 획득하는 발전소 운영부;
    미리 학습된 발전 예측 모델을 사용하여 상기 복수의 센서의 센싱 데이터 각각의 적어도 일부로부터 현재의 발전량 예측 값 및 적어도 하나의 미래에서의 발전량 예측 값을 산출하는 발전량 예측부;
    상기 발전량 목표 값, 상기 발전량 실제 값, 상기 현재의 발전량 예측 값 및 적어도 하나의 미래에서의 발전량 예측 값 중 적어도 일부에 기초한 운전 건전성 모델을 통해 현재의 운전 건전성 점수, 적어도 하나의 미래 각각에서의 운전 건전성 점수 중 하나 이상의 운전 건전성 점수를 산출하는 운전 평가부;를 포함하는 발전소 운전 건전성 예측 시스템.
  2. 제1항에 있어서,
    상기 발전 예측 모델은 복수의 훈련 샘플을 사용하여, 입력 센서의 측정 값을 포함한 입력 데이터 세트가 입력되면, 현재의 발전량 예측 값과 적어도 하나의 미래에서의 발전량 예측 값을 산출하도록 구성되고,
    상기 복수의 훈련 샘플 각각은 과거로부터 입력 시점까지의 기간 중 입력 시점을 포함한 일부 기간 또는 전부 기간까지의 측정 값, 해당 기간 동안의 발전량 실제 값과 발전량 목표 값을 포함하는 것을 특징으로 하는 발전소 운전 건전성 예측 시스템.
  3. 제1항에 있어서,
    상기 발전 예측 모델은 n개의 미래에서의 발전량 예측 값을 산출하도록 구성되며,
    상기 n은 하이퍼파라미터로 지정된 것을 특징으로 하는 발전소 운전 건전성 예측 시스템.
  4. 제1항에 있어서,
    적어도 하나의 미래 시점 각각에 대해서, 상기 운전 건전성 모델은 발전량 목표 값과 발전량 실제 값 간의 차이, 현재의 발전량 실제 값과 현재의 발전량 예측 값 간의 차이 및 동일한 미래 시점의 발전량 예측 값 간의 차이 중 하나 이상의 관계에 기초한 것을 특징으로 하는 발전소 운전 건전성 예측 시스템.
  5. 제4항에 있어서,
    적어도 하나의 미래 각각에 대해서, 미래의 발전량 예측 값은 하나 이상의 값으로 산출되며,
    상기 운전 건전성 모델은 성분 S1, 성분 S2, 및 성분 S3 중 하나 이상의 성분에 기초하여 운전 건전성 점수(S)를 산출하도록 구성되며,
    상기 성분 S1은 발전량 목표 값과 발전량 실제 값의 차이에 기초한 변수이고,
    상기 성분 S2는 현재의 발전량 실제 값과 현재의 발전량 예측 값 간의 차이에 기초한 변수이며,
    상기 성분 S3은, 적어도 하나의 미래 시점 각각에 대해서, 동일한 미래 시점에서의 발전량 예측 값 간의 차이에 기초한 변수인 것을 특징으로 하는 발전소 운전 건전성 예측 시스템.
  6. 제5항에 있어서,
    상기 성분 S1은 다음의 수학식을 통해 산출되며,
    [수학식]
    |발전량 목표 값-실제 발전량| < Th1인 경우,
    s1 = C1,
    |발전량 목표 값-실제 발전량| ≥ Th1인 경우,
    Figure pat00007

    여기서, Th1는 미리 설정된 제1 임계 값이고, C1은 성분 S1에 대해 지정된 제1 상수인 것을 특징으로 하는 발전소 운전 건전성 예측 시스템.
  7. 제5항에 있어서,
    상기 성분 S2는 다음의 수학식을 통해 산출되며,
    [수학식]
    실제 발전량 - 예측 발전량 < Th2 인 경우,
    s2 = C2 ,
    실제 발전량 - 예측 발전량 ≥ Th2 인 경우,
    Figure pat00008

    여기서, Th2는 미리 설정된 제2 임계 값이고, C2는 성분 S2에 대해 지정된 제2 상수인 것을 특징으로 하는 발전소 운전 건전성 예측 시스템.
  8. 제5항에 있어서,
    상기 성분 S3은 다음의 수학식을 통해 산출되며,
    [수학식]
    max(미래 1의 발전량 예측 값, 미래 2의 발전량 예측 값, …미래 n의 발전량 예측 값) - min(미래 1의 발전량 예측 값, 미래 2의 발전량 예측 값, …미래 n의 발전량 예측 값) < Th3 인 경우,
    S3=C3 ; 그리고
    max(미래 1의 발전량 예측 값, 미래 2의 발전량 예측 값, …미래 n의 발전량 예측 값) - min(미래 1의 발전량 예측 값, 미래 2의 발전량 예측 값, …미래 n의 발전량 예측 값) ≥ Th3 인 경우,
    Figure pat00009

    여기서, Th3은 미리 설정된 제3 임계 값이고, C3은 성분 S3에 대해 지정된 제3 상수인 것을 특징으로 하는 발전소 운전 건전성 예측 시스템.
  9. 제5항에 있어서,
    상기 운전 건전성 모델은 다음의 수학식으로 표현되며,
    [수학식]
    S = λ1*S1+λ2*S2+ λ3*S3
    여기서, λ1 + λ2 + λ3 = 1, 0≤S≤1
    λ1, λ2, λ3은 성분 S1, S2, S3 각각에 대한 가중치인 것을 특징으로 하는 발전소 운전 건전성 예측 시스템.
  10. 제1항에 있어서, 상기 운전 평가부는,
    발전량 내역 및 운전 건전성 평가 결과를 포함한 운전 건전성 화면을 생성하도록 더 구성되며,
    상기 발전량 내역은 과거부터 운전 건전성 평가 당시의 현재까지의 발전량 실제 값, 목표 값을 포함하고,
    상기 운전 건전성 평가 결과는 현재의 운전 건전성 점수 및 적어도 하나의 미래에서의 운전 건전성 점수를 포함하는 것을 특징으로 하는 발전소 운전 건전성 예측 시스템.
  11. 제10항에 있어서,
    상기 운전 건전성 화면은 과거로부터 현재까지의 발전량 내역을 묘사하는, x축과 y축으로 이루어진 발전량 그래프, 및
    현재로부터 미래까지의 운전 건전성 평가 결과 묘사 부분은 x축과 y축으로 이루어진 점수 그래프를 포함하고,
    상기 발전량 그래프 및 점수 그래프의 x축은 시간을 나타내고,
    상기 발전량 그래프의 y축은 발전량 단위를 나타내며,
    상기 점수 그래프의 y축은 운전 건전성 점수를 나타내는 것을 특징으로 하는 발전소 운전 건전성 예측 시스템.
  12. 제1항에 있어서, 상기 운전 평가부는,
    운전 건전성 점수를 산출하는데 사용되었던 측정 값을 감지한 복수의 센서 중에서 측정 값의 변화량이 상대적으로 큰 특정 센서가 설치된 설비의 위치를 이상 설비의 위치로 결정하도록 더 구성되는 것을 특징으로 하는 발전소 운전 건전성 예측 시스템.
  13. 제12항에 있어서, 상기 운전 평가부는,
    복수의 센서각각의 측정 값의 변화량 분포에 기초하여 상기 복수의 센서의 변화량을 적어도 2개의 그룹으로 클러스터링하고 그룹별 변화량의 대표 값을 각각 지정하고,
    각 그룹별 변화량의 대표 값에 기초하여 전체 그룹 중 일부 그룹을 이상 설비 그룹으로 결정하는 것을 특징으로 하는 발전소 운전 건전성 예측 시스템.
  14. 제12항에 있어서, 상기 운전 평가부는,
    결정된 이상 설비의 위치를 발전소 전체 계통에서 정상 설비와 시각적으로 구별되도록 표시한 화면을 생성하도록 더 구성되는 것을 특징으로 하는 발전소 운전 건전성 예측 시스템.
  15. 제14항에 있어서,
    상기 이상 설비 알림 화면 상에서 이상 설비의 위치는 상기 이상 설비에 대한 운전 건전성 점수에 대응하는 색상으로 표시하는 것을 특징으로 하는 발전소 운전 건전성 예측 시스템.
  16. 프로세서 및 복수의 센서에 의해 수행되는 발전소 운전 건전성 예측 방법에 있어서,
    발전소 내 복수의 센서로부터 각각의 센싱 데이터를 획득하는 단계;
    발전량 목표 값을 수신하고, 발전량 목표 값에 따른 전력을 생산하기 위해 발전소를 운전하며, 그리고 현재 생산되는 발전량 실제 값을 획득하는 단계;
    상기 복수의 센서의 센싱 데이터 각각의 적어도 일부를 미리 학습된 발전 예측 모델에 입력하여 현재의 발전량 예측 값 및 적어도 하나의 미래에서의 발전량 예측 값을 산출하는 단계; 및
    상기 발전량 목표 값, 상기 발전량 실제 값, 상기 현재의 발전량 예측 값 및 적어도 하나의 미래에서의 발전량 예측 값 중 적어도 일부에 기초하여 운전 건전성 점수를 산출하는 단계를 포함하는 발전소 운전 건전성 예측 방법.
  17. 제16항에 있어서,
    상기 운전 건전성 점수를 산출하는 단계는,
    현재의 발전량 목표 값, 현재의 발전량 실제 값, 현재의 발전량 예측 값, 및 적어도 하나의 미래에서의 발전량 예측 값이 운전 건전성 모델에 입력되면, 성분 S1, 성분 S2, 및 성분 S3 중 하나 이상의 성분을 산출하고, 산출된 성분 S1, 성분 S2, 및 성분 S3 중 하나 이상의 성분에 기초하여 운전 건전성 점수(S)를 산출하며,
    상기 운전 건전성 모델은 성분 S1, 성분 S2, 및 성분 S3 중 하나 이상의 성분에 기초하여 운전 건전성 점수(S)를 산출하도록 구성되고,
    상기 성분 S1은 발전량 목표 값과 발전량 실제 값의 차이에 기초한 변수이고,
    상기 성분 S2는 현재의 발전량 실제 값과 현재의 발전량 예측 값 간의 차이에 기초한 변수이며,
    상기 성분 S3은, 적어도 하나의 미래 시점 각각에 대해서, 동일한 미래 시점에서의 발전량 예측 값 간의 차이에 기초한 변수인 것을 특징으로 하는 발전소 운전 건전성 예측 방법.
  18. 제16항에 있어서,
    발전량 내역 및 운전 건전성 평과 결과를 포함한 운전 건전성 화면을 생성하는 단계를 더 포함하는 발전소 운전 건전성 예측 방법.
  19. 제16항에 있어서,
    운전 건전성 점수를 산출하는데 사용되었던 측정 값을 감지한 복수의 센서 중에서 측정 값의 변화량이 상대적으로 큰 특정 센서가 설치된 설비의 위치를 이상 설비의 위치로 결정하는 단계를 더 포함하는 발전소 운전 건전성 예측 방법.
  20. 제19항에 있어서,
    결정된 이상 설비의 위치를 발전소 전체 계통에서 정상 설비와 시각적으로 구별되도록 표시한 화면을 생성하는 단계를 더 포함하는 발전소 운전 건전성 예측 방법.
  21. 제16항 내지 제20항 중 어느 하나의 항에 따른 발전소 운전 건전성 예측 방법을 수행하기 위한, 프로그램을 기록한 컴퓨터 판독가능 기록매체.
KR1020210160128A 2021-11-19 2021-11-19 발전소 운전 건전성 예측 시스템 및 방법 KR20230073587A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210160128A KR20230073587A (ko) 2021-11-19 2021-11-19 발전소 운전 건전성 예측 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210160128A KR20230073587A (ko) 2021-11-19 2021-11-19 발전소 운전 건전성 예측 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR20230073587A true KR20230073587A (ko) 2023-05-26

Family

ID=86537144

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210160128A KR20230073587A (ko) 2021-11-19 2021-11-19 발전소 운전 건전성 예측 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR20230073587A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101713985B1 (ko) 2016-09-02 2017-03-09 에이블맥스(주) 예지 정비 방법 및 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101713985B1 (ko) 2016-09-02 2017-03-09 에이블맥스(주) 예지 정비 방법 및 장치

Similar Documents

Publication Publication Date Title
US10809153B2 (en) Detecting apparatus, detection method, and program
JP4832609B1 (ja) 異常予兆診断装置および異常予兆診断方法
JP6810097B2 (ja) 異常検出器
EP3489780B1 (en) Examining apparatus, examining method, program and recording medium
JP2019016209A (ja) 診断装置、診断方法およびコンピュータプログラム
US7933754B2 (en) System and method for damage propagation estimation
JP7040851B2 (ja) 異常検知装置、異常検知方法及び異常検知プログラム
TWI663510B (zh) 設備保養預測系統及其操作方法
US11657121B2 (en) Abnormality detection device, abnormality detection method and computer readable medium
EP3859455B1 (en) Learning apparatus, learning method, learning program, determination apparatus, determination method, determination program, and computer readable medium
KR101978569B1 (ko) 플랜트 데이터 예측 장치 및 방법
EP3904987B1 (en) Control support apparatus, control support method, control support program, computer readable medium with control support program recorded thereon and control system
JP6887361B2 (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
WO2021127646A1 (en) Device and method for monitoring a system
US11967822B2 (en) Method for predicting power generation and remaining useful life per system and system for performing the same
KR20230073587A (ko) 발전소 운전 건전성 예측 시스템 및 방법
US11665193B2 (en) Method for managing plant, plant design device, and plant management device
KR20230125116A (ko) 머신러닝 클러스터링 알고리즘과 통계적 기법을 이용해 고장 데이터가 부재한 시스템의 결함 탐지 및 고장 진단 예측 방법
CN116997867A (zh) 用于预测技术设施的运行的方法和系统
KR102455723B1 (ko) 발전설비의 고장을 조기 감지하는 모니터링 시스템 및 방법
KR20200059429A (ko) 디지털 트윈 기반 건설기계 지능화를 위한 시각화 도구 적용 방법
JP7281394B2 (ja) 異常診断装置およびプログラム
US20230350875A1 (en) Data processing apparatus, data processing method, and recording medium
US20240118685A1 (en) Assistance apparatus and method for automatically identifying failure types of a technical system
US20230038902A1 (en) Information processing device, control method, and storage medium

Legal Events

Date Code Title Description
E902 Notification of reason for refusal