KR20230160509A

KR20230160509A - Pip의 누출 위치 감지 장치 및 감지 방법

Info

Publication number: KR20230160509A
Application number: KR1020220060061A
Authority: KR
Inventors: 정임두; 김하열; 김태경; 이제환; 김형모
Original assignee: 울산과학기술원; 경상국립대학교산학협력단; 한국원자력연구원
Priority date: 2022-05-17
Filing date: 2022-05-17
Publication date: 2023-11-24

Abstract

본 발명은 DTS와 인공지능 기술을 함께 이용하여 PIP의 내부 파이프에서 발생하는 누출 여부 및 누출 위치를 빠르고 정확하게 감지하도록 한 PIP의 누출 위치 감지장치 및 감지방법을 제안한다. 본 발명은 내부 파이프와 외부 파이프 사이에 설치되어 내부 파이프의 길이방향으로 온도를 측정하는 DTS 디바이스와, 상기 DTS 디바이스의 온도 데이터를 2차원 영상 데이터로 처리하는 데이터 처리부, 그리고 상기 2차원 영상 데이터를 입력받아 CNN 학습하는 학습부, 그리고 학습결과를 기초로 누출 여부를 판단하는 판단부를 포함한다. 또 본 발명은 누출이 발생한 경우 그 정보를 시각화하여 제공한다.

Description

PIP의 누출 위치 감지 장치 및 감지 방법{PIP leak location detection device and Detection method using the same}

본 발명은 내부 파이프와 외부 파이프로 이루어진 PIP 파이프 구조에서 DTS (Distributed Temperature Sensing)와 인공지능(컨볼루션 신경망, CNN)을 이용하여 내부 파이프의 누출 위치를 빠르고 정확하게 감지할 수 있는 PIP의 누출 위치 감지장치 및 감지방법에 관한 것이다.

파이프라인은 유체를 전달하거나 유체를 열 교환하기 위한 설비로 석유 또는 가스 시추, 가스 파이프라인, 원자력 발전소, 화학 플랜트 등 대규모 산업 시설에서 사용되고 있다. 그러나 파이프의 파손 시에 고온 고압의 유체가 누출되는 것에 의해 화학적 오염이나 폭발사고의 위험은 항상 존재하고 있다. 그래서 이의 대안으로 유체가 누출되더라도 외부로 누출되는 것을 방지하도록 파이프를 추가한 파이프 인 파이프(PIP) 구조가 개발되었다. 즉 PIP 구조는 내부 파이프와 외부 파이프의 2중 관 형태를 말한다. 이러한 PIP 구조는 원자력 발전소의 열 교환 시스템, 화학 플랜트 또는 석유 시추와 같이 오염 위험이 있는 배관 시스템에서 안전을 위한 필수적인 방법으로 사용된다. 또 PIP 구조는 단열 성능이 우수하여 고온 유체의 전달이 필요한 플랜트에서 특히 중요하게 사용된다.

상기 PIP 구조에서는 내부 파이프의 누출 현상을 조기에 감지하는 것이 매우 중요하다. PIP 구조에서 내부 파이프에는 고온 고압의 유체가 흐르며, 이러한 유체의 누출이 지속될 경우 큰 사고로 이어질 수 있기 때문이다. 그러나 아직까지 PIP 구조에서 내부 파이프의 누출을 조기에 감지하는 작업은 매우 힘들었다.

PIP 구조에서 내부 파이프의 누출을 감지하는 기술들은 많이 제안된 바 있다. 누출 감지 기술들의 예를 보면, 선행문헌 1은 자속 누설을 이용하여 파이프라인의 파손을 감지하는 기술이 공개되어 있고, 선행문헌 2는 파이프라인 모델과 파이프라인의 유체 압력 분석을 사용하여 누출 위치를 수치적으로 분석하는 기술이 공개되어 있으며, 선행문헌 3, 4는 와이어형 센서를 이용하여 누출을 감지하는 기술이 공개되어 있으며, 선행문헌 5는 에어로졸 감지기를 이용하는 기술이 공개된 바 있다.

그러나 상기한 선행문헌들은 내부 파이프에서 누출되는 유체가 소량인 경우 이를 감지할 수 없고, 정확한 누출 위치도 파악하기 어려웠다. 설령 유체의 누출 현상을 감지하더라도 이를 파악하고 누출 위치를 찾기까지 많은 시간이 필요하였다. 또 감지기를 이용하는 경우는 교환 주기가 매우 짧기 때문에 비용이 증가하는 문제가 있었고, 누출 감지를 위한 최적환 시스템이 필요하지만, 이러한 최적화를 위한 조건으로 감지기의 위치나 간격 등을 배치하기 위한 노력이 필요하고, 나아가 PIP 구조의 배관 등이 모두 동일하지 않기 때문에, 최적화를 구축하는데 있어 시간 및 비용 증가를 초래한다.

선행문헌 1: Wu, Dehui, et al. "Composite magnetic flux leakage detection method for pipelines using alternating magnetic field excitation." NDT E Int 2017; 91:148-155. https://doi.org/10.1016/j.ndteint.2017.07.002 선행문헌 2: Yang, Zhao, et al. "Research on leakage detection and analysis of leakage point in the gas pipeline system." Open j. saf. sci. technol 2011;1.03:94-100. https://doi.org/10.4236/ojsst.2011.13010 선행문헌 3: Vijayakumar, G., et al., Performance evaluation of PFBR wire type sodium leak detectors, Nucl. Eng. Des 2011; 241. 6:2271-2279. https://doi.org/10.1016/j.nucengdes.2011.03.024 선행문헌 4: Sylvia, J. I., et al., Development of sodium leak detectors for PFBR, Nucl. Eng. Des 2012; 249:419-431. https://doi.org/10.1016/j.nucengdes.2012.04.010 선행문헌 5: Khumaeni, Ali, et al., Analysis of sodium aerosol using transversely excited atmospheric CO2 laser-induced gas plasma spectroscopy, J. Appl. Phys 2014; 14.3:451-454. https://doi.org/10.1016/j.cap.2013.12.017

본 발명의 목적은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, PIP 구조에서 내부 파이프의 유체 누출 현상을 조기에 감지할 수 있는 PIP의 누출 위치 감지장치 및 감지방법을 제공하는 것이다.

본 발명의 다른 목적은, PIP의 내부 파이프에서 누출되는 유체량이 소량이더라도 이를 정확하게 감지할 수 있는 PIP의 누출 위치 감지장치 및 감지방법을 제공하는 것이다.

본 발명의 또 다른 목적은, DTS(Distributed Temperature Sensing, 분포 온도 측정)를 통한 온도 데이터를 인공지능 기술에 적용하여 내부 파이프의 누출 여부를 시각적으로 표현할 수 있는 PIP의 누출 위치 감지장치 및 감지방법을 제공하는 것이다.

본 발명의 또 다른 목적은, FFT(Fast Fourier Transform)와 영상처리기법을 이용하여 내부 파이프의 누출 여부를 정확하게 감지할 수 있는 PIP의 누출 위치 감지장치 및 감지방법을 제공하는 것이다.

본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

이와 같은 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 PIP(Pipe-in-Pipe)의 누출 위치 감지장치는, 제1 직경의 내부 파이프; 제1 직경보다 큰 제2 직경을 가지며, 상기 내부 파이프를 감싸는 외부 파이프; 상기 내부 파이프와 외부 파이프 사이에 설치되어 상기 내부 파이프의 길이방향으로 온도를 측정하는 DTS(Distributed Temperature Sensing) 디바이스; 상기 DTS 디바이스의 온도 데이터를 2차원 영상 데이터로 처리하는 데이터 처리부; 상기 2차원 영상 데이터를 입력받아 기계 학습하는 학습부; 및 상기 학습부의 학습결과에 따라 상기 내부 파이프의 누출 여부를 판단하는 판단부를 포함하여 구성되는 것을 특징으로 한다.

상기 내부 파이프와 외부 파이프 사이 공간은 질소(Nitrogen)가 충진된다.

상기 데이터 처리부는, one-point 데이터를 생성하도록 상기 내부 파이프의 길이 방향을 따라 서로 인접한 2개의 측정 지점들 간의 온도 차이의 표준편차를 계산하는 표준편차 계산부; 상기 one-point 데이터를 FFT 변환하는 FFT부; 및 상기 FFT 변환된 데이터를 2차원 영상 데이터로 변환하는 변환부를 포함하여 구성된다.

상기 학습부는, CNN Convolutional Neural Network) 모델이고, 상기 CNN 모델은 크기에 따라 결정된 픽셀에서 특징을 추출하는 4개의 컨볼루션 레이어(convolution layer); 정규화 및 평균 풀링작업을 통해 입력 데이터의 너비, 크기 및 특징 맵의 사이즈를 조절하는 트랜지션 레이어(transition layer); 클래스를 분류하는 완전 연결 레이어(fully-connected layer) 및 소프트맥스 레이어(softmax layer)를 포함하여 구성된다.

상기 판단부는 상기 CNN 모델의 결과 데이터를 시각적으로 표현하는 t-SNE 알고리즘이 사용된다.

본 발명의 다른 실시 예에 따른 PIP의 누출 위치 감지방법은, 내부 파이프와 외부 파이프 사이에 설치된 DTS 디바이스가 상기 내부 파이프의 외부 온도를 실시간 측정하는 제1 단계; 데이터 처리부가 상기 측정된 온도 데이터를 영상 데이터화 하는 제2 단계; 학습부가 상기 영상 데이터를 인공지능(AI) 기술을 활용하여 학습하는 제3 단계; 및 판단부가 상기 학습 결과를 통해 누출 여부를 판단하는 제4 단계를 포함하여 진행되는 것을 특징으로 한다.

상기 제2 단계는, 상기 내부 파이프의 어느 한 제1 지점과 상기 제1 지점과 인접한 제2 지점간의 표준편차 값을 계산하여, DTS 온도 데이터를 one-point 데이터로 생성하는 전처리 단계; 상기 전처리 된 one-point 데이터를 FFT 변환하는 FFT 변환 단계; 상기 변환된 FFT 데이터를 2차원 영상 데이터로 변환하는 데이터 변환 단계를 포함하고, 여기서 상기 제1 지점과 상기 제2 지점은 연속해서 나타난다.

상기 제3 단계는 컨볼루션 신경망(CNN)에 의해 수행된다.

상기 제4 단계는 상기 2차원 영상 데이터를 시각화하여 제공한다.

상기 내부 파이프의 누출 지점은, 상기 내부 파이프에서 제1 지점, 상기 제1 지점과 인접한 제2 지점간의 온도 차이가 가장 큰 지점일 수 있다.

이와 같은 본 발명은 영상화된 DTS 온도 데이터와 CCN 기술을 이용하여 PIP 구조의 내부 파이프의 누출 여부를 조기에 감지할 수 있는 효과가 있다.

본 발명에 따르면 PIP 구조의 동작 온도가 계속 변화하는 환경에서도 누출 여부를 효율적으로 감지할 수 있는 효과가 있다.

따라서 본 발명은 원자력 발전소나 화학 플랜트와 같은 고온 유체를 공급하는 시스템의 안전성을 향상시킬 수 있다.

도 1은 본 발명의 설명을 위해 제안된 SFR 시스템 구성도이다.
도 2는 본 발명의 실시 예에 따른 SFR 시스템의 PIP 구조를 나타내고 있는 구성도이다.
도 3은 도 2의 PIP 구조의 단면도이다.
도 4는 본 발명의 실시 예에 따라 PIP의 누출 위치 감지장치를 도시한 구성도이다.
도 5는 본 발명에 적용된 CNN 구조도이다.
도 6은 본 발명의 실시 예에 따른 누출 감지방법을 설명하는 흐름도이다.
도 7은 본 발명의 누출 감지방법에 따라 온도 데이터를 처리한 실시 예 도면이다.
도 8은 본 발명에 따라 DTS 온도 데이터 측정 및 이의 전처리 과정을 설명하기 위한 예시 그래프이다.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

본 발명에서 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. 본 출원에서, "포함하다" 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.

공간적으로 상대적인 용어인 아래(below, beneath, lower), 위(above, upper) 등은 도면에 도시되어 있는 바와 같이 하나의 소자 또는 구성 요소들과 다른 소자 또는 구성 요소들과의 상관 관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 소자의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들면, 도면에 도시되어 있는 소자를 뒤집을 경우, 다른 소자의 아래(below, beneath)로 기술된 소자는 다른 소자의 위(above, upper)에 놓여질 수 있다. 따라서, 예시적인 용어인 아래는 아래와 위의 방향을 모두 포함할 수 있다. 소자는 다른 방향으로도 배향될 수 있고, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.

본 발명에서 사용되는 “부” 또는 “부분” 등의 일부분을 나타내는 표현은 해당 구성요소가 특정 기능을 포함할 수 있는 장치, 특정 기능을 포함할 수 있는 소프트웨어, 또는 특정 기능을 포함할 수 있는 장치 및 소프트웨어의 결합을 나타낼 수 있음을 의미하나, 꼭 표현된 기능에 한정된다고 할 수는 없으며, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.

또한, 본 발명에서 사용되는 모든 전기 신호들은 일 예시로서, 본 발명의 회로에 반전기 등을 추가적으로 구비하는 경우 이하 설명될 모든 전기 신호들의 부호가 반대로 바뀔 수 있음을 유의해야 한다. 따라서, 본 발명의 권리범위는 신호의 방향에 한정되지 않는다.

따라서, 본 발명의 사상은 설명된 실시 예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

이하에서는 도면에 도시한 실시 예에 기초하면서 본 발명에 대하여 더욱 상세하게 설명하기로 한다.

원자력 발전소 등의 경우 설비 운전 중에 누설량에 따라 제한된 시간안에 누설을 탐지하여야 한다. 누설을 조기에 탐지하지 못하는 경우 화재가 발생하여 중대 사고로 이어질 수 있다. 따라서 본 발명은 소량이 누출되더라도 누출 여부는 물론 누출 위치를 신속하고 정확하게 감지할 수 있는 구성이라 할 것이다.

도 1은 본 발명의 설명을 위해 제안된 SFR 시스템 구성도이다.

SFR(sodium fast reactor)(1)는 사용 후 핵연료 처리를 위한 원자로로 개발되고 있는 소듐 냉각 고속로를 말하며, 상기 SFR 시스템(1)은 유체로서 sodium을 사용하기 때문에 누출될 경우 화재로 인한 안전사고 발생 위험이 있고 적절한 조치가 취해지지 않으면 위험한 상황으로 진행될 수 있다.

특히 SFR 시스템(1)에서 열 교환기(3)가 있는 primary sodium(2)과 secondary sodium(4) 사이를 연결하는 열전달 파이프에서 누출이 일어날 경우 외부로 누출 가능성이 있으므로 누출 방지를 위한 추가 수단이 필요하다. 따라서 이러한 SFR(1) 에서는 sodium의 외부 누출을 방지하기 위하여 배관을 구획하거나 이중관으로 구성할 필요가 있고, 이를 기초로 하여 본 실시 예의 경우 도 1의 열 전달 파이프(5)배관에 누출 감지 PIP 구조가 적용된 예를 제안하고 있는 것이다.

도 2는 본 발명의 실시 예에 따른 SFR 시스템의 PIP 구조를 나타내고 있는 구성도이고, 도 3은 도 2의 PIP 구조의 단면도이다.

도 2에 도시한 바와 같이, 누출 감지장치가 설치된 PIP 구조(100)는 제1 직경의 내부 파이프(110), 제1 직경보다 큰 제2 직경의 외부 파이프(120), 내부 파이프(110)와 외부 파이프(120) 사이에 삽입되어 내부 파이프(110)의 주위 온도를 측정하는 DTS(Distributed Temperature Sensing) 디바이스(130)를 포함한다.

상기 DTS 디바이스(130)는 레이저 펄스의 산란광을 시간으로 분할하여 온도 및 거리를 분석하는 방식이다. 도면에서 도시하지 않았지만 이러한 DTS 디바이스는 보통 온도 감지선과 광 펄스 생성 레이저부, 산란광을 수신하여 분석하는 신호 처리부 등의 구성들을 포함하여 구성되며, 온도 감지선은 광 섬유(optical fiber)가 사용되고 있다. 온도 측정 방식의 예를 설명하면, PIP 구조에서 온도가 높아지는 지점은 분자 운동이 상승하는데, 펄스광이 투사되면 펄스광으로부터 에너지를 받아 분자운동은 더욱 활성화되고, 이때 투사된 펄스광의 대부분은 전방으로 진행하나 일부 산란된 광은 회귀하게 된다. 이러한 산란광을 통해 내부 파이프(110) 주변의 분포된 온도를 측정하는 것이다. 여기서 DTS 디바이스(130) 구조 및 이를 이용한 온도 측정 방식은 공지된 기술로서 본 실시 예에서는 상세 설명은 생략할 것이다.

이처럼 DTS 디바이스(130)는 광섬유를 이용하여 온도를 측정하는 것이고, 하나의 광섬유를 사용하여 여러 위치의 온도 변화를 실시간으로 모니터링 할 수 있다는 장점이 있다. 또 간단한 설치 작업으로 내부 파이프(110)의 어느 위치에서나 온도 측정이 가능하고, 외부 충격과 고온에 강하여 주변보다 상대적으로 온도가 높은 유체를 사용하는 PIP 구조에 이점이 있다. 이러한 이유로 본 발명은 광섬유를 포함한 DTS 디바이스를 적용하는 것이다.

한편 도 2에서 보듯이 본 발명의 시뮬레이션을 위한 구성의 일환으로 상기 내부 파이프(110)의 중앙에 삽입되어 수온이 일정하게 유지하는 카트리지 히터(140), 써머커플(Thermocouple)(150) 소자 등이 더 설치되어 있음을 알 수 있다. 여기서 써머커플(150)의 설치는 예를 들면 원주 방향으로 내부 파이프(110)에 소정 각도(45°) 간격으로 소정 개수 설치하고 내부 파이프(110)와 외부 파이프(120) 사이에 소정 각도(90°) 간격으로 설치할 수 있다. 물론 이러한 설치 설계는 내부 파이프(110)의 온도 변화를 효과적으로 측정할 수 있다면 다른 설계 방식으로도 충분히 가능할 것이다.

도 3을 보면, 내부 파이프(110)를 통해 열전달 유체인 sodium이 흐르며, 내부 파이프(110)와 외부 파이프(120)의 사이 공간(S)은 누출이 발생하더라도 공기 중의 산소나 물과의 접촉을 방지하도록 질소(Nitrogen)가 채워져 있고, 제2 파이프의 외부는 유리 섬유(glass wool)로 단열되어 있다.

도 4는 본 발명의 실시 예에 따라 PIP의 누출 위치 감지장치를 도시한 구성도이다.

도 4를 보면, PIP의 누출 위치 감지장치(200)는 내/외부 파이프(110,120) 사이에 설치되어 주변 온도를 측정하는 DTS 디바이스(130), DTS 디바이스(130)가 측정한 온도 데이터를 2차원 영상 데이터화 하는 데이터 처리부(210), 2차원 영상 데이터를 인공지능 기술을 이용하여 학습하는 학습부(220), 및 학습 결과에 따라 배관(즉 내부 파이프)의 누출 여부를 판단하는 판단부(230)를 포함하여 구성된다.

상기 데이터 처리부(210)는 학습부(220)가 학습할 수 있도록 데이터를 처리하기 때문에 데이터를 전처리 하는 유닛이라 할 수 있다. 실시 예에 따르면 데이터 처리부(210)는 표준편차 계산부(211), FFT부(Fast Fourier transform unit)(212) 및 변환부(spectrogram conversion unit)(213)를 포함한다.

여기서, 표준편차 계산부(211)는, 내부 파이프(110)의 측정되는 두 지점들 간의 온도 차이의 표준편차를 계산하여 one-point 데이터를 생성한다. 그리고 FFT부(212)는 one-point 데이터를 FFT 변환하고, 변환부(213)는 FFT 변환된 데이터를 2차원 영상 데이터로 변환한다. 여기서 2차원 영상 데이터로 변환하는 이유는 학습부(220)가 FFT 변환 데이터로는 인공지능 분석, 즉 CNN 분석을 수행할 수 없기 때문이다. 실시 예에 따르면, FFT 데이터는 변환부(213)에 의해 스펙트로그램으로 변환되어 주파수와 진폭의 관계를 2차원 영상의 색차로 표현될 수 있다.

상기 학습부(220)는 딥러닝 알고리즘인 CNN Convolutional Neural Network)이 이용된다. 상기 CNN은 커널 크기에 따라 결정된 픽셀에서 특징을 추출하는 컨볼루션 레이어(convolution layer)(221), 정규화 및 평균 풀링작업을 통해 입력 데이터의 너비, 크기 및 특징 맵의 사이즈를 줄이기 위한 트랜지션 레이어(transition layer)(222), 클래스를 분류하는 완전 연결 레이어(fully-connected layer)(223)와 소프트맥스 레이어(softmax layer)(224)를 포함하여 구성된다.

상기 판단부(230)는 t-SNE 알고리즘을 사용하여 시각화를 통해 평가할 수 있도록 한다. 상기 t-SNE 알고리즘은 CNN(220)의 결과 데이터를 시각적으로 표현하는데 사용되는 것이다.

본 실시 예에 따른 CNN 구조는 도 5에 도시하였다.

도 5를 보면 CNN 구조에서 상기 컨볼루션 레이어(221)는 총 4개가 사용된다. 그리고 데이터 처리과정을 보면 3-tensor을 입력으로 하여, 99(너비)×5(높이)×1(깊이), 23×5×8, 10×5×8, 4×4×8, 1×1×9의 이미지 크기를 처리하고 있다.

도 6은 본 발명의 실시 예에 따른 누출 감지방법을 설명하는 흐름도이고, 도 7은 누출 감지방법에 따라 온도 데이터를 처리한 실시 예 도면이다.

본 발명의 PIP 구조(100)와 같이 내부 파이프(110)와 외부 파이프(120)의 2중관 배관 구조에서, 내부 파이프(110)와 외부 파이프(120) 사이에 설치된 DTS 디바이스(130)는 실시간으로 내부 파이프(110)의 온도를 측정한다(S100). 온도 측정은 내부 파이프(110)의 소정 간격마다 측정이 가능하며, 측정된 온도 데이터는 데이터 처리부(210)로 전달된다.

데이터 처리부(210)가 온도 데이터를 인가받게 되면, 이를 영상 데이터로 변환하는 과정을 수행한다(S110). 구체적으로, 먼저 표준편차 계산부(211)가 측정된 온도 데이터(즉 raw data)를 기초로 하여 어느 한 지점과 인접한 지점 간의 표준편차 값을 계산하여 전처리 수행한다(도 7의 a 참조)(S111). 상기 과정에 의해 one-point 데이터가 생성된다. 그런 다음 FFT부(212)가 상기 one-point 데이터를 FFT 변환하고(도 7의 b)(S112), 변환부(213)는 FFT 변환된 데이터를 처리하여 2차원 영상 데이터로 변환한다(도 7의 c)(S113). 이렇게 변환된 2차원 영상 데이터는 학습부(220)로 전달된다.

학습부(220)는 컨볼루션 레이어(221), 트랜지션 레이어(222), 완전 연결 레이어(223) 및 소프트맥스 레이어(224)의 동작을 통해 2차원 영상 데이터를 학습한다(도 7의 d)(S120).

그러면 판단부(230)는 최종적으로 2차원 영상 데이터에 대해 t-SNE 알고리즘을 사용하여 시각화를 통해 내부 파이프(110)의 누출 여부를 판단한다(도 7의 e)(S130).

본 실시 예에 따르면 내부 파이프(110)의 측정된 온도 데이터를 참조하면, 온도 차이가 가장 큰 지점이 누출 위치일 수 있다. 그리고 이러한 판단결과에 따라 작업자는 내부 파이프(110)의 어느 위치에서 누출이 발생하였는지 확인할 수 있고, 후속 조치를 취할 수 있게 된다.

도 8은 본 발명에 따라 DTS 온도 데이터 측정 및 이의 전처리 과정을 설명하기 위한 예시 그래프이다.

도 8에서 (a)는 다양한 실험 조건에 따라 3 지점에서의 온도 데이터를 나타내고 있다. 그래프와 같이 유체 온도 변화를 확인할 수 있다.

도 8에서 (b)는 실험에서 누출 지점과 인접 지점 사이의 온도 차이를 나타내고 있다. 누출 지점(X₀)과 인접 지점(X_-, X₊) 간의 온도 비율은 각각 R₁(X_-/X₀)와 R₂(X₀/X₊)로 각각 계산된다. 그리고 R₁와 R₂간의 차이의 표준편차는 one-point 데이터를 생성하기 위해 계산된다.

도 8에서 (c)가 계산된 one-point 데이터를 나타내고 있다. 상기 one-point 데이터는 PIP 배관 구조에서 내부 파이프의 누출 위치 감지를 위해 최적화된 데이터라고 할 수 있다.

본 발명에 따르면, DTS와 CNN 기법을 이용하여 PIP 배관에서의 누출을 감지함에 있어, 다양한 누출율과 온도 조건에서 약 1000초 이내에 86.25%의 정확도로 누출을 감지할 수 있음을 실험을 통해 확인되었다.

즉 실험에서는 하기 표 1과 같이 ADADELTA, ADAGRAD, SGD 및 ADAM의 4가지 유형의 최적화 프로그램을 사용했을 때, ADAM 최적화 프로그램을 사용했을 때가 가장 높은 정확도를 달성하고 있다.

이와 같이 본 발명은 PIP 구조의 내부파이프에서 실시간으로 전달되는 온도 데이터를 이미지화 한 다음, 그 이미지 데이터를 학습모델을 통해 학습함으로써, 빠르고 정확하게 누출 여부 및 위치를 확인할 수 있게 됨을 알 수 있다.

이상과 같이 본 발명의 도시된 실시 예를 참고하여 설명하고 있으나, 이는 예시적인 것들에 불과하며, 본 발명이 속하는 기술 분야의 통상의 지식을 가진 자라면 본 발명의 요지 및 범위에 벗어나지 않으면서도 다양한 변형, 변경 및 균등한 타 실시 예들이 가능하다는 것을 명백하게 알 수 있을 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 청구범위의 기술적인 사상에 의해 정해져야 할 것이다.

130: DTS 디바이스
200: 누출 감지장치
210: 데이터 처리부
211: 표준편차 계산부
212: FFT부
213: 변환부
220: 학습부
221: 컨볼루션 레이어
222: 트랜지션 레이어
223: 완전연결 레이어
224: 소프트맥스 레이어
230: 판단부

Claims

제1 직경의 내부 파이프와 상기 제1 직경보다 큰 제2 직경의 외부 파이프 사이에 설치되어 상기 내부 파이프의 길이방향으로 온도를 측정하는 DTS(Distributed Temperature Sensing) 디바이스;
상기 DTS 디바이스의 온도 데이터를 2차원 영상 데이터로 처리하는 데이터 처리부;
상기 2차원 영상 데이터를 입력받아 기계학습하는 학습부; 및
상기 학습부의 학습결과에 따라 상기 내부 파이프의 누출 여부를 판단하는 판단부를 포함하여 구성되는 것을 특징으로 하는, PIP의 누출 위치 감지장치.
제 1 항에 있어서,
상기 내부 파이프와 외부 파이프 사이 공간은 질소(Nitrogen)가 충진되는, PIP의 누출 위치 감지장치.
제 1 항에 있어서
상기 데이터 처리부는,
one-point 데이터를 생성하도록 상기 내부 파이프의 길이 방향을 따라 서로 인접한 2개의 측정 지점들 간의 온도 차이의 표준편차를 계산하는 표준편차 계산부;
상기 one-point 데이터를 FFT 변환하는 FFT부; 및
상기 FFT 변환된 데이터를 2차원 영상 데이터로 변환하는 변환부를 포함하여 구성되는, PIP의 누출 위치 감지장치.
제 1 항에 있어서
상기 학습부는, CNN Convolutional Neural Network) 모델이고,
상기 CNN 모델은,
크기에 따라 결정된 픽셀에서 특징을 추출하는 4개의 컨볼루션 레이어(convolution layer);
정규화 및 평균 풀링작업을 통해 입력 데이터의 너비, 크기 및 특징 맵의 사이즈를 조절하는 트랜지션 레이어(transition layer);
클래스를 분류하는 완전 연결 레이어(fully-connected layer) 및 소프트맥스 레이어(softmax layer)를 포함하여 구성되는, PIP의 누출 위치 감지장치.
제 1 항에 있어서
상기 판단부는 상기 CNN 모델의 결과 데이터를 시각적으로 표현하는 t-SNE 알고리즘을 사용하는, PIP의 누출 위치 감지장치.
내부 파이프와 외부 파이프 사이에 설치된 DTS 디바이스가 상기 내부 파이프의 외부 온도를 실시간 측정하는 제1 단계;
데이터 처리부가 상기 측정된 온도 데이터를 영상 데이터화 하는 제2 단계;
학습부가 상기 영상 데이터를 인공지능(AI) 기술을 활용하여 학습하는 제3 단계; 및
판단부가 상기 학습 결과를 통해 누출 여부를 판단하는 제4 단계를 포함하여 진행되는 것을 특징으로 하는, PIP의 누출 위치 감지방법.
제 6 항에 있어서
상기 제2 단계는,
상기 내부 파이프의 어느 한 제1 지점과 상기 제1 지점과 인접한 제2 지점간의 표준편차 값을 계산하여, DTS 온도 데이터를 one-point 데이터로 생성하는 전처리 단계;
상기 전처리 된 one-point 데이터를 FFT 변환하는 FFT 변환 단계;
상기 변환된 FFT 데이터를 2차원 영상 데이터로 변환하는 데이터 변환 단계를 포함하고,
여기서 상기 제1 지점과 상기 제2 지점은 연속해서 나타나는, PIP의 누출 위치 감지방법.
제 6 항에 있어서
상기 제3 단계는 컨볼루션 신경망(CNN)에 의해 수행되는, PIP의 누출 위치 감지방법.
제 7 항에 있어서
상기 제4 단계는 상기 2차원 영상 데이터를 시각화하여 제공하는, PIP의 누출 위치 감지방법.
제 6 항에 있어서
상기 내부 파이프의 누출 지점은, 상기 내부 파이프에서 제1 지점, 상기 제1 지점과 인접한 제2 지점간의 온도 차이가 가장 큰 지점인, PIP의 누출 위치 감지방법.