KR20230078596A - 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템 - Google Patents

빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템 Download PDF

Info

Publication number
KR20230078596A
KR20230078596A KR1020230046714A KR20230046714A KR20230078596A KR 20230078596 A KR20230078596 A KR 20230078596A KR 1020230046714 A KR1020230046714 A KR 1020230046714A KR 20230046714 A KR20230046714 A KR 20230046714A KR 20230078596 A KR20230078596 A KR 20230078596A
Authority
KR
South Korea
Prior art keywords
charging station
hydrogen charging
data
hydrogen
big data
Prior art date
Application number
KR1020230046714A
Other languages
English (en)
Inventor
신덕식
이상택
조현창
오국환
조주희
김수용
이상혁
Original Assignee
한국전자기술연구원
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 한국전자기술연구원 filed Critical 한국전자기술연구원
Priority to KR1020230046714A priority Critical patent/KR20230078596A/ko
Publication of KR20230078596A publication Critical patent/KR20230078596A/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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C13/00—Details of vessels or of the filling or discharging of vessels
    • F17C13/02—Special adaptations of indicating, measuring, or monitoring equipment
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
    • G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
    • G01R22/061—Details of electronic electricity meters
    • G01R22/063—Details of electronic electricity meters related to remote communication
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
    • G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
    • G01R22/10—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods using digital techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2221/00—Handled fluid, in particular type of fluid
    • F17C2221/01—Pure fluids
    • F17C2221/012—Hydrogen
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2250/00—Accessories; Control means; Indicating, measuring or monitoring of parameters
    • F17C2250/03—Control means
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2270/00—Applications
    • F17C2270/01—Applications for fluid transport or storage
    • F17C2270/0134—Applications for fluid transport or storage placed above the ground
    • F17C2270/0139—Fuel stations

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Power Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Educational Administration (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Mechanical Engineering (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템에 관한 것으로서, 센서를 이용하여 수소 충전소 설비의 상태를 반복적으로 측정하여 측정 데이터를 생성하는 데이터 생성부; 상기 데이터 생성부에서 수집된 측정 데이터를 관리하는 빅데이터 플랫폼; 및 상기 빅데이터 플랫폼에서 관리하는 측정 데이터를 머신 러닝하여, 수소 충전소 설비의 상태 변화를 예측하는 분석부;를 포함하는 것을 특징으로 한다.
이에 따라, 수소 충전소 설비의 상태 변화를 예측하여 고장 발생에 대해 원활하게 대처할 수 있도록 한다.

Description

빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템{A prediction system for failure of hydrogen charging stations using big data platforms and machine learning}
본 발명은 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템에 관한 것으로서, 보다 상세하게는 수소 청전소의 고장을 정확하게 예측하여 고장을 방지하고 고장이 발생하더라도 신속하게 복구할 수 있도록 하는 수소 충전소 고장 예지 시스템에 관한 것이다.
최근 수소차, 전기차의 보급이 확대되면서 그에 따른 충전소 인프라도 점점 늘어가는 추세이다.
수소 충전소의 경우 고장 발생시 정상적인 운영까지 많은 시간이 소요되기 때문에, 고장 후 정상 운영까지 소요되는 시간을 줄이고 수리에 소요되는 비용을 절감하기 위해서는 사전에 장비들의 상태를 미리 파악하고 준비하는 것이 바람직하다.
기존에는 로컬 모니터링 시스템을 통해 주요 설비의 압력, 온도 정보를 중심으로 한 관리자의 실시간 관제에 의해 수소 충전소를 관리하였다.
그러나 이러한 방식으로는 주요 설비의 상태 변화를 예측하기 어렵고, 고장이 발생하는 경우 충전소 운영 중단이 길어지게 된다.
따라서, 수소 충전소 설비의 상태 변화와 고장 발생을 정확하게 예측할 수 있는 기술이 필요하다.
KR 10-2021-0083893 A
따라서, 본 발명의 목적은 이와 같은 종래의 문제점을 해결하기 위한 것으로서, 수소 충전소 설비의 상태 변화를 예측하여 고장 발생에 대해 원활하게 대처할 수 있도록 하는 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템을 제공함에 있다.
본 발명이 해결하고자 하는 과제는 위에서 언급한 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 목적은, 본 발명에 따라, 센서를 이용하여 수소 충전소 설비의 상태를 반복적으로 측정하여 측정 데이터를 생성하는 데이터 생성부; 상기 데이터 생성부에서 수집된 측정 데이터를 관리하는 빅데이터 플랫폼; 및 상기 빅데이터 플랫폼에서 관리하는 측정 데이터를 머신 러닝하여, 수소 충전소 설비의 상태 변화를 예측하는 분석부;를 포함하는 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템에 의해 달성된다.
상기 센서는, 수소 충전소 설비 중 압축기와 칠러의 상태를 측정할 수 있다.
상기 센서는, 가속도 센서, 소음 센서 및 온도 센서를 포함할 수 있다.
상기 센서는, 수소 충전소 설비 중 분전반의 전력품질을 측정하는 전력품질측정기를 포함할 수 있다.
상기 데이터 생성부는, 수소 충전소 설비의 관리 이력에 관한 이력 데이터가 저장되는 이력 데이터 저장부를 포함할 수 있다.
본 발명에 의한 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템은, 수소 충전소가 설치된 지역의 환경 데이터를 수집하여 상기 빅데이터 플랫폼으로 전송하는 환경 데이터 수집부를 더 포함할 수 있다.
상기 빅데이터 플랫폼은, 다수 수소 충전소로부터 수집된 데이터를 관리할 수 있다.
상기 분석부는, 한 수소 충전소 설비의 상태 변화 예측시, 유사한 상황의 수소 충전소 설비의 측정 데이터에 더 가중치를 주어 상태 변화를 예측할 수 있다.
상기 분석부는 수소 충전소 설비의 상태 변화 예측 결과를 상기 빅데이터 플랫폼으로 전송하고, 상기 빅데이터 플랫폼은 수소 충전소 설비의 상태 변화 예측 결과와 측정 데이터 기반의 정보를 수소 충전소 운영자 및 수소 충전소 이용자에게 제공할 수 있다.
본 발명의 수소 충전소 고장 예지 시스템에 의하면, 수소 충전소의 설비의 이상 여부를 정확하게 파악할 수 있다.
또한, 추후 수소 충전소 설비의 상태가 언제, 어떻게 변화할지 예측하는 것이 가능하다.
수소 충전소 고장 예지시 활용되는 데이터에는 설비의 각종 센서로부터의 측정 데이터 외에도 설비의 관리 이력에 관한 이력 데이터 및 수소 충전소가 설치된 지역의 환경 데이터가 더 포함되고, 다수 수소 충전소로부터 발생하는 데이터를 활용하여, 고장 예지를 보다 정확하게 하는 것이 가능하다.
고장 예지의 결과는 빅데이터 플랫폼으로 전송되어 수소 충전소 운영자 또는 수소 충전소 사용자에게 전달됨으로써 활용될 수 있다.
도 1은 본 발명에 의한 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템의 개략적인 구성도,
도 2는 본 발명에 의한 수소 충전소 고장 예지 시스템을 구성하는 빅데이터 플랫폼에 관한 설명도,
도 3은 본 발명에 의한 수소 충전소 고장 예지 시스템의 다른 실시예의 개략적인 구성도이다.
본 발명의 과제 해결 수단의 특징 및 이점을 보다 명확히 하기 위하여, 첨부된 도면에 도시된 본 발명의 특정 실시 예를 참조하여 본 발명을 더 상세하게 설명한다.
다만, 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 또한, 도면 전체에 걸쳐 동일한 구성 요소들은 가능한 한 동일한 도면 부호로 나타내고 있음에 유의하여야 한다.
이하의 설명 및 도면에서 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위한 용어의 개념으로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시 예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시 예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.
또한, 본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한, 본 명세서에서 기술되는 "포함 한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 명세서에 기재된 "부", "기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 본 발명을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
상술한 용어들 이외에, 이하의 설명에서 사용되는 특정 용어들은 본 발명의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 본 발명의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
아울러, 본 발명의 범위 내의 실시 예들은 컴퓨터 실행가능 명령어 또는 컴퓨터 판독가능 매체에 저장된 데이터 구조를 가지거나 전달하는 컴퓨터 판독가능 매체를 포함한다. 이러한 컴퓨터 판독가능 매체는, 범용 또는 특수 목적의 컴퓨터 시스템에 의해 액세스 가능한 임의의 이용 가능한 매체일 수 있다. 예로서, 이러한 컴퓨터 판독가능 매체는 RAM, ROM, EPROM, CD-ROM 또는 기타 광 디스크 저장장치, 자기 디스크 저장장치 또는 기타 자기 저장장치, 또는 컴퓨터 실행가능 명령어, 컴퓨터 판독가능 명령어 또는 데이터 구조의 형태로 된 소정의 프로그램 코드 수단을 저장하거나 전달하는 데에 이용될 수 있고, 범용 또는 특수 목적 컴퓨터 시스템에 의해 액세스 될 수 있는 임의의 기타 매체와 같은 물리적 저장 매체를 포함할 수 있지만, 이에 한정되지 않는다.
도 1에는 본 발명에 의한 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템(1)의 개략적인 구성도가 도시되어 있다.
본 발명에 의한 수소 충전소 고장 예지 시스템(1)은, 데이터 생성부(10), 빅데이터 플랫폼(20) 및 분석부(30)를 포함하여 이루어진다.
데이터 생성부(10)는 1개 이상의 센서(11)를 구비하여 수소 충전소 설비의 상태를 반복적으로 측정하고, 센서(11)로부터 생성된 측정 데이터를 수집한다.
센서(11)는 수소 충전소(Hydrogen Station) 설비 중에서도 주요한 설비의 상태를 측정할 수 있다. 예를 들어, 센서(11)는 압축기와 칠러의 상태를 측정할 수 있다.
센서(11)는 가속도 센서(11a), 소음 센서(11b) 및 온도 센서(11c)를 포함하여, 수소 충전소 설비의 가속도, 소음 및 온도를 측정할 수 있다. 가속도를 통해서는 수소 충전소 설비의 진동을 확인하는 것이 가능하다. 가속도 센서(11a)로는 3축 가속도 센서(Triaxial Accelerometer)가 사용될 수 있고, 소음 센서(11b)로는 마이크 프리앰프(microphone and preamplifier)가 사용될 수 있으며, 온도 센서(11c)로는 적외선 온도 센서(infrared temperature sensor)가 사용될 수 있다.
센서(11)는 전력품질측정기(11d)를 더 포함할 수 있다. 전력품질측정기(11d)(PQM; Power Quality Meter)는 수소 충전 설비 중 주요 분전반의 전압, 전류, 전력, THD(Total Harmony Distortion), 전력 품질(전압 경사도, 순시전압상승, 과전류) 등의 전기적 특성들에 대한 데이터를 수집할 수 있다.
센서(11)는 일정 시간마다 반복하여 수소 충전소 설비의 상태를 측정할 수 있다.
데이터 생성부(10)는 로컬 서버(13)를 구비하여, 센서(11)에서 수집된 측정 데이터를 DB 및 파일 형태로 임시 저장할 수 있다. 로컬 서버(13)는 보다 구체적으로, 각종 센서(11) 및 전력품질측정기(11d)로부터 원활하게 측정 데이터를 전송 받기 위한 미들웨어(13a), 상기 미들웨어를 거친 측정 데이터를 파일 형태로 저장하는 파일 시스템(13b), 상기 미들웨어를 거친 측정 데이터를 DB 형태로 저장하는 DB(13c), 및 로컬 서버 형식의 측정 데이터를 빅데이터 플랫폼(20)과 교환하기 위한 프로토콜 인터페이스(13d)를 구비할 수 있다.
각 센서(11)는 무선 통신 가능하게 형성되어 로컬 서버로 측정 데이터를 전송해줄 수 있다.
빅데이터 플랫폼(20)은 데이터 생성부(10)에서 수집된 측정 데이터를 전송받아 관리하는 역할을 한다. 빅데이터 플랫폼(20)에서는 측정 데이터를 수소 충전소의 각 설비, 지역, 계절, 수소 청전소 설비의 사용 기간 등 별로 나누어 관리할 수 있다. 또한, 평상시의 측정 데이터와 고장 등의 이벤트 발생 전 소정 시간 동안의 측정 데이터를 나누어 관리할 수 있으며, 고장의 종류에 따라 측정 데이터를 구분하여 관리할 수 있다.
빅데이터 플랫폼(20)은 빅데이터 플랫폼(20) 형식의 데이터를 데이터 생성부(10) 및 분석부(30)와 교환하기 위한 프로토콜 인터페이스(21), 프로토콜 인터페이스가 데이터 생성부(10)로부터 전달받은 측정 데이터를 파일 형식으로 저장하는 파일 시스템(22), 프로토콜 인터페이스가 전달받은 측정 데이터를 DB 형식으로 저장하는 DB(23)를 구비할 수 있다. DB는 다수의 서비스 프로세서(service processor)(24)에 연결될 수 있다.
빅데이터 플랫폼(20)의 데이터는 영구 저장될 수 있다.
분석부(30)는 빅데이터 플랫폼(20)에서 관리하는 측정 데이터를 머신 러닝하여, 수소 충전소 설비의 상태 변화를 예측한다. 보다 구체적으로, 평상시의 측정 데이터와 이벤트 발생 전 소정 시간 동안의 측정 데이터를 학습하여 각 상황에서 측정 데이터의 특징을 파악한 후, 현재 데이터 생성부(10)에서 생성된 측정 데이터의 특징과 비교함으로써 현재 수소 충전소 설비의 상태가 어떤지 그리고 추후 수소 충전소 설비의 상태가 어떻게 변화할지 예측하는 것이 가능하다.
보다 구체적으로, 측정 데이터는 평상시에 수집된 데이터, 수소 충전소 설비의 고장 발생 전 소정 기간동안 수집된 데이터, 수소 충전소 설비의 고장 발생 상태에서 수집된 데이터, 수소 충전소 설비의 수리 후에 수집된 데이터로 분류(classification)되어, 지도 학습을 통해 각 상황에서 발생한 데이터의 특징을 도출할 수 있다.
분석부(30)는 분석부(30) 형식의 데이터를 빅데이터 플랫폼(20)과 교환하기 위한 프로토콜 인터페이스(31)와 상기 프로토콜 인터페이스가 빅데이터 플랫폼(20)으로부터 전달받은 데이터를 머신 러닝하여 수소 충전소 설비의 상태를 예측하는 머신 러닝 프로세서(machine learning processor)(32)를 구비할 수 있다.
분석부(30)는 수소 충전소 설비에 대한 분석 결과를 빅데이터 플랫폼(20)으로 전달하여, 빅데이터 플랫폼(20)에서 분석 결과에 관한 데이터를 관리하고 활용할 수 있도록 한다.
분석부(30)는 데이터 생성부(10)에서 계속해서 생성되는 측정 데이터를 기반으로 충전소 고장 예지 시스템을 업데이트할 수 있다.
이러한 본 발명의 수소 충전소 고장 예지 시스템(1)에 의하면, 데이터 생성부(10)에서 지속적으로 생성되는 측정 데이터를 학습하여 수소 충전소 설비에서 현재 생성되는 측정 데이터가 설비에 이상이 있는 경우에 발생하는 특징을 가지는지 여부를 정확하게 파악할 수 있다. 즉, 수소 충전소의 설비의 이상 여부를 정확하게 파악할 수 있다.
또한, 측정 데이터는 지속적으로 생성되어 고장 등의 이벤트 발생 전의 측정 데이터가 어떤 특징을 가지는지 파악할 수 있으므로, 추후 수소 충전소 설비의 상태가 언제, 어떻게 변화할지 예측하는 것이 가능하다.
데이터 생성부(10)는 이력 데이터 저장부(12)를 구비할 수 있다.
이력 데이터 저장부(12)에는 수소 충전소 설비 각각의 관리 이력에 관한 이력 데이터가 저장될 수 있다. 이력 데이터 저장부(12)에는 수소 충전소에 본 발명의 수소 충전소 고장 예지 시스템(1)이 적용된 후의 이력 데이터가 저장될 수도 있지만, 본 발명의 수소 충전소 고장 예지 시스템(1)이 적용되기 전의 이력 데이터가 저장될 수도 있다.
예를 들어, 수소 충전소 설비에 고장이 발생하여 물리적인 방법으로 수리를 한 경우, 수리 후 정상적으로 동작하더라도 설비에서 발생하는 진동이나 소음은 달라질 수 있다. 따라서, 이러한 이력 데이터를 고려하면 분석부(30)에서 보다 정확하게 설비의 현재 상태 판단과 향후 상태 변화의 예측을 하는 것이 가능하다.
빅데이터 플랫폼(20)은 다수의 수소 충전소(2)로부터 수집된 데이터를 관리할 수 있다.
이 경우, 보다 많은 양의 측정 데이터를 얻을 수 있기 때문에 분석부(30)에서 측정 데이터의 특징을 보다 정확하게 파악하는 것이 가능하여, 수소 충전소 설비의 상태 변화를 보다 정확하게 예측할 수 있다.
빅데이터 플랫폼(20)이 다수의 수소 충전소로부터 수집된 데이터를 관리하는 경우, 한 수소 충전소 설비의 상태 변화 예측시 유사한 상황의 수소 충전소 설비의 측정 데이터에 더 가중치를 주어 상태 변화를 예측할 수 있다.
수소 충전소 설비의 종류, 규모, 모델, 연식 등에 따라 설비에서 발생하는 측정 데이터의 특징은 달라질 수 있다. 따라서, 유사한 상황의 다른 수소 충전소 설비의 측정 데이터에 더 가중치를 주어 분석하는 경우, 분석의 정확성을 높일 수 있다.
상기했던 바와 같이, 빅데이터 플랫폼(20)은 다수의 서비스 프로세서(24)를 구비할 수 있으며, 각각의 서비스 프로세서는 본 발명에 의한 수소 충전소 소장 예지 시스템(1)이 단순히 수소 충전소 설비의 상태 변화를 예측하는 것을 넘어, 다양한 서비스를 제공할 수 있도록 한다.
도 2에는 서비스 프로세서에 관한 설명도가 도시되어 있다.
예를 들어, 서비스 프로세서는 수소 충전소 운영자에게 수소 충전소 설비의 상태 변화 예측 결과를 바탕으로 고장 예지 알람을 보내어, 운영자가 고장 발생을 방지하거나 고장이 발생하더라도 신속하게 고장에 대응할 수 있도록 한다. 그리고 수소 충전소 주요 설비의 고장 이력 및 수리 이력 등을 수소 충전소 운영자가 쉽게 확인할 수 있는 상태로 만들어줄 수 있다.
서비스 프로세서는 또한 충전소별 실시간 현황 정보를 수소 충전소 사용자에게 전달하여 사용자가 정상적으로 운영되지 않고 있는 수소 충전소로 가게 되는 것을 방지할 수 있다.
본 발명에 의한 수소 충전소 고장 예지 시스템(1)은 도 3에 도시되어 있는 바와 같이, 환경 데이터 수집부(40)를 더 포함할 수 있다.
환경 데이터 수집부(40)에서는 수소 충전소가 설치된 지역의 환경 데이터를 수집하여 빅데이터 플랫폼(20)으로 전송한다. 환경 데이터에는 예를 들어, 수소 충전소 설비의 측정 데이터에 영향을 미칠 수 있는 환경적 요소로서, 수소 충전소가 설치된 지역의 기상 상태, 현재 시각과 계절, 주변의 진동 발생원 등에 관한 데이터가 포함될 수 있다.
분석부(30)에서는 환경 데이터를 통해 파악된 수소 충전소 설치 지역의 환경 상황을 고려하여 머신 러닝 및 수소 충전소 설비의 상태 변화 예측을 수행함으로써, 수소 충전소 설비의 상태 변화 예측을 보다 정확하게 할 수 있다.
본 발명의 권리범위는 상술한 실시예에 한정되는 것이 아니라 첨부된 특허청구범위 내에서 다양한 형태의 실시예로 구현될 수 있다. 특허청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 변형 가능한 다양한 범위까지 본 발명의 청구범위 기재의 범위 내에 있는 것으로 본다.
1 : 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템
10 : 데이터 생성부 11 : 센서
11a : 가속도 센서 11b : 소음 센서
11c : 온도 센서 11d : 전력품질측정기
12 : 이력 데이터 저장부 20 : 빅데이터 플랫폼
30 : 분석부 40 : 환경 데이터 수집부

Claims (8)

  1. 센서를 이용하여 수소 충전소 설비의 상태를 반복적으로 측정하여 측정 데이터를 생성하는 데이터 생성부;
    수소 충전소가 설치된 지역의 환경 데이터를 수집하는 환경 데이터 수집부;
    상기 데이터 생성부에서 수집된 측정 데이터와 상기 환경 데이터 수집부에서 수집된 환경 데이터를 관리하는 빅데이터 플랫폼; 및
    상기 빅데이터 플랫폼에서 관리하는 측정 데이터와 환경 데이터를 머신 러닝하여, 수소 충전소 설비의 상태 변화를 예측하는 분석부;를 포함하며,
    상기 환경 데이터는,
    상기 수소 충전소가 설치된 지역의 기상 상태, 현재 시각과 계절, 및 주변의 진동 발생원에 대한 데이터를 포함하는 것을 특징으로 하는 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템.
  2. 제1항에 있어서,
    상기 데이터 생성부는,
    수소 충전소 설비의 관리 이력에 관한 이력 데이터가 저장되는 이력 데이터 저장부를 포함하는 것을 특징으로 하는 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템.
  3. 제1항에 있어서,
    상기 센서는,
    수소 충전소 설비 중 압축기와 칠러의 상태를 측정하는 것을 특징으로 하는 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템.
  4. 제1항에 있어서,
    상기 센서는,
    가속도 센서, 소음 센서 및 온도 센서를 포함하는 것을 특징으로 하는 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템.
  5. 제1항에 있어서,
    상기 센서는,
    수소 충전소 설비 중 분전반의 전력품질을 측정하는 전력품질측정기를 포함하는 것을 특징으로 하는 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템.
  6. 제1항에 있어서,
    상기 빅데이터 플랫폼은,
    다수 수소 충전소로부터 수집된 데이터를 관리하는 것을 특징으로 하는 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템.
  7. 제6항에 있어서,
    상기 분석부는,
    한 수소 충전소 설비의 상태 변화 예측시, 유사한 상황의 수소 충전소 설비의 측정 데이터에 더 가중치를 주어 상태 변화를 예측하는 것을 특징으로 하는 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템.
  8. 제1항에 있어서,
    상기 분석부는 수소 충전소 설비의 상태 변화 예측 결과를 상기 빅데이터 플랫폼으로 전송하고,
    상기 빅데이터 플랫폼은 수소 충전소 설비의 상태 변화 예측 결과와 측정 데이터 기반의 정보를 수소 충전소 운영자 및 수소 충전소 이용자에게 제공하는 것을 특징으로 하는 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템.
KR1020230046714A 2021-11-24 2023-04-10 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템 KR20230078596A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230046714A KR20230078596A (ko) 2021-11-24 2023-04-10 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210163381 2021-11-24
KR1020230046714A KR20230078596A (ko) 2021-11-24 2023-04-10 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020210163381 Division 2021-11-24 2021-11-24

Publications (1)

Publication Number Publication Date
KR20230078596A true KR20230078596A (ko) 2023-06-02

Family

ID=86755826

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230046714A KR20230078596A (ko) 2021-11-24 2023-04-10 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템

Country Status (1)

Country Link
KR (1) KR20230078596A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210083893A (ko) 2019-12-27 2021-07-07 주식회사 한국가스기술공사 수소 충전소의 유지보수를 위한 정비 서비스 제공방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210083893A (ko) 2019-12-27 2021-07-07 주식회사 한국가스기술공사 수소 충전소의 유지보수를 위한 정비 서비스 제공방법

Similar Documents

Publication Publication Date Title
EP3902992B1 (en) Scalable system and engine for forecasting wind turbine failure
CN101720453B (zh) 利用时序信号处理进行电池组件预测维护的系统和方法
KR101944070B1 (ko) 빅데이터를 활용한 승강장안전문 관리시스템 및 방법
US11906112B2 (en) Methods for safety management of compressors in smart gas pipeline network and internet of things systems thereof
GB2589468A (en) System for determining the status of a gas cylinder
CN113570277A (zh) 一种电力容量管理方法及装置
CN116663747B (zh) 一种基于数据中心基础设施的智能预警方法及系统
CN117935804A (zh) 语音命令系统和语音命令方法
CN114267178A (zh) 一种车站的智能运营维护方法及装置
CN110365804A (zh) 一种配电终端云检测系统
KR20220167008A (ko) 선박용 고장 예측진단 시스템 및 그 예측진단 방법
US20140032079A1 (en) Diagnostic and control system and method
KR20230078596A (ko) 빅데이터 플랫폼과 머신 러닝을 이용한 수소 충전소 고장 예지 시스템
CN112286762A (zh) 基于云环境的系统信息分析方法、装置、电子设备及介质
CN109625025B (zh) Btm设备预警系统
CN116562437A (zh) 轨道电路补偿电容故障预测方法和装置
CN114116128B (zh) 容器实例的故障诊断方法、装置、设备和存储介质
US20120197480A1 (en) Line replaceable unit with integral monitoring and distributed architecture comprising such a unit
CN111932706B (zh) 信息化巡检方法、装置、存储介质及电子设备
KR101937350B1 (ko) Ict 기반의 전기안전 자동화 시스템 및 방법
CN110677258A (zh) 用电信息处理方法、装置和设备
CN113038406B (zh) 一种基于5g通信的冷站能耗采集分析可信计算系统
KR102617618B1 (ko) 산업용 공장의 고효율 설비 교체를 위한 인공지능 기반 의사 결정 서비스 제공 장치, 방법 및 시스템
US20230198858A1 (en) Machine learning model-based, overhead line breakage prediction system
CN117728573B (zh) 一种配网融合数据质量评估管理系统

Legal Events

Date Code Title Description
A107 Divisional application of patent