KR20240025865A - 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 시스템 및 방법 - Google Patents
설비자산의 상태평가를 위한 지능형 건전성 지수 산출 시스템 및 방법 Download PDFInfo
- Publication number
- KR20240025865A KR20240025865A KR1020220104018A KR20220104018A KR20240025865A KR 20240025865 A KR20240025865 A KR 20240025865A KR 1020220104018 A KR1020220104018 A KR 1020220104018A KR 20220104018 A KR20220104018 A KR 20220104018A KR 20240025865 A KR20240025865 A KR 20240025865A
- Authority
- KR
- South Korea
- Prior art keywords
- health index
- score
- information
- data
- maintenance history
- Prior art date
Links
- 230000036541 health Effects 0.000 title claims abstract description 135
- 238000000034 method Methods 0.000 title description 22
- 238000012423 maintenance Methods 0.000 claims abstract description 128
- 238000012544 monitoring process Methods 0.000 claims abstract description 76
- 238000004364 calculation method Methods 0.000 claims abstract description 58
- 238000004891 communication Methods 0.000 claims abstract description 32
- 238000011156 evaluation Methods 0.000 claims description 89
- 230000009467 reduction Effects 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 238000007726 management method Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000003449 preventive effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 229910000897 Babbitt (metal) Inorganic materials 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
-
- 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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Automation & Control Theory (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
운전/정비/감시 데이터를 기반으로 설비의 건전도 지수를 평가할 수 있는 지능형 건전성 지수 산출 시스템이 개시된다. 상기 건전성 지수 산출 시스템은, 설비 자산의 상태를 센싱하여 센싱 데이터를 생성하는 제 1 내지 제 n 센서계, 상기 제 1 내지 제 n 센서계로부터 각각 상기 센싱 데이터를 수집하는 제 1 내지 제 n 수집 장치, 통신망을 통해 상기 설비 자산에 대해 실행한 정비 이력 데이터를 제공하는 정비 이력 서버, 및 상기 센싱 데이터 및 상기 정비 이력 데이터를 이용하여 상기 설비 자산의 상태 평가를 위한 지능형 건전성 지수를 산출하는 컴퓨터를 포함하는 것을 특징으로 한다.
Description
본 발명은 지능형 건전성 지수 산출 기술에 관한 것으로서, 더 상세하게는 발전설비의 자산 건전성 지수 평가를 위해 운전정보/정비이력/감시정보 데이터를 가중치를 고려하여 지능형 AHI(Asset Health Index) 알고리즘을 제시하는 건전성 지수 산출 시스템 및 방법에 대한 것이다.
발전소는 상태 감시 시스템과 별도로 계획 예방정비/긴급정지에 따른 사후 정비 관리가 수행되고 있다.
정비관리는 각 부품에 대한 예방점검 정비주기를 주기정비 또는 사람의 경험이나 노하우에 의존한 방법으로, 부품별 정비이력, 교체이력 등과 같은 정비 관리를 수행하고 있다. 이와 같이 각 설비의 고장상태를 데이터를 기반으로 정량적으로 평가하지 않고, 사람의 경험에 의존한 정비관리 방법은 인적실수에 의한 과도한 정비비용을 발생할 수 있다.
발전소를 구동하는 대부분의 설비는 회전기계로 구성되며, 배관이나 프레임 같은 철골 구조물에 비해 열화가 빠르게 진행된다. 또한, 설비의 파손이나 사고가 발생할 경우 설비의 직접적인 손실뿐만 아니라 전력 생산 차질 등 중대한 발전비용 손실을 유발한다. 따라서, 실시간 운전 데이터를 이용하여 설비의 상태를 기반으로 감시하는 시스템의 개발이 필요하다.
한편, 종래의 운전 감시 시스템은 발전소에서 운영하는 설비의 운전/정비/감시 데이터가 많기 때문에 이를 직관적으로 평가하고 관리하기에 전문 인력이 부족하여 설비의 이상 발생시 신속한 고장 인식과 대응이 어렵기 때문에 효율적인 자산건전성 지수를 활용한 방법이 필요하다.
이를 해결하기 위해, 발전소에서 생성되는 운전 정보/정비 데이터 등 다양한 정형 및 비정형 데이터를 종합하여 정량적인 고장검출 방법과 효율적인 감시를 위한 지능형 자산 건전성 지수(AHI, Asset Health Index)를 개발할 필요가 있다.
지능형 AHI 개발을 통해 발전소의 다양한 설비들을 정량적이고 종합적으로 평가하며, 불시고장 및 열화에 대응할 수 있는 시스템을 구현하여 정비비용 최적화 및 발전비용을 최소화할 수 있다.
본 발명은 위 배경기술에 따른 문제점을 해결하기 위해 제안된 것으로서, 운전/정비/감시 데이터를 기반으로 설비의 건전도 지수를 평가할 수 있는 지능형 건전성 지수 산출 시스템 및 방법을 제공하는데 그 목적이 있다.
또한, 본 발명은 설비상태를 기반으로 최적화된 시스템 기반의 정비를 가능하게 하는 지능형 건전성 지수 산출 시스템 및 방법을 제공하는데 다른 목적이 있다.
또한, 본 발명은 지능형 건전도 지수를 기반으로 감시인력을 최적화할 수 있는 지능형 건전성 지수 산출 시스템 및 방법을 제공하는데 또다른 목적이 있다.
본 발명은 위에서 제시된 과제를 달성하기 위해, 운전/정비/감시 데이터를 기반으로 설비의 건전도 지수를 평가할 수 있는 지능형 건전성 지수 산출 시스템을 제공한다.
상기 건전성 지수 산출 시스템은,
설비 자산의 상태를 센싱하여 센싱 데이터를 생성하는 제 1 내지 제 n 센서계;
상기 제 1 내지 제 n 센서계로부터 각각 상기 센싱 데이터를 수집하는 제 1 내지 제 n 수집 장치;
통신망을 통해 상기 설비 자산에 대해 실행한 정비 이력 데이터를 제공하는 정비 이력 서버; 및
상기 센싱 데이터 및 상기 정비 이력 데이터를 이용하여 상기 설비 자산의 상태 평가를 위한 지능형 건전성 지수를 산출하는 컴퓨터;를 포함하는 것을 특징으로 한다.
또한, 상기 컴퓨터는, 상기 통신망에 연결되어 상기 센싱 데이터 및 상기 정비 이력 데이터를 획득하는 수집부; 상기 센싱 데이터 및 상기 정비 이력 데이터를 기반으로 상태 정보의 건전성 및 정비이력의 건전성을 평가하여 각각 상태 정보 건전성 평가 정보 및 정비 이력 건전성 평가 정보를 생성하는 평가부; 및 상기 상태 정보 건전성 평가 정보 및 상기 정비 이력 건전성 평가 정보를 이용하여 상기 지능형 건전성 지수를 계산하는 계산부;를 포함하는 것을 특징으로 한다.
또한, 상기 지능형 건전성 지수는 AHI(Asset Health Index) 스코어로 표현되는 것을 특징으로 한다.
또한, 상기 지능형 건전성 지수는 상기 AHI 스코어에 따른 등급(A~E)으로 표현되는 것을 특징으로 한다.
이때, 상기 등급은 미리 설정되는 상태평가 기준을 기반으로 분류되는 것을 특징으로 한다.
또한, 상기 AHI(Asset Health Index) 스코어 중 운전 정보 AHI 스코어는 수학식 (여기서, VO은 운전값이고, SO는 운전 점수이고, SN은 정규 기준 점수이고, SA는 알람 기준 점수이고, ST는 트립(Trip) 기준 점수이고, CN은 정규 기준이고, CA는 알람 기준이고, CT는 트립 기준이다)으로 산출되는 것을 특징으로 한다.
또한, 상기 AHI(Asset Health Index) 스코어 중 감시 정보 AHI 스코어는 수학식 (여기서, RO는 감시 데이터값이고, RS0는 감지정보 점수이고, ESN은 정규 기준 점수이고, ESA는 알람 기준 점수이고, EST는 트립 기준 점수이고, ECN은 정규 기준이고, ECA는 경보(Alert) 기준, ECE는 조기(Early) 경보 기준이다) 으로 산출되는 것을 특징으로 한다.
또한, 상기 AHI(Asset Health Index) 스코어 중 정비 이력 AHI 스코어는 수학식 (여기서, VM은 정비 데이터, +C는 (+) 정비 기준, -C는 (-) 정비 기준이다)으로 산출되는 것을 특징으로 한다.
또한, 상기 지능형 건전성 지수는 선택된 대상에 미리 설정되는 가중치 초값을 적용하고, 점수 감소율(F,G)을 미리 설정되는 기준값과 비교하여, 비교 결과에 따라 미리 설정되는 가중치 자동 조절 알고리즘을 적용하여 산출되는 것을 특징으로 한다.
또한, 상기 자동 조절 알고리즘은 (여기서, O: 운전정보 초기 가중치, E: 감시 정보 초기 가중치, F : 운전 점수 감소율, G : 감시 점수 감소율, : 운전정보 가중치(자동 조정), : 감시정보 가중치(자동 조정)인 것을 특징으로 한다.
다른 한편으로, 본 발명의 다른 일실시예는, (a) 제 1 내지 제 n 센서계가 설비 자산의 상태를 센싱하여 센싱 데이터를 생성하는 단계; (b) 제 1 내지 제 n 수집 장치가 상기 제 1 내지 제 n 센서계로부터 각각 상기 센싱 데이터를 수집하는 단계; (c) 정비 이력 서버가 통신망을 통해 상기 설비 자산에 대해 실행한 정비 이력 데이터를 제공하는 단계; 및 (d) 컴퓨터가 상기 센싱 데이터 및 상기 정비 이력 데이터를 이용하여 상기 설비 자산의 상태 평가를 위한 지능형 건전성 지수를 산출하는 단계;를 포함하는 것을 특징으로 하는 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 방법을 제공한다.
이때, 상기 (d) 단계는, 수집부가 상기 통신망에 연결되어 상기 센싱 데이터 및 상기 정비 이력 데이터를 획득하는 단계; 평가부가 상기 센싱 데이터 및 상기 정비 이력 데이터를 기반으로 상태 정보의 건전성 및 정비이력의 건전성을 평가하여 각각 상태 정보 건전성 평가 정보 및 정비 이력 건전성 평가 정보를 생성하는 단계; 및 계산부가 상기 상태 정보 건전성 평가 정보 및 상기 정비 이력 건전성 평가 정보를 이용하여 상기 지능형 건전성 지수를 계산하는 단계;를 포함하는 것을 특징으로 한다.
본 발명에 따르면, 발전소의 설비 또는 부품의 고장을 정량화함으로써 정비의 정확성 및/또는 발전설비에 대한 고장 데이터의 정량적 평가 신뢰도를 재고할 수 있는 장점이 있다.
또한, 본 발명의 다른 효과로서는 발전소의 설비 또는 부품에 대한 자산 건전성 지수를 모니터링을 하면서 고장시점을 결정할 수 있으므로, 발전소 설비의 상태기반 정비 혹은 예측정비 전략을 수립할 수 있다는 점을 들 수 있다.
또한, 본 발명의 또 다른 효과로서는 감시 시스템과의 연계를 통하여 발전 운전 데이터에 대한 절대적, 상대적 평가를 수행하여 비전문가의 실시간 설비상태 확인에 대한 편의성을 확립할 수 있다는 점을 들 수 있다.
또한, 본 발명의 또 다른 효과로서는 발전설비의 지능형 AHI(Asset Health Index) 개발을 통해 발전설비의 종합관리와 더불어 발전비용 최소화가 가능할 수 있다는 점을 들 수 있다.
도 1은 본 발명의 일실시예에 따른 지능형 건전성 지수 산출 시스템의 구성 블럭도이다.
도 2는 도 1에 도시된 컴퓨터의 세부 구성 블럭도이다.
도 3은 본 발명의 일실시예에 따른 지능형 건전성 지수 산출 과정을 개념적으로 보여주는 흐름도이다.
도 4는 본 발명의 일실시예에 따른 지능형 건전성 지수 산출 과정을 보여주는 흐름도이다.
도 5는 본 발명의 일실시예에 따른 운전 정보 AHI(Asset Health Index) 스코어 평가를 개념적으로 보여주는 그래프이다.
도 6은 본 발명의 일실시예에 따른 감시정보 스코어 평가를 개념적으로 보여주는 그래프이다.
도 7은 본 발명의 일실시예에 따른 상태정보 AHI 스코어 산출을 개념적으로 보여주는 그래프이다.
도 8은 본 발명의 일실시예에 따른 정비이력 평가 예시를 보여주는 그래프이다.
도 9는 본 발명의 일실시예에 따른 운전/감시/정비 데이터를 기반으로 AHI 스코어를 평가하는 예시이다.
도 10은 본 발명의 일실시예에 따른 해외 발전소의 터빈 운전정보 및 터빈 감시정보 AHI 스코어 트렌드를 보여주는 그래프이다.
도 11은 본 발명의 일실시예에 따른 해외 발전소의 터빈 상태정보(운전+감시), 터빈 정비이력, 및 터빈 설비 AHI 스코어 트렌드를 보여주는 그래프이다.
도 12는 본 발명의 일실시예에 따른 국내 발전소의 터빈 운전정보 및 터빈 감시정보 AHI 스코어 트렌드를 보여주는 그래프이다.
도 13은 본 발명의 일실시예에 따른 국내 발전소의 터빈 상태정보(운전+감시), 터빈 정비이력, 및 터빈 설비 AHI 스코어 트렌드를 보여주는 그래프이다.
도 14는 본 발명의 일실시예에 따른 국내 발전소의 미분기 운전 데이터 및 감시 데이터 AHI 스코어 트렌드를 보여주는 그래프이다.
도 15는 본 발명의 일실시예에 따른 국내 발전소의 미분기 상태정보(운전+감시), 미분기 정비 이력, 및 미분기 설비 AHI 스코어 트렌드를 보여주는 그래프이다.
도 16은 본 발명의 일실시예에 따른 AHI 감시 메인 화면의 예시이다.
도 2는 도 1에 도시된 컴퓨터의 세부 구성 블럭도이다.
도 3은 본 발명의 일실시예에 따른 지능형 건전성 지수 산출 과정을 개념적으로 보여주는 흐름도이다.
도 4는 본 발명의 일실시예에 따른 지능형 건전성 지수 산출 과정을 보여주는 흐름도이다.
도 5는 본 발명의 일실시예에 따른 운전 정보 AHI(Asset Health Index) 스코어 평가를 개념적으로 보여주는 그래프이다.
도 6은 본 발명의 일실시예에 따른 감시정보 스코어 평가를 개념적으로 보여주는 그래프이다.
도 7은 본 발명의 일실시예에 따른 상태정보 AHI 스코어 산출을 개념적으로 보여주는 그래프이다.
도 8은 본 발명의 일실시예에 따른 정비이력 평가 예시를 보여주는 그래프이다.
도 9는 본 발명의 일실시예에 따른 운전/감시/정비 데이터를 기반으로 AHI 스코어를 평가하는 예시이다.
도 10은 본 발명의 일실시예에 따른 해외 발전소의 터빈 운전정보 및 터빈 감시정보 AHI 스코어 트렌드를 보여주는 그래프이다.
도 11은 본 발명의 일실시예에 따른 해외 발전소의 터빈 상태정보(운전+감시), 터빈 정비이력, 및 터빈 설비 AHI 스코어 트렌드를 보여주는 그래프이다.
도 12는 본 발명의 일실시예에 따른 국내 발전소의 터빈 운전정보 및 터빈 감시정보 AHI 스코어 트렌드를 보여주는 그래프이다.
도 13은 본 발명의 일실시예에 따른 국내 발전소의 터빈 상태정보(운전+감시), 터빈 정비이력, 및 터빈 설비 AHI 스코어 트렌드를 보여주는 그래프이다.
도 14는 본 발명의 일실시예에 따른 국내 발전소의 미분기 운전 데이터 및 감시 데이터 AHI 스코어 트렌드를 보여주는 그래프이다.
도 15는 본 발명의 일실시예에 따른 국내 발전소의 미분기 상태정보(운전+감시), 미분기 정비 이력, 및 미분기 설비 AHI 스코어 트렌드를 보여주는 그래프이다.
도 16은 본 발명의 일실시예에 따른 AHI 감시 메인 화면의 예시이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 구체적으로 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용한다.
제 1, 제 2등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. "및/또는" 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않아야 한다.
이하 첨부된 도면을 참조하여 본 발명의 일실시예에 따른 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 시스템 및 방법을 상세하게 설명하기로 한다.
도 1은 본 발명의 일실시예에 따른 지능형 건전성 지수 산출 시스템(100)의 구성 블럭도이다. 도 1을 참조하면, 지능형 건전성 지수 산출 시스템(100)은, 설비 자산의 상태를 센싱하여 센싱 데이터를 생성하는 제 1 내지 제 n 센서계(110a 내지 110n), 센싱 데이터를 수집하는 제 1 내지 제 n 수집 장치(120a 내지 120n), 통신망(140), 설비 자산에 대해 실행한 정비 데이터를 제공하는 정비 이력 서버(130), 센싱 데이터 및 정비 이력 데이터를 이용하여 설비 자산의 상태 평가를 위한 지능형 건전성 지수를 산출하는 컴퓨터(150) 등을 포함하여 구성될 수 있다.
설비 자산은 발전 설비, 발전 설비에 적용되는 부품 등을 총칭하는 용어이다. 발전설비는 전력을 생산하는 발전기, 발전된 전력을 공급하기 위한 전선로, 발전기를 제어하는 제어 장치, 전기기계/기구 중 주 차단기의 2차측 단자까지의 설비등이 된다. 본 발명의 일실시예에서는 주로 발전 설비를 기반으로 기술하나, 설비 자산은 일부 수정 및/또는 변형 등을 통해 전력 설비를 포함하는 개념이 될 수 있다.
제 1 내지 제 n 센서계(110a 내지 110n)는 발전 설비 자산에 설치되어 발전 설비 자산의 상태를 센싱하여 센싱 데이터를 생성하는 기능을 수행한다. 센서계는, 진동 센서, 온도 센서 등을 포함하는 개념이다.
제 1 내지 제 n 수집 장치(120a 내지 120n)는 제 1 내지 제 n 센서계(110a 내지 110n)에 의해 생성되는 센싱 데이터를 수집하고, 이를 통신망(140)을 통해 컴퓨터(150)에 전송하는 기능을 수행한다. 이를 위해 제 1 내지 제 n 수집 장치(120a 내지 120n)는 통신 모뎀, 마이크로프로세서, DSP(Digital signal processor), 메모리 등을 포함하여 구성될 수 있다. 도 1에서는 수집 장치(120a 내지 120n)와 센서계(110a 내지 110n)가 1:1 대응으로 도시되어 있으나, 1:N 대응도 가능하다.
메모리는 플래시 메모리 디스크(SSD: Solid State Disk), 하드 디스크 드라이브, 플래시 메모리, EEPROM(Electrically erasable programmable read-only memory), SRAM(Static RAM), FRAM (Ferro-electric RAM), PRAM (Phase-change RAM), MRAM(Magnetic RAM) 등과 같은 비휘발성 메모리 및/또는 DRAM(Dynamic Random Access Memory), SDRAM(Synchronous Dynamic Random Access Memory), DDR-SDRAM(Double Data Rate-SDRAM) 등과 같은 휘발성 메모리의 조합으로 구성될 수 있다.
통신망(140)은 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 공중교환 전화망(PSTN), 공중교환 데이터망(PSDN), 종합정보통신망(ISDN: Integrated Services Digital Networks), 광대역 종합 정보 통신망(BISDN: Broadband ISDN), 근거리 통신망(LAN: Local Area Network), 대도시 지역망(MAN: Metropolitan Area Network), 광역 통신망(WLAN: Wide LAN) 등이 될 수 있다. 그러나, 본 발명은 이에 한정되지는 않으며, 무선 통신망인 CDMA(Code Division Multiple Access), WCDMA(Wideband Code Division Multiple Access), Wibro(Wireless Broadband), WiFi(Wireless Fidelity),DLNA(Digital Living Network Alliance), Zigbee, Z-wave, HSDPA(High Speed Downlink Packet Access) 망, 블루투스(bluetooth), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), 초광대역 무선기술(Ultra-wide Band), Wireless USB(Wireless Universal Serial Bus), NFC(Near Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 될 수 있다. 또는, 이들 유선 통신망 및 무선 통신망의 조합일 수 있다.
또한, 통신망(140)은 전력 통신망을 포함하는 개념일 수 있다. 전력 통신망은 PLC(Power Line Communication) 기술을 이용하여 이미 존재하고 있는 전력선에 데이터 신호를 흘려서 통신을 위한 구성되는 네트워크를 말한다. 전력선은 고압 전력선(약 22.9kV) 및/또는 저압 전력선(약 110~220V)으로 구성된다. 이외에도, 전력 통신망은 리피터, 전력 통신 모뎀, 변압기 등을 포함하여 구성된다. 마스터 모뎀은 전력 통신망을 기존의 통신망과 연결하는 기능을 수행한다.
정비 이력 서버(130)는 각 부품에 대한 예방점검 정비주기를 주기정비 또는 사람의 경험이나 노하우에 의존한 방법으로, 부품별 정비이력, 교체이력 등과 같은 정비 관리를 수행하고 수행에 따라 생성되는 정비 이력 데이터를 데이터베이스(131)로 저장한다.
컴퓨터(150)는 통신망(140)을 통해 제 1 내지 제 n 수집 장치(120a 내지 120n) 및 정비 이력 서버(130)와 연결되어 센싱 데이터 및 정비 이력 데이터를 수집하고, 이들을 이용하여 상기 설비 자산의 상태 평가를 위한 지능형 건전성 지수를 산출하는 기능을 수행한다.
이해의 편의를 위해, 설비별 지능형 AHI(Asset Health Index) 선정을 위한 데이터/기준값/건전성 지표 정보는 다음과 같다.
도 2는 도 1에 도시된 컴퓨터(150)의 세부 구성 블럭도이다. 도 2를 참조하면, 컴퓨터(150)는, 통신망(140)에 연결되어 센싱 데이터, 정비 이력 데이터를 획득하는 수집부(210), 센싱 데이터 및 정비 이력 데이터를 이용하여 상태 정보의 건전성 및 정비이력의 건전성을 평가하는 평가부(220), 상태 정보 건전성 평가 정보와 정비 이력 건전성 평가 정보를 이용하여 지능형 건전성 지수를 계산하는 계산부(230), 지능형 건전성 지수를 출력하는 표시부(240) 등을 포함하여 구성될 수 있다.
수집부(210)는 통신망(140)에 연결되어 수집 장치(120a 내지 120n)로부터 센싱 데이터를 획득하고, 정비 이력 서버(130)로부터 정비 이력 데이터를 획득하는 기능을 수행한다. 이를 위해, 수집부(210)는 통신 모뎀, 마이크로프로세서, 마이콤, 메모리등을 포함하여 구성될 수 있다.
평가부(220)는 센싱 데이터를 기반으로 상태 정보의 건전성을 평가하여 상태 정보 건전성 평가 정보를 생성하는 상태 정보 평가 모듈(221) 및 정비 이력 데이터를 기반으로 정비 이력의 건전성을 평가하여 정비 이력 건전성 평가 정보를 생성하는 정비이력 평가 모듈(222)로 구성된다.
계산부(230)는 상태 정보 건전성 평가 정보 및 정비 이력 건전성 평가 정보를 이용하여 지능형 건전성 지수를 계산하는 기능을 수행한다.
표시부(240)는 지능형 건전성 지수를 출력하는 기능을 수행한다. 또한, 표시부(240)는 입력 화면, 설정 화면, 정보 처리 화면 등을 출력한다. 이를 위해, 표시부(240)는 사운드 시스템, 디스플레이 등을 포함하여 지능형 건전성 지수를 그래픽, 음성 및 문자의 조합으로 출력할 수 있다.
디스플레이는 LCD(Liquid Crystal Display), LED(Light Emitting Diode) 디스플레이, PDP(Plasma Display Panel), OLED(Organic LED) 디스플레이, 터치 스크린, CRT(Cathode Ray Tube), 플렉시블 디스플레이, 마이크로 LED, 미니 LED 등이 될 수 있다. 터치 스크린의 경우, 출력 수단뿐만 아니라 입력 수단으로도 사용될 수 있다.
도 2에 도시된 상태정보 평가 모듈(221), 정비이력 평가 모듈(222), 계산부(230) 등은 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 소프트웨어 및/또는 하드웨어로 구현될 수 있다. 하드웨어 구현에 있어, 상술한 기능을 수행하기 위해 디자인된 ASIC(application specific integrated circuit), DSP(digital signal processing), PLD(programmable logic device), FPGA(field programmable gate array), 프로세서, 마이크로프로세서, 다른 전자 유닛 또는 이들의 조합으로 구현될 수 있다.
소프트웨어 구현에 있어, 소프트웨어 구성 컴포넌트(요소), 객체 지향 소프트웨어 구성 컴포넌트, 클래스 구성 컴포넌트 및 작업 구성 컴포넌트, 프로세스, 기능, 속성, 절차, 서브 루틴, 프로그램 코드의 세그먼트, 드라이버, 펌웨어, 마이크로 코드, 데이터, 데이터베이스, 데이터 구조, 테이블, 배열 및 변수를 포함할 수 있다. 소프트웨어, 데이터 등은 메모리에 저장될 수 있고, 프로세서에 의해 실행된다. 메모리나 프로세서는 당업자에게 잘 알려진 다양한 수단을 채용할 수 있다.
도 3은 본 발명의 일실시예에 따른 지능형 건전성 지수 산출 과정을 개념적으로 보여주는 흐름도이다. 도 3을 참조하면, 대상 설비 자산(30)에 대해 실시간 센싱 데이터(정형 데이터)를 생성한다(단계 S310a). 물론, 정비이력 데이터를 생성한다(단계 S310b). 일반적으로 정비이력 데이터가 먼저 생성되나, 정비이력 데이터와 센싱 데이터는 함께 생성될 수도 있다.
실시간 센싱 데이터가 생성됨에 따라 운전 정보에 대한 건전성 및 감시 정보에 대한 건전성을 평가하여 상태 정보 건전성 평가 정보를 생성한다(단계 S321a,S321b, S330a).
이와 함께, 정비 이력 데이터에 대해 정비이력 건전성 평가 정보를 생성한다(단계 S330b).
상태 정보 건전성 평가 정보 및 정비 이력 건전성 평가 정보를 이용하여 지능형 건전성 지수를 계산한다(단계 S340). 즉, AHI 스코어를 계산한다. AHI 스코어에 따른 설비 상태 평가 기준을 보면 다음표와 같다.
| 등급(Grade) | 스코어(Score) | 상태평가 기준 | 비고 |
| A | (5~4) | 신규 설치된 기계의 상태 | AHI에 따른 Grade 및 상태평가 기준은 국제규격의 설비 상태평가 기준영역을 적용 (or 제작사 권고 기준 변경 가능) |
| B | (4~3) | [정상] 제한 없이 장기간 운전 허용되는 상태 | |
| C | (3~2) | [경고] 장기간 연속운전이 적절하지 않은 상태 | |
| D | (2~1) | [위험] 설비 손상 발생 가능한 가혹한 상태 | |
| E | (1~ ) | [정지] 설비 운전을 즉시 중지해야 하는 상태 |
위 표에서 AHI 스코어에 따른 등급(A~E)으로 표현되며, 등급은 미리 설정되는 상태평가 기준을 기반으로 분류된다.
도 4는 본 발명의 일실시예에 따른 지능형 건전성 지수 산출 과정을 보여주는 흐름도이다. 도 4를 참조하면, 사용자가 선택 메뉴에서 AHI 대상을 선택한다(단계 S410). 부연하면, 지능형 건전성 지수를 산출할 대상을 선택한다. 대상에는 운전 정보(O), 감시 정보(E), 정비 이력(M)이 될 수 있다.
이후, 가중치 초기값이 적용된다(단계 S420). 물론, 가중치 초기값은 미리 설정되어 저장된 값일 수도 있고, 사용자가 설정할 수도 있다. 가중치 초기값은 운전 정보의 경우, 40%이고, 감시 정보의 경우, 40%이고, 정비이력의 경우, 20%가 될 수 있다.
운전 점수 감소율(F)이 기준값(약 5%)이상인지 또는 감시 점수 감소율(G)이 기준값(약 5%) 이상인지를 판단한다(단계 S430). 운전점수 감소율은 설비별로 실제 운전데이터를 기준으로 3개월 평균값의 변화를 기준으로 연산하며 초기값 5% 기준으로 설정하고, 설비 특성에 따라 운전데이터 감소율은 변경할 수 있다.
단계 S430에서, 점수 감소율(약 1시간 기준)이 기준값보다 작으면, 상태정보 건전도 지수를 산출하고, 이 상태정보 건전도 지수를 이용하여 설비 자산(30)에 대한 지능형 건전성 지수를 산출한다(단계 S440,S450). 지능형 건전성 지수는 예를 들면, 가중치 = S(상태):80%/M(정비):20%)가 될 수 있다.
한편, 단계 S430에서 점수 감소율(약 1시간 기준)이 기준값 이상이면 가중치 자동 조절 알고리즘을 적용하여 가중치를 조절하여 단계 S440으로 진행한다(단계 S4301). 가중치 자동 조절 알고리즘은 운전 점수 감소율(F)이 5% 이상이면, 운전정보 초기 가중치(O), 감시정보 초기 가중치(E), 운전 점수 감소율(F), 감시 점수 감소율(G)을 이용하여 먼저 운전정보 가중치(자동 조정)(
)를 산출하고 운전정보 초기 가중치(O), 감시정보 초기 가중치(E) 및 운전정보 가중치(자동 조정)(
)를 이용하여 감시정보 가중치(자동 조정)(
)를 산출한다.
이와 달리 감시 점수 감소율(G)이 5% 이상이면, 운전정보 초기 가중치(O), 감시정보 초기 가중치(E), 운전 점수 감소율(F), 감시 점수 감소율(G)을 이용하여 감시정보 가중치(자동 조정)(
)를 먼저 산출하고, 운전정보 초기 가중치(O), 감시정보 가중치(자동 조정)(
) 및 감시정보 초기 가중치(E)를 이용하여 운전정보 가중치(자동 조정)(
) 및 를 산출하는 알고리즘이다.
도 5는 본 발명의 일실시예에 따른 운전 정보 AHI(Asset Health Index) 스코어 평가를 개념적으로 보여주는 그래프이다. 도 5를 참조하면, 운전 정보 AHI(Asset Health Index) 스코어 평가는 아래 수학식과 같다.
도 5에 도시된 변수를 정의하면 다음표와 같다.
도 6은 본 발명의 일실시예에 따른 감시정보 스코어 평가를 개념적으로 보여주는 그래프이다. 도 6을 참조하면, 감시정보 스코어 평가는 다음 수학식과 같다.
도 6에 도시된 변수를 정의하면 다음표와 같다.
도 7은 본 발명의 일실시예에 따른 상태정보 AHI 스코어 산출을 개념적으로 보여주는 그래프이다. 도 7을 참조하면, 상태정보 AHI 스코어는 도 5 및 도 6에서 산출되는 운전 정보 AHI 스코어와 감시 정보 AHI 스코어를 반영하여 산출된다.
상태정보 AHI 스코어 평가의 예시를 보면 다음 표와 같다.
도 8은 본 발명의 일실시예에 따른 정비이력 평가 예시를 보여주는 그래프이다. 도 8을 참조하면, 정비 이력 AHI 스코어 평가는 다음 수학식과 같다.
변수는 다음 표와 같다.
| 표현식 | 설명 | 비고 |
| VM | 정비 데이터 | 계획예방정비 수행시 정비된 결과 |
| +C | (+) 정비 기준 | 정비 허용 임계치(상한값) |
| -C | (-) 정비 기준 | 정비 허용 임계치(하한값) |
도 9는 본 발명의 일실시예에 따른 운전/감시/정비 데이터를 기반으로 AHI 스코어를 평가하는 예시이다. 도 9를 참조하면, HP(High Pressure) 터빈에 대해 AHI를 평가하는 경우(910), LP&IP(Low Pressure & Intermediate Pressure) 터빈에 대해 AHI를 평가하는 경우(920)이고, 이 둘을 반반씩 반영하여 최종 터빈 AHI 스코어를 산출한다(930,940).
해외 100MW급 화력발전소 터빈(Turbine, TBN) 대상 운전 데이터, 정비 데이터, 감시 데이터를 활용하여 건전도 지수를 평가하였다. 2018년 6~8월(3개월) 운전데이터와 감시 데이터를 적용하였으며, 2018년 3월 계획예방정비 수행 이후의 정비데이터를 적용하였다. 해당 데이터를 사용하여 각 시점에 따른 AHI Trend 평가를 수행하였다. 이러한 평가에 따른 분석 결과를 보여주는 도면이 도 10 내지 도 11에 도시된다.
도 10은 본 발명의 일실시예에 따른 해외 발전소의 터빈 운전정보 및 터빈 감시정보 AHI 스코어 트렌드를 보여주는 그래프이다. 도 10을 참조하면, 해외 발전소 터빈의 운전정보 AHI 스코어 산출결과(1010) 및 해외 발전소 터빈의 감시 정보 AHI 스코어 산출결과(1020)가 도시된다.
도 11은 본 발명의 일실시예에 따른 해외 발전소의 터빈 상태정보(운전+감시), 터빈 정비이력, 및 터빈 설비 AHI 스코어 트렌드를 보여주는 그래프이다. 도 11을 참조하면, 해외 발전소 터빈의 상태정보(운전+감시) AHI 스코어 산출결과(1110), 해외 발전소 터빈의 정비이력 AHI 스코어 산출결과(1120) 및 해외 발전소 터빈의 설비 AHI 스코어 산출결과(1130)가 도시된다.
도 10 및 도 11에 따른 분석결과, 전체기간에 대해 4점(정상 구동범위) 이상의 안정적인 AHI Score를 나타내는 것을 확인할 수 있었으며, 평가 기간 내 8월 2일날 감시 데이터에서 이상이 감시되었으나, 대상설비의 고장이력은 없었던 것으로 확인된다.
한편, 국내 500MW급 화력발전소 TBN(Turbine), PULV(Pulverizer) 고장사례 대상 운전 데이터, 정비 데이터, 감시 정보 데이터를 활용하여 건전도 지수를 평가를 수행하였다.
2013년 1월 29일 00시00분에서 2013년 1월 31일 23시50분까지 운전 데이터(진동, 베어링 온도, 배출증기 온도), O/H 정비 데이터(Sample), 감시 데이터(예측값 대비 실측값의 잔차)를 적용하여 AHI를 계산 및 평가하였다.
해당 데이터의 2013년 1월30일 10시22분에 미분기 화재발생이 있었으며, 이에 미분기 설비의 연쇄정지로 인한 터빈의 진동 상승(Trip)에 따른 발전정지가 수행되었다.
본 발명의 일실시예에서 제시하는 감시 시스템 기반 설비 건전도 지수 평가기술을 적용하였다. 정비 데이터의 경우 O/H 이후 변하지 않는 값이기 때문에 제외하였으며, 운전 정보 데이터와 감시 데이터 평가와 각 항목을 평균화하여 상태정보 AHI Score를 산출하여 평가하였다.
상태정보 AHI Score 트렌드(Trend)를 통하여 알람(Alarm) 시점에 RCM(Reliability centered maintenance)으로 트리거(Trigger) 신호를 보내면 해당 설비에 대해서 RCM 분석이 이루어진다.
알람 트리거(Alarm Trigger)를 받은 대상설비의 RCM 분석결과 현재 정비현황과 PMBD(Preventive Maintenance Basis Database)를 대비하여 전체 필요 정비현황 중 현재 수행하고 있는 정비현황을 나타내며 추가적으로 수행이 필요한 정비항목을 산출한다.
국내 발전 설비의 고장 사례(터빈, 미분기)를 보면 다음표와 같다.
| 항 목 | 검 증 내 용 |
| 목 적 |  조기경보 시스템 연계를 통한 자산건전지수(AHI) 운전데이터 평가 |
|
대상
설비 |
국내발전소 터빈(Turbine)) 국내발전소 미분기(Pulverizer) |
|
데이터
정보 |
데이터 적용기간 : ‘13.01.29~’13.01.31 Data Sampling : 10분 간격 발전정지 사유 : 터빈 진동 상승에 의한 발전정지 상세사유 : Pyrites Hopper #A 화재로 미분기 #A 정지후 급탄기 #C,D,E 연쇄 정지되어 Runback 진행 중 터빈 베어링 진동상승에 의한 발전정지 설비 결함 시점 : ’2013.01.29 [09:40] (감시시스템 알람 발생) 설비 정지 시점 : ‘2013.01.29. [10:00] |
|
AHI
평가항목 |
TBN(Turbine) - 운전데이터 항목 : 설비별 실시간 Monitoring 항목(진동, 온도) 예시) Vibration1X&1Y-Bearing #1~#9, Exhaust Hood A Steam Temperature, Turbine Bearing Metal Temperature #1~#9 - 조기경보 데이터 항목 : 설비별 실시간 Monitoring 항목(운전데이터와 동일) PULV(Pulverizer) - 운전데이터 항목 : 설비별 실시간 Monitoring 항목(온도) 예시) PULV A~F PA Inlet Temperature 1~3 - 감시데이터 항목 : 설비별 실시간 Monitoring 항목(운전데이터와 동일) - 미분기의 경우 실시간 측정항목이 입구유량(Inlet Flow), 입구온도(Inlet Tem- perature) 2가지로 확인되며, 입구유량의 경우 기준정보 적용이 어려워서 제외 |
| 항목 | 검증 내용 |
| 평가방법 | 운전 정보 평가방법 (절대평가) - 설정된 기준정보(Criteria) 대비 실시간 운전데이터 값의 크기에 따라 점수 산출 - Alarm 기준 값 (AHI Score:3점)에서 RCM Trigger 기능 수행 감시시스템 평가방법 (상대평가) - 감시시스템 알고리즘을 통해 산출된 예측 값과 운전데이터(실측값)의 잔차를 평가 - 기개발된 감시시스템의 알람 발생기준(Band) 정보 적용 - Low Alarm(Alert), High Alarm(Early Alarm) 기준을 적용하여 점수 산출 감시시스템 연계 운전데이터 평가방법 - 운전데이터의 자산건강지수(AHI) 평가를 절대평가(Criteria 기준 평가) 및 상대평가(예측 값 대비 실측값 평가) 동시에 수행 - 발전운전 데이터의 상태변화를 더욱 민감하게 평가하기 위한 방안 제시 - 감시시스템 연계 운전데이터의 알람 기준 (AHI Score : 3점) |
| 평가결과 | TBN(Turbine) - 운전데이터 자산건전지수(AHI Score) 평가결과 실제 결함 시점에서 D등급 (기계에 손상을 일으킬 정도로 가혹한 상태)에 위치하는 것을 확인 - 감시데이터 자산건전지수(AHI Score) 평가결과 결함발생 시점에서 감시시스템 알람 발생 현황 확인 및 실제 운전데이터 상승 이전에 감시시스템 알람 발생 - 감시 시스템 연계평가 결과 감시시스템 알람 발생에 따른 상태평가 수행 확인 PULV(Pulverizer) - 운전데이터 자산건전지수(AHI Score) 평가결과 B등급의 정상 운전상태를 유지 하다 화재 발생시점에 D영역~E영역 까지 하락하는 것을 확인 - 감시데이터 자산건전지수(AHI Score) 평가결과 결함발생 시점에서 감시시스템 알람 발생 현황 확인 및 실제 운전데이터 상승 이전에 감시시스템 알람 발생 - 감시시스템 연계평가 결과 감시시스템 알람 발생에 따른 상태평가 수행 확인 운전데이터 자산건전지수(AHI Score) 평가 시 실제 결함 발생 위치(Tag)에서 점수가 하락하는 것을 확인 감시시스템 시스템 연계평가 시 자산건전지수(AHI Score) 변동확인 - 실제 결함 발생시점(운전데이터 변화 시점)에서 AHI Score가 더 낮아짐 - 운전상태를 평가하는 기준을 추가함으로써 운전 상태변화에 민감하게 설정 |
도 12는 본 발명의 일실시예에 따른 국내 발전소의 터빈 운전정보 및 터빈 감시정보 AHI 스코어 트렌드를 보여주는 그래프이다. 도 12를 참조하면, 국내 발전소 터빈의 운전정보 AHI 스코어 산출결과(1210) 및 국내 발전소 터빈의 감시 정보 AHI 스코어 산출결과(1220)가 도시된다.
도 13은 본 발명의 일실시예에 따른 국내 발전소의 터빈 상태정보(운전+감시), 터빈 정비이력, 및 터빈 설비 AHI 스코어 트렌드를 보여주는 그래프이다. 도 13을 참조하면, 국내 발전소 터빈의 상태정보(운전+감시) AHI 스코어 산출결과(1310), 국내 발전소 터빈의 정비이력 AHI 스코어 산출결과(1320) 및 국내 발전소 터빈의 설비 AHI 스코어 산출결과(1330)가 도시된다.
도 14는 본 발명의 일실시예에 따른 국내 발전소의 미분기 운전 데이터 및 감시 데이터 AHI 스코어 트렌드를 보여주는 그래프이다. 도 14를 참조하면, 국내 발전소 미분기의 운전정보 AHI 스코어 산출결과(1410) 및 국내 발전소 미분기의 감시 정보 AHI 스코어 산출결과(1420)가 도시된다.
도 15는 본 발명의 일실시예에 따른 국내 발전소의 미분기 상태정보(운전+감시), 미분기 정비 이력, 및 미분기 설비 AHI 스코어 트렌드를 보여주는 그래프이다. 도 15를 참조하면, 국내 발전소 미분기의 상태정보(운전+감시) AHI 스코어 산출결과(1510), 국내 발전소 미분기의 정비이력 AHI 스코어 산출결과(1520) 및 국내 발전소 미분기 설비의 AHI 스코어 산출결과(1530)가 도시된다.
도 16은 본 발명의 일실시예에 따른 AHI 감시 메인 화면의 예시이다. 도 16을 참조하면, 메인화면에서는 현재 시점 실시간으로 업데이트되는 AHI를 확인할 수 있다. 또한, 각 화면상에 설비 AHI / Part별(부품별) AHI / 최저 지수(Index) AHI 등의 정보를 확인할 수 있다.
(A) 대상설비 AHI
(P) 대상설비 펌프(Pump) 또는 팬 부품(Fan Part) AHI
(P) 대상설비 모터 부품(Motor Part) AHI
(S) 가장 AHI가 낮은 지수(Index) 점수
메인화면에 설비의 실시간 상태평가 결과가 표시되며, 문제가 되는 Index 정보를 파악할 수 있다.
또한, 여기에 개시된 실시형태들과 관련하여 설명된 방법 또는 알고리즘의 단계들은, 마이크로프로세서, 프로세서, CPU(Central Processing Unit) 등과 같은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 (명령) 코드, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 매체에 기록되는 프로그램 (명령) 코드는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프 등과 같은 자기 매체(magnetic media), CD-ROM, DVD, 블루레이 등과 같은 광기록 매체(optical media) 및 롬(ROM: Read Only Memory), 램(RAM: Random Access Memory), 플래시 메모리 등과 같은 프로그램 (명령) 코드를 저장하고 수행하도록 특별히 구성된 반도체 기억 소자가 포함될 수 있다.
여기서, 프로그램 (명령) 코드의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
100: 지능형 건전성 지수 산출 시스템
110a 내지 110n: 제 1 내지 제 n 센서계
120a 내지 120n: 제 1 내지 제 n 수집장치
130: 정비 이력 서버 131: 데이터베이스
140: 통신망 150: 컴퓨터
210: 수집부 220: 평가부
221: 상태정보 평가 모듈 222: 정비이력 평가 모듈
230: 계산부 240: 표시부
110a 내지 110n: 제 1 내지 제 n 센서계
120a 내지 120n: 제 1 내지 제 n 수집장치
130: 정비 이력 서버 131: 데이터베이스
140: 통신망 150: 컴퓨터
210: 수집부 220: 평가부
221: 상태정보 평가 모듈 222: 정비이력 평가 모듈
230: 계산부 240: 표시부
Claims (14)
- 설비 자산(30)의 상태를 센싱하여 센싱 데이터를 생성하는 제 1 내지 제 n 센서계(110a 내지 110n);
상기 제 1 내지 제 n 센서계(110a 내지 110n)로부터 각각 상기 센싱 데이터를 수집하는 제 1 내지 제 n 수집 장치(120a 내지 120n);
통신망(140)을 통해 상기 설비 자산(30)에 대해 실행한 정비 이력 데이터를 제공하는 정비 이력 서버(130); 및
상기 센싱 데이터 및 상기 정비 이력 데이터를 이용하여 상기 설비 자산(30)의 상태 평가를 위한 지능형 건전성 지수를 산출하는 컴퓨터(150);
를 포함하는 것을 특징으로 하는 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 시스템.
- 제 1 항에 있어서,
상기 컴퓨터(150)는,
상기 통신망(140)에 연결되어 상기 센싱 데이터 및 상기 정비 이력 데이터를 획득하는 수집부(210);
상기 센싱 데이터 및 상기 정비 이력 데이터를 기반으로 상태 정보의 건전성 및 정비이력의 건전성을 평가하여 각각 상태 정보 건전성 평가 정보 및 정비 이력 건전성 평가 정보를 생성하는 평가부(220); 및
상기 상태 정보 건전성 평가 정보 및 상기 정비 이력 건전성 평가 정보를 이용하여 상기 지능형 건전성 지수를 계산하는 계산부(230);를 포함하는 것을 특징으로 하는 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 시스템.
- 제 2 항에 있어서,
상기 지능형 건전성 지수는 AHI(Asset Health Index) 스코어로 표현되는 것을 특징으로 하는 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 시스템.
- 제 3 항에 있어서,
상기 지능형 건전성 지수는 상기 AHI 스코어에 따른 등급(A~E)으로 표현되며, 상기 등급은 미리 설정되는 상태평가 기준을 기반으로 분류되는 것을 특징으로 하는 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 시스템.
- 제 3 항에 있어서,
상기 AHI(Asset Health Index) 스코어 중 운전 정보 AHI 스코어는 수학식 (여기서, VO은 운전값이고, SO는 운전 점수이고, SN은 정규 기준 점수이고, SA는 알람 기준 점수이고, ST는 트립(Trip) 기준 점수이고, CN은 정규 기준이고, CA는 알람 기준이고, CT는 트립 기준이다)으로 산출되는 것을 특징으로 하는 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 시스템.
- 제 5 항에 있어서,
상기 AHI(Asset Health Index) 스코어 중 감시 정보 AHI 스코어는 수학식 (여기서, RO는 감시 데이터값이고, RS0는 감지정보 점수이고, ESN은 정규 기준 점수이고, ESA는 알람 기준 점수이고, EST는 트립 기준 점수이고, ECN은 정규 기준이고, ECA는 경보(Alert) 기준, ECE는 조기(Early) 경보 기준이다)으로 산출되는 것을 특징으로 하는 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 시스템.
- 제 3 항에 있어서,
상기 AHI(Asset Health Index) 스코어 중 정비 이력 AHI 스코어는 수학식 (여기서, VM은 정비 데이터, +C는 (+) 정비 기준, -C는 (-) 정비 기준이다)으로 산출되는 것을 특징으로 하는 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 시스템.
- 제 2 항에 있어서,
상기 지능형 건전성 지수는 선택된 대상에 미리 설정되는 가중치 초값을 적용하고, 점수 감소율(F,G)을 미리 설정되는 기준값과 비교하여, 비교 결과에 따라 미리 설정되는 가중치 자동 조절 알고리즘을 적용하여 산출되는 것을 특징으로 하는 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 시스템.
- 제 8 항에 있어서,
상기 자동 조절 알고리즘은 (여기서, O: 운전정보 초기 가중치, E: 감시 정보 초기 가중치, F : 운전 점수 감소율, G : 감시 점수 감소율, : 운전정보 가중치(자동 조정), : 감시정보 가중치(자동 조정)인 것을 특징으로 하는 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 시스템.
- (a) 제 1 내지 제 n 센서계(110a 내지 110n)가 설비 자산(30)의 상태를 센싱하여 센싱 데이터를 생성하는 단계;
(b) 제 1 내지 제 n 수집 장치(120a 내지 120n)가 상기 제 1 내지 제 n 센서계(110a 내지 110n)로부터 각각 상기 센싱 데이터를 수집하는 단계;
(c) 정비 이력 서버(130)가 통신망(140)을 통해 상기 설비 자산(30)에 대해 실행한 정비 이력 데이터를 제공하는 단계; 및
(d) 컴퓨터(150)가 상기 센싱 데이터 및 상기 정비 이력 데이터를 이용하여 상기 설비 자산(30)의 상태 평가를 위한 지능형 건전성 지수를 산출하는 단계;
를 포함하는 것을 특징으로 하는 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 방법. - 제 10 항에 있어서,
상기 (d) 단계는,
수집부(210)가 상기 통신망(140)에 연결되어 상기 센싱 데이터 및 상기 정비 이력 데이터를 획득하는 단계;
평가부(220)가 상기 센싱 데이터 및 상기 정비 이력 데이터를 기반으로 상태 정보의 건전성 및 정비이력의 건전성을 평가하여 각각 상태 정보 건전성 평가 정보 및 정비 이력 건전성 평가 정보를 생성하는 단계; 및
계산부(230)가 상기 상태 정보 건전성 평가 정보 및 상기 정비 이력 건전성 평가 정보를 이용하여 상기 지능형 건전성 지수를 계산하는 단계;를 포함하는 것을 특징으로 하는 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 방법.
- 제 11 항에 있어서,
상기 지능형 건전성 지수는 AHI(Asset Health Index) 스코어로 표현되는 것을 특징으로 하는 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 방법.
- 제 12 항에 있어서,
상기 지능형 건전성 지수는 상기 AHI 스코어에 따른 등급(A~E)으로 표현되며, 상기 등급은 미리 설정되는 상태평가 기준을 기반으로 분류되는 것을 특징으로 하는 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 방법.
- 제 11 항에 있어서,
상기 지능형 건전성 지수는 선택된 대상에 미리 설정되는 가중치 초값을 적용하고, 점수 감소율(F,G)을 미리 설정되는 기준값과 비교하여, 비교 결과에 따라 미리 설정되는 가중치 자동 조절 알고리즘을 적용하여 산출되는 것을 특징으로 하는 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 방법.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220104018A KR20240025865A (ko) | 2022-08-19 | 2022-08-19 | 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 시스템 및 방법 |
| PCT/KR2023/010085 WO2024039076A1 (ko) | 2022-08-19 | 2023-07-14 | 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220104018A KR20240025865A (ko) | 2022-08-19 | 2022-08-19 | 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240025865A true KR20240025865A (ko) | 2024-02-27 |
Family
ID=89941760
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220104018A KR20240025865A (ko) | 2022-08-19 | 2022-08-19 | 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 시스템 및 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR20240025865A (ko) |
| WO (1) | WO2024039076A1 (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101325638B1 (ko) | 2011-09-09 | 2013-11-07 | 비앤에프테크놀로지 주식회사 | 하위 구성요소의 상태가 반영된 플랜트의 건강지수 측정방법 및 그 방법을 수행하기 위한 프로그램이 저장된 컴퓨터 판독 가능한 저장매체 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI463334B (zh) * | 2012-07-20 | 2014-12-01 | Univ Nat Cheng Kung | 標的裝置的基底預測保養方法與其電腦程式產品 |
| KR101683262B1 (ko) * | 2014-12-31 | 2016-12-21 | 주식회사 효성 | 전력 설비 관리 시스템 및 방법 |
| KR102040179B1 (ko) * | 2017-12-29 | 2019-11-05 | 주식회사 비스텔 | 제조 설비의 이상 감지 및 진단 방법 |
| KR102536984B1 (ko) * | 2020-05-01 | 2023-05-25 | 주식회사 에이티지 | 발전설비용 정비전략수립을 위한 의사결정 방법 및 시스템 |
| KR102550013B1 (ko) * | 2020-10-28 | 2023-07-03 | 한국전력공사 | 비용효과를 포함한 소급적 신뢰도 중심 정비 시스템 및 방법 |
-
2022
- 2022-08-19 KR KR1020220104018A patent/KR20240025865A/ko unknown
-
2023
- 2023-07-14 WO PCT/KR2023/010085 patent/WO2024039076A1/ko unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101325638B1 (ko) | 2011-09-09 | 2013-11-07 | 비앤에프테크놀로지 주식회사 | 하위 구성요소의 상태가 반영된 플랜트의 건강지수 측정방법 및 그 방법을 수행하기 위한 프로그램이 저장된 컴퓨터 판독 가능한 저장매체 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2024039076A1 (ko) | 2024-02-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Besnard et al. | Reliability-Centred Asset Maintenance—A step towards enhanced reliability, availability, and profitability of wind power plants | |
| RU2389117C2 (ru) | Система и способ централизованного мониторинга и управления режимом работы силовых трансформаторов, установленных на разных подстанциях и в центрах мониторинга | |
| CA2927545C (en) | Integrated transformer health monitoring architecture | |
| US7895016B2 (en) | System and method for wind turbine health management | |
| US20090312880A1 (en) | System and method for monitoring and controlling the operational condition of a power transformer | |
| KR101683256B1 (ko) | 전력 설비 자산 관리 시스템 및 방법 | |
| Tracht et al. | Failure probability prediction based on condition monitoring data of wind energy systems for spare parts supply | |
| US20130041783A1 (en) | System and method for dynamic spare part management | |
| JP2006252311A (ja) | 設備保全計画支援システムおよびその支援方法 | |
| KR20110034508A (ko) | 신뢰도 기반 배전기자재 유지보수 시스템과 방법 | |
| CN114063582B (zh) | 用于监控产品测试过程的方法和装置 | |
| Shafiee et al. | A multi-criteria decision model to mitigate the operational risks of offshore wind infrastructures | |
| KR102603556B1 (ko) | 비용효과를 포함한 소급적 신뢰도 중심 정비 시스템 및 방법 | |
| KR20240025865A (ko) | 설비자산의 상태평가를 위한 지능형 건전성 지수 산출 시스템 및 방법 | |
| Bangalore | Load and risk based maintenance management of wind turbines | |
| TW202409768A (zh) | 用於計算設備資產狀態評價智慧化健康指數的系統及方法 | |
| CN114091811A (zh) | 一种核电厂循环水泵维修决策系统及设计方法 | |
| CN112926756A (zh) | 一种中央空调设备ai维修知识库应用方法 | |
| Golestani et al. | Interdependency of human factors and turbine state in offshore wind farm operations | |
| CN117391459B (zh) | 基于深度学习的电力运行风险预警方法及系统 | |
| Nwadinobi et al. | Development of Simulation for Condition Monitoring and Evaluation of Manufacturing Systems | |
| JP2023012668A (ja) | 故障予測装置、故障予測方法、及びプログラム | |
| CN117808456A (zh) | 一种基于智慧运营管理的设备故障预警方法及装置 | |
| CN117150032A (zh) | 一种水电站发电机组的智能维护系统及方法 | |
| Singh et al. | Advanced Maintenance and Reliability |