KR102212022B1

KR102212022B1 - 양수 수차의 건전성 자동 판정 방법 및 이를 위한 시스템

Info

Publication number: KR102212022B1
Application number: KR1020200019949A
Authority: KR
Inventors: 손훈; 이준; 김동건
Original assignee: 한국과학기술원; 한국수력원자력 주식회사
Priority date: 2020-02-18
Filing date: 2020-02-18
Publication date: 2021-02-05

Abstract

양수 수차의 건전성 자동 판정 방법 및 이를 위한 시스템이 개시된다. 양수 수차에 관한 건전성을 모니터링하기 위한 다수의 센서들이 계측한 데이터를 컴퓨팅 장치에서 프로그램을 실행하여 처리하는 것에 의해 양수 수차의 건전성을 자동으로 평가할 수 있다. 그 프로그램은 건전성 자동 판정 모델부와 건전성 판정부를 포함한다. 건전성 자동 판정 모델부는, 다중 상태 분류 알고리즘에 따라, 데이터 저장소로부터 읽어온 계측 데이터를 전처리를 통해 정규화하여 복수의 인공신경망 모델에 입력하고, 각 인공신경망 모델에서 그 입력된 계측 데이터를 이용하여 별도의 독립적인 절차로 건전성 평가를 위한 분석을 수행한다. 건전성 판정부는 복수의 인공신경망 모델이 분석하여 도출한 별도의 건전성 평가 결과를 이용하여 다수결 원칙에 따라 양수 수차의 건전성 상태 판정을 최종적으로 결정한다. 그 프로그램은 양수 수차의 건전성 상태 판정의 결과를 전달받아 시스템 관리자가 파악할 수 있는 형태로 변환하여 그 시스템 관리자에게 제공하고, 도출한 최종 평가 결과가 이상상태로 판정 시 관리자에게 경보를 발하는 판정결과 통지부를 더 포함할 수 있다.

Description

양수 수차의 건전성 자동 판정 방법 및 이를 위한 시스템 {Method of automatically determining condition of hydro turbine in hydroelectric power plant and system for the same}

본 발명은 수력발전소 또는 양수 발전소 시설의 건전성 모니터링 기술 분야에 관한 것으로, 보다 상세하게는 발전소의 양수 수차의 건전성을 자동으로 판정할 수 있는 기술에 관한 것이다.

수력발전 시, 양수 수차는 그 내부에 물이 항상 존재하고 300 RPM의 일정한 속도로 회전하는 구조로 되어 있어, 양수 수차의 건전성 모니터링 센서가 해당 양수 수차에 직접 부착되기 어렵다. 이런 이유로 인해 모니터링 센서는 양수 수차의 외부에 부착되어 간접적인 계측을 한다. 그런데 양수 수차를 간접적으로 계측한 데이터를 단순 검토한 경우에는 양수 수차의 직접적인 특성파악이 어렵다.

수력발전소 내의 양수 수차의 건전성을 감시하기 위하여 여러 가지 센서들의 측정 데이터를 활용할 수 있다. 그런데 기존의 수력발전소 내의 양수 수차 건전성 모니터링 방식은 각각의 센서로부터 측정된 값을 각각 따로 단일 형태로 분석하여 상태를 진단하는 형태로 이용한다. 여러 센서들의 측정 데이터를 단일 형태로 분석하여 사용하는 기존 방식으로는 이상 상태의 통합적인 분석을 하기 어렵게 만든다. 각각의 센서로부터 측정된 데이터를 통합적으로 분석하여 신뢰도를 높여야 할 필요성이 제기된다.

기존에 알려진 양수발전 고장진단 시스템이 있으나, 그 시스템은 정상가동을 벗어난 설비의 이상만을 판단하는 경보시스템이다. 예컨대 기존에는 양수 수차에서 발생하는 주 이상 상태인 공동현상(Cavitation)에 대해서만 집중적인 연구가 이루어졌다. 그 시스템은 양수발전소의 양수 수차의 상태를 진단하고 수명을 예측하거나 또는 양수발전 시스템 전반에 대한 상태의 건전성을 진단하고 수명을 예측하는 것이 어려웠다.

양수 수차의 건전성은 구조물의 진동 패턴 분석을 통하여 평가될 수도 있다. 그 건전성 평가방법은 구조물의 단일 특성에 대해서만 평가하는 한계가 있다.

기존에 알려진 건전성 평가방법 중의 하나는 단일 센싱 데이터가 시스템에서 설정한 값 이상으로 변동 시 경보를 알려주는 방식이다. 이 평가 방법을 구현한 시스템은 오경보를 자주 발하였다.

양수발전설비의 중대 이상을 감지하고 고장을 미연에 방지하기 위해 통합분석을 활용한 실시간 자동 건전성 평가 시스템이 필요하다.

(1) 특허 등록번호: 10-1498527 (2015.02.26), 발명의 명칭: 진동 주파수 분석 프로그램에 의한 발전소 회전설비상태 진단 시스템 (2) 특허 등록번호: 10-1903283 (2018.09.20.), 발명의 명칭: 발전설비의 자동 진단 시스템 및 자동 진단 방법 (3) 특허 등록번호: 10-1307526 (2013.09.05.), 발명의 명칭: 실시간 진동 모니터링 장치

본 발명은 수력발전소 내의 양수 수차 모니터링 설계 및 설비 변경 없이 현재 사용 중인 정적 모니터링 시스템을 활용하여 정적 데이터 기반 양수 수차 건전성을 자동으로 판정할 수 있는 방법 및 시스템을 제공하기 위한 것이다.

본 발명은 양수 수차 발전에서 발생하는 모니터링 데이터를 통합적으로 분석하여 발전 설비의 건전성을 자동 판정할 수 있고, 추가적인 모니터링 센서와 시스템 적용 시 그에 맞도록 재구성할 수 있는 방법(알고리즘)을 제공하기 위한 것이다.

본 발명이 해결하고자 하는 과제는 상술한 과제들에 한정되는 것이 아니며, 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위에서 다양하게 확장될 수 있을 것이다.

상기 본 발명의 일 목적을 실현하기 위한 실시예들에 따른 양수 수차의 건전성을 자동으로 판정하기 위한 방법은 컴퓨터 장치에서 실행되는 컴퓨터 프로그램을 이용하여 양수 수차의 건전성을 자동으로 판정하기 위한 방법이다. 상기 방법은 양수 수차에 관한 건전성을 모니터링하기 위한 다수의 센서들이 계측한 데이터가 저장된 모니터링 데이터 저장소로부터 계측 데이터를 읽어와서 건전성 자동 판정 모델부에 입력하는 단계; 상기 건전성 자동 판정 모델부에서, 상기 계측 데이터를 전처리하여 정규화된 계측 데이터를 얻는 단계; 상기 정규화된 계측 데이터를 복수의 인공신경망 모델에 각각 입력하여 다중 상태 분류 알고리즘에 따라 각 인공신경망 모델에서 건전성 평가를 위한 분석을 별도의 독립적인 절차로 수행하는 단계; 그리고 건전성 판정부에서, 상기 복수의 인공신경망 모델이 분석하여 도출한 별도의 건전성 평가 결과를 이용하여 다수결 원칙에 따라 양수 수차의 건전성 상태 판정을 최종적으로 결정하는 단계를 포함한다.

예시적인 실시예들에 있어서, 상기 계측 데이터는 터빈, 발전기 및 터빈-발전기 중심축에 관한 온도 데이터, 변위 데이터, 속도 데이터를 포함할 수 있다.

예시적인 실시예들에 있어서, 상기 방법은 상기 건전성 자동 판정 모델부에서, 상기 전처리 단계 이전에, 센서별로 분류된 각 계측 데이터별로 시계열 데이터로 계측 빈도가 일정한지를 검토하여, 만일 일정하지 않을 경우 이전 데이터를 기반으로 선형 보간을 수행하여 각 데이터별로 계측 빈도를 일정하게 만드는 단계를 더 포함할 수 있다.

예시적인 실시예들에 있어서, 상기 정규화된 계측 데이터를 얻는 단계는, 입력받은 계측 데이터를 센서별로 분류하는 단계; 양수 수차의 상태 정보 이외에 외기에 의해 변화한 온도, 습도 및 진동에 의한 노이즈를 제거하는 단계; 그리고 해당 데이터 이전의 소정 기간 동안의 데이터를 활용하여 데이터 정규화를 수행하는 단계를 포함할 수 있다.

예시적인 실시예들에 있어서, 상기 다중 상태 분류 알고리즘이 사용하는 상기 복수의 인공신경망 모델은 다층 퍼셉트론 기반 모델(Multi-Layer Perceptron Model: MLP 모델), 1차원 합성곱 신경망 기반 모델(1 Dimensional Convolutional Neural Networks: 1D-CNN 모델), 그리고 순환 신경망 장단기 기억 기반 모델(Recurrent Neural Networks-Long Short-Term Memory: RNN-LSTM 모델을 포함할 수 있다.

예시적인 실시예들에 있어서, 상기 방법은 상기 건전성 판정부가 상기 건전성 자동 판정 모델부에서 도출한 최종 평가 결과를 동일시점의 모니터링데이터와 함께 데이터 저장소에 저장하는 단계를 더 포함할 수 있다.

예시적인 실시예들에 있어서, 상기 방법은 상기 건전성 판정부에서 도출한 최종 평가 결과가 이상상태로 판정 시 관리자에게 경보를 발하는 단계를 더 포함할 수 있다.

한편, 본 발명의 상기 목적을 실현하기 위한 실시예들에 따른 양수 수차의 건전성을 자동으로 판정하기 위한 시스템은, 양수 수차의 건전성에 관련된 요소들을 실시간 계측하는 것에 의해 계측 데이터를 생성하는 다수의 센서들을 포함하는 모니터링 센서부; 상기 모니터링 센서부에서 생성되는 상기 계측 데이터를 제공받아 저장하는 데이터 저장소; 그리고 프로그램의 실행을 통해 상기 계측 데이터를 처리하여 상기 양수 수차의 건전성을 평가하도록 구성된 컴퓨팅 장치를 포함할 수 있다. 상기 프로그램은, 다중 상태 분류 알고리즘에 따라, 상기 데이터 저장소로부터 읽어온 상기 계측 데이터를 전처리를 통해 정규화하여 복수의 인공신경망 모델에 입력하고, 각 인공신경망 모델에서 그 입력된 계측 데이터를 이용하여 별도의 독립적인 절차로 건전성 평가를 위한 분석을 수행하는 기능을 포함하는 건전성 자동 판정 모델부; 그리고 상기 복수의 인공신경망 모델이 분석하여 도출한 별도의 건전성 평가 결과를 이용하여 다수결 원칙에 따라 양수 수차의 건전성 상태 판정을 최종적으로 결정하는 기능을 포함하는 건전성 판정부를 포함할 수 있다.

예시적인 실시예들에 있어서, 상기 프로그램은 상기 건전성 판정부가 도출한 상기 양수 수차의 건전성 상태 판정의 결과를 전달받아 시스템 관리자가 파악할 수 있는 형태로 변환하여 그 시스템 관리자에게 제공하는 기능과, 도출한 최종 평가 결과가 이상상태로 판정 시 관리자에게 경보를 발하는 기능을 포함하는 판정결과 통지부를 더 포함할 수 있다.

예시적인 실시예들에 있어서, 상기 건전성 자동 판정 모델부는, 센서별로 분류된 각 계측 데이터별로 시계열 데이터로 계측 빈도가 일정한지를 검토하여, 만일 일정하지 않을 경우 이전 데이터를 기반으로 선형 보간을 수행하여 각 데이터별로 계측 빈도를 일정하게 만드는 기능을 더 포함할 수 있다.

예시적인 실시예들에 있어서, 상기 건전성 자동 판정 모델부는, 상기 데이터 저장소로부터 읽어온 계측 데이터를 센서별로 분류하는 기능, 양수 수차의 상태 정보 이외에 외기에 의해 변화한 온도, 습도 및 진동에 의한 노이즈를 제거하는 기능; 그리고 해당 데이터 이전의 소정 기간 동안의 데이터를 활용하여 데이터 정규화를 수행하는 기능을 더 포함할 수 있다.

예시적인 실시예들에 있어서, 상기 다중 상태 분류 알고리즘이 사용하는 상기 복수의 인공신경망 모델은 MLP 모델, 1D-CNN 모델, 그리고 RNN-LSTM 모델을 포함할 수 있다.

예시적인 실시예들에 있어서, 상기 건전성 판정부는 상기 건전성 자동 판정 모델부에서 도출한 최종 평가 결과를 동일시점의 모니터링데이터와 함께 상기 데이터 저장소에 저장하는 기능을 더 포함할 수 있다.

본 발명의 예시적인 실시예들에 따르면, 기존 양수 수차에 설치된 정적 모니터링 시스템에서 계측된 모니터링 데이터를 건전성 평가에 활용할 수 있다. 따라서 별도의 추가적인 동적 모니터링 시스템의 설치가 필요하지 않으므로, 본 발명은 기존의 발전 설비 모니터링 시스템에 적용하는 데 특별한 곤란성이 없다.

구조물의 진동 패턴 분석을 통하여 양수 수차 건전성 평가방법의 경우, 구조물의 단일 특성에 대해서만 평가되는 문제가 있으나, 본 발명은 온도, 변위, 속도 등 구조물의 전체 거동에 대한 센싱 데이터를 활용하여 양수 수차의 외부요인에 의해 발생한 이상 상태에 대해서도 판정할 수 있다.

기존의 건전성 평가방법은 단일 센싱 데이터 값이 시스템에서 설정한 값 이상으로 변동하는 경우 이상 상태로 판단하여 경보를 알려주었는데, 종합적이지 못한 판단에 따른 오경보가 자주 발생하는 문제가 있었다. 그러나 본 발명은 여러 가지 센서들로부터 획득한 센싱 데이터들을 통합적으로 검토하여 종합적인 판단을 하기 때문에 오판을 할 확률이 매우 낮아 구조물의 효율적인 안전관리를 할 수 있도록 지원할 수 있다.

도 1은 본 발명의 예시적인 실시예에 따른 수력발전소의 양수 수차 건전성 모니터링 장치의 구성을 나타낸 블록도이다.
도 2는 본 발명의 예시적인 실시예에 따른 수력발전소의 양수 수차 건전성 자동 판정 방법의 실행 과정을 나타낸 흐름도이다.
도 3은 본 발명의 예시적인 실시예에 따른 MLP 모델을 이용한 양수 수차의 건전성 평가 방법을 개략적으로 도시한다.
도 4는 본 발명의 예시적인 실시예에 따른 1D-CNN 모델을 이용한 건전성 평가 방법을 개략적으로 도시한다.
도 5는 본 발명의 예시적인 실시예에 따른 RNN-LSTM 모델을 이용한 건전성 평가 방법을 개략적으로 도시한다.

이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.

본문에 개시되어 있는 본 발명의 실시예들에 대해서, 특정한 구조적 내지 기능적 설명들은 단지 본 발명의 실시예를 설명하기 위한 목적으로 예시된 것이다. 본 발명의 실시예들은 다양한 형태로 실시될 수 있으며, 본문에 설명된 실시예들에 한정되는 것으로 해석되어서는 안 된다. 즉, 본 발명은 다양한 변경을 가할 수 있고, 여러 가지 형태를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

도 1의 블록도는 본 발명의 예시적인 실시예에 따른 수력발전소의 양수 수차 건전성 모니터링 장치(100)의 구성을 나타낸다.

도 1을 참조하면, 양수 수차 건전성 모니터링 장치(100)는 모니터링 센서부(20), 모니터링 데이터 저장소(40), 컴퓨팅 장치(60)를 포함할 수 있다.

모니터링 센서부(20)는 다수의 센서들을 포함할 수 있다. 이들 다수의 센서들은 현재 수력 발전소 또는 양수 발전소 내의 발전기와 수차 등을 구성하는 주요 구성부들에 대하여 건전성 모니터링을 위하여 설치되어 있다. 모니터링 센서들은 모니터링 대상물들 즉, 양수 발전 수차(10)의 여러 가지 모니터링 요소들의 동작이나 상태 등을 실시간으로 계측하거나 주기적으로 또는 필요한 때에 계측할 수 있다. 센서들이 계측한 데이터는 모니터링 데이터 저장소(40)에 제공할 수 있다.

모니터링 데이터 저장소(40)는 모니터링 센서부(20)에서 생성되는 다양한 계측 데이터를 제공받아 저장할 수 있다. 이 모니터링 데이터 저장소(40)는 컴퓨팅 장치(60) 또는 별도의 데이터 관리 서버 장치에 의해 관리될 수 있다.

예시적인 실시예에서, 컴퓨팅 장치(60)는 프로그램의 실행을 통해 데이터를 처리하여 원하는 결과를 산출하는 데 필요한 범용 컴퓨터의 하드웨어와 후술하는 소프트웨어를 포함할 수 있다. 그 소프트웨어는 수력 또는 양수 발전소의 양수 수차 건전성 자동 판정 알고리즘에 기반하여 구현된 건전성 자동 판정 모델부(70)를 포함할 수 있다. 그 건전성 자동 판정 모델부(70)는 양수수차 상태 판정의 신뢰성 향상을 위해 모니터링 데이터 기반 다중 상태 분류 알고리즘을 적용한 복수의 모델을 포함할 수 있다. 예시적인 실시예에서, 건전성 자동 판정 모델부(70)는 예컨대 Multi Layer Perceptron 모델(72), 1D CNN - Overall Structure 모델(74), 그리고 Long-Short Term Memory 모델(76)의 세 가지 모델을 포함할 수 있다. 이 세 가지 모델 각각은 본 발명에서 제안한 양수 수차 건전성 자동 판정 알고리즘을 적용하여 모니터링 데이터 저장소(40)로부터 제공되는 모니터링 데이터를 처리하고 양수 수차 등의 건전성 평가를 실시할 수 있다.

컴퓨팅 장치(60)에 설치되는 소프트웨어는 건전성 판정부(80)와 판정결과 통지부(90)를 포함할 수 있다. 건전성 판정부(80)는 건전성 자동 판정 모델부(70)의 3가지 모델(72, 74, 76)의 분류 알고리즘의 결과를 이용하여 다수결에 따라 양수 발전 수차의 상태에 관한 최종 판정을 내릴 수 있다.

판정결과 통지부(90)는 건전성 판정부(80)가 도출한 상태 판정 결과를 전달받아 시스템 관리자가 파악할 수 있는 형태로 변환하여 그 시스템 관리자에게 제공할 수 있다. 그 판정 결과가 비정상 상태로 판정되는 경우, 모니터링 시스템(100)에 해당 시점에 대해 저장하고, 해당 비정상 상태에 대한 신속한 조치를 취할 수 있도록 그 판정 결과를 관리자에게 경보 형태로 통지할 수 있다.

이와 같은 실시예에 따른 수력발전소 내의 양수 수차 건전성 자동 판정 시스템(100)에 의하면, 수력발전소의 양수 수차(10)의 운전 중에 계측되는 실시간 정적 모니터링 데이터를 수집하여 데이터베이스에 저장하고, 그 저장된 정보를 가공하여 양수 수차(10)의 상태를 자동으로 판정할 수 있다. 그리고 양수 수차(10)에 이상 상태 발생 시 경보를 자동으로 발생함으로써, 양수 수차(10)의 무리한 부하운전을 최소화하고, 구조물 이상상태를 명확히 판단할 수 있다.

도 2의 흐름도는 이러한 처리를 수행하기 위한 예시적인 실시예에 따른 수력발전소의 양수 수차 건전성 자동 판정 방법의 실행 과정을 나타낸다.

도 2를 참조하면, 수력발전소의 양수 수차 건전성 자동 판정 방법에서 감지 데이터 처리 및 저장 관리하는 절차가 도시되어 있다. 이하에서 설명하는 과정은 모니터링 센서부(20)가 생성한 모니터링 데이터가 모니터링 데이터 저장소(40)에서 건전성 자동 판정 모델부(70)로 입력될 때 자동으로 실시될 수 있다.

먼저, 건전성 자동 판정 모델부(70)는 모니터링 센서부(20)의 센서들에 의해 생성되어 모니터링 데이터 저장소(40)에 저장되어 있는 계측 데이터를 전달받으면 그 계측 데이터를 확인하고 센서별로 분류한다(S10). 예시적인 실시예에서, 양수 수차(10)에서 계측하는 데이터는 아래 표 1에 정리된 것처럼 터빈, 발전기 및 터빈-발전기 중심축에 관해 총 59개의 데이터를 활용할 수 있다. 예컨대 계측 데이터 종류는 44개의 온도데이터, 9개의 변위데이터, 6개의 속도데이터를 포함할 수 있다. 물론 모니터링 센서부(20)가 계측하는 데이터의 개수와 계측 항목이 이보다 더 많거나 적을 수도 있다. 종래에 사용하는 양수수차 모니터링 시스템과 다르게 전력에 관한 계측 데이터 없이 양수수차의 상태 건전성을 평가할 수 있는 점이 특징일 수 있다. 전력 데이터의 계측이 필요하지 않으므로, 센서의 종류를 줄일 수 있고 처리해야 하는 데이터 량도 줄어드는 이점이 있다.

	터빈	발전기	터빈 - 발전기 중심축
온도데이터	24	20
변위데이터	4	3	3
속도데이터	3 (베어링)	3 (베어링)

계측 데이터의 분류가 이루어지고 나면, 각 데이터별로 시계열 데이터로 계측 빈도가 일정한지를 검토한다(S12). 만일 일정하지 않을 경우, 이전 데이터를 기반으로 선형 보간을 수행하여 각 데이터별로 계측 빈도를 일정하게 만들 수 있다(S14).

동일한 계측빈도로 보간된 데이터는 양수 수차(10)의 상태 정보 이외에 외기에 의해 변화한 온도, 습도 및 진동 등에 의한 변화를 제거하기 위하여 전처리를 실시할 수 있다(S16). 전처리 단계에서는 먼저 데이터를 취합하여 잡음을 제거한다. 그리고 해당 데이터 이전의 10일간 데이터를 활용하여 데이터 정규화를 실시할 수 있다.

전처리를 통해 정규화된 데이터는 인공신경망 모델에 입력되어 분석을 위한 데이터 처리가 수행될 수 있다(S18). 예시적인 실시예에서, 양수 수차(10)의 상태 판정의 신뢰성 향상을 위해 모니터링 데이터기반 다중 상태 분류 알고리즘이 적용될 수 있다. 예시적으로, 다중 상태 분류 알고리즘에 사용된 인공신경망은 다층 퍼셉트론 기반 모델(Multi-Layer Perceptron Model: MLP 모델)(72), 1차원 합성곱 신경망 기반 모델(1 Dimensional Convolutional Neural Networks: 1D-CNN 모델)(74), 그리고 순환 신경망 장단기 기억 기반 모델(Recurrent Neural Networks-Long Short-Term Memory: RNN-LSTM 모델)(76) 이렇게 총 3개의 모델을 포함할 수 있다.

세 가지 건전성 평가 모델(72, 74, 76)은 각각 독립적으로 입력된 데이터를 분석하여 별도의 건전성 평가 결과를 도출할 수 있다. 다중 상태 분류 알고리즘은 세 개의 모델 각각에서 도출된 건전성 평가 결과를 이용하여 다수결 원칙에 따라 양수 수차의 건전성에 관한 상태 판정을 최종적으로 결정할 수 있다(S20). 즉, 3개의 건전성 평가 모델(72, 74, 76) 중에서 2개 이상의 모델이 이상이 발생한 것으로 평가하면, 양수 발전 수차(10)에 이상이 발생한 것으로 판정할 수 있다.

도 3은 MLP 모델(72)을 이용한 양수 수차의 건전성 평가 방법을 개략적으로 도시한다.

도 3을 참조하면, MLP 모델(72)은 데이터의 일반적인 특성을 파악하기 위하여 여러 개의 완전연결 계층을 활용한 은닉층을 적층하여 개발한 모델이다. MLP 모델(72)은 총 4개의 레이어로 구성되어 있다. 3개의 레이어에서는 완전연결신경망(fully connected)을 통해 데이터 차원을 줄이고, 배치별 정규화(Batch Normalization)를 적용한 다음, 특성 판별 알고리즘인 정류 선형 유닛(Rectified Linear Unit: ReLU)을 사용하여 데이터의 특징을 파악한다. MLP 모델(72)은 이런 과정을 통해 순차적으로 데이터의 차원을 줄여나가 상태를 판별하는 방식이다. 마지막 1개의 완전연결 신경망을 통하여 데이터의 최종 특징이 각 상태를 예측하는 확률로 출력된다. 해당 최종 출력값에서 가장 높은 확률을 나타내는 것으로 건전성을 평가할 수 있다. 완전연결 계층의 특성상 공간적 구조가 사라지는 문제점이 있으나, 여러 개의 계층을 적층시키므로써 이를 해소할 수 있다.

도 4는 1D-CNN 모델(74)을 이용한 건전성 평가 방법을 개략적으로 도시한다.

1D-CNN 기반 모델(74)은 데이터의 공간적 구조를 통해 데이터 특성을 파악할 수 있다. 데이터 내에 소집단을 형성하여 1차 처리하고 특성을 도출한다. 도 4를 참조하면, 1D-CNN 모델(74)은 총 5개의 레이어로 구성될 수 있다. 3개의 CNN 모듈에서는 데이터를 세분화하고, 세분화된 데이터들 간의 합성곱을 통해 데이터 특성을 파악할 수 있다. 이후, 데이터 형태 변환(Reshape)을 통하여 가공하기 쉽도록 형태 변경을 한 후, 완전연결신경망을 통하여 데이터의 최종 특징이 각 상태를 예측하는 확률로 도출되도록 할 수 있다. 해당 출력값에서 가장 높은 확률을 나타내는 것으로 건전성을 평가할 수 있다.

도 5는 RNN-LSTM 모델(76)을 이용한 건전성 평가 방법을 개략적으로 도시한다.

도 5를 참조하면, 양수 수차(10)에서 발생된 계측 데이터는 시계열 데이터로, 이전 데이터와의 연관성이 높다는 특징이 있다. 이를 활용하여 이전 데이터 특성을 기반으로 추가로 유입되는 데이터에 대해 특성을 도출할 수 있다. RNN-LSTM 모델(76)은 총 3가지의 레이어를 포함할 수 있다. 2개의 LSTM 모델을 통하여 데이터의 시계열에 대한 특성을 추출하고, 추출된 특성을 다음 시간의 데이터에 영향을 준다. 추출된 특성에 대하여 완전연결신경망을 통하여 데이터의 최종 특징이 각 상태를 예측하는 확률로 도출되도록 할 수 있다. 해당 출력값에서 가장 높은 확률을 나타내는 것으로 건전성을 평가할 수 있다.

건전성 판정부(80)는 위와 같은 세 가지 건전성 평가 모델(72, 74, 76)에서 분석한 평가 결과를 전달받아 양수 수차(10)의 건전성에 관한 이상 상태 여부를 판정할 수 있다. 구체적으로, 건전성 판정부(80)는 3개의 건전성 평가 모델(72, 74, 76)의 평가 결과를 통합적으로 고려하여 건전성 평가에 관한 최종 결과를 도출할 수 있다. MLP 모델(72), 1D-CNN 모델(74), RNN-LSTM 모델(76)의 세 모델에서 추출되는 특성이 전부 다르며, 이로 인해 최종 출력값이 모델 별로 전부 다를 수 있다. 이에 따라, 3가지 모델(72, 74, 76)에서 진단하는 건전도가 다를 수 있다.

건전성 판정부(80)는 건전성 평가 최종 결과를 다수결의 원칙에 따라 판정할 수 있다. 만일 이상상태로 판정한 모델이 2가지 이상일 경우, 해당 시점에서 양수 수차(10)의 상태를 이상 상태로 판정한다. 예를 들어, MLP 모델(72)과 1D-CNN 모델(74)에서는 정상상태로 판별하였으나, RNN-LSTM 모델(76)에서는 이상상태로 판별할 수 있다. 이 경우, 2개의 모델에서 정상상태로 판별하였으므로, 최종 평가 결과는 정상상태로 진단할 수 있다. 최종 평가 결과는 데이터 저장소(40)에 저장될 수 있다. 다만, 최종 평가 결과를 저장할 때, 최종 평가와 다른 평가 결과를 도출한 내역 즉, 위 예에서는 RNN-LSTM 모델(76)에서 이상 상태로 판별하였음을 기록해둘 수 있다.

이러한 세 가지 평가 모델을 이용하여 다수결 원칙에 따라 건전성을 평가하는 방법을 적용 시, 단일 모델 사용하여 건전성 평가하는 경우에 비하여 약 15%의 정확도가 높아짐(75% --> 90%)을 확인할 수 있었다.

건전성 판정부(80)는 건전성 판정 결과를 모니터링 데이터 저장소(40)에 저장하고, 이상상태로 판정 시 관리자에게 경보를 발할 수 있다. 즉, 이상 상태로 판정된 경우, 건전성 판정부(80)는 판정결과 통지부(90)에 그 판정 결과를 전달하여 관리자에게 해당 사실에 대해 경보를 발할 수 있도록 할 수 있다(S22).

또한, 건전성 판정부(80)는 양수 수차(10)의 도출된 상태 평가 결과에 대하여 동일시점의 모니터링데이터와 함께 모니터링 데이터 저장소(40)에 저장할 수 있다(S24). 만일, 3가지 모델에서 1가지만 이상상태로 판정된 경우, 해당 상태는 정상상태로 명시하되, 데이터 저장 시 해당 상태를 이상상태 의심으로 표기하여 저장할 수 있다. 정상상태로 판정된 경우, 추가적인 경보는 발하지 않는다.

이상에서 설명된 양수 수차 건전성 자동 판정 시스템(100)은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 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, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 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 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

본 발명은 양수 발전소의 양수 수차의 건전성을 실시간으로 모니터링 하는 데 이용될 수 있다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

10: 양수 발전 수차 20: 모니터링 센서부
40: 데이터 저장소 60: 컴퓨팅 장치
70: 건전성 자동 판정 모델부 80: 건전성 판정부
90: 판정 결과 통지부 100: 양수 수차 건전성 자동 판정 시스템

Claims

컴퓨터 장치에서 실행되는 컴퓨터 프로그램을 이용하여 양수 수차의 건전성을 자동으로 판정하기 위한 방법으로서,
양수 수차에 관한 건전성을 모니터링하기 위한 다수의 센서들이 계측한 데이터가 저장된 모니터링 데이터 저장소로부터 계측 데이터를 읽어와서 건전성 자동 판정 모델부에 입력하는 단계;
상기 건전성 자동 판정 모델부에서, 상기 계측 데이터를 전처리하여 정규화된 계측 데이터를 얻는 단계;
상기 정규화된 계측 데이터를 복수의 인공신경망 모델에 각각 입력하여 다중 상태 분류 알고리즘에 따라 각 인공신경망 모델에서 건전성 평가를 위한 분석을 별도의 독립적인 절차로 수행하는 단계; 그리고
건전성 판정부에서, 상기 복수의 인공신경망 모델이 분석하여 도출한 별도의 건전성 평가 결과를 이용하여 다수결 원칙에 따라 양수 수차의 건전성 상태 판정을 최종적으로 결정하는 단계를 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 방법.
제1항에 있어서, 상기 계측 데이터는 터빈, 발전기 및 터빈-발전기 중심축에 관한 온도 데이터, 변위 데이터, 속도 데이터를 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 방법.
제1항에 있어서, 상기 건전성 자동 판정 모델부에서, 상기 전처리 단계 이전에, 센서별로 분류된 각 계측 데이터별로 시계열 데이터로 계측 빈도가 일정한지를 검토하여, 만일 일정하지 않을 경우 이전 데이터를 기반으로 선형 보간을 수행하여 각 데이터별로 계측 빈도를 일정하게 만드는 단계를 더 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 방법.
제1항에 있어서, 상기 정규화된 계측 데이터를 얻는 단계는, 입력받은 계측 데이터를 센서별로 분류하는 단계; 양수 수차의 상태 정보 이외에 외기에 의해 변화한 온도, 습도 및 진동에 의한 노이즈를 제거하는 단계; 그리고 해당 데이터 이전의 소정 기간 동안의 데이터를 활용하여 데이터 정규화를 수행하는 단계를 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 방법.
제1항에 있어서, 상기 다중 상태 분류 알고리즘이 사용하는 상기 복수의 인공신경망 모델은 다층 퍼셉트론 기반 모델(Multi-Layer Perceptron Model: MLP 모델), 1차원 합성곱 신경망 기반 모델(1 Dimensional Convolutional Neural Networks: 1D-CNN 모델), 그리고 순환 신경망 장단기 기억 기반 모델(Recurrent Neural Networks-Long Short-Term Memory: RNN-LSTM 모델을 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 방법.
제1항에 있어서, 상기 건전성 판정부가 상기 건전성 자동 판정 모델부에서 도출한 최종 평가 결과를 동일시점의 모니터링데이터와 함께 데이터 저장소에 저장하는 단계를 더 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 방법.
제1항에 있어서, 상기 건전성 판정부에서 도출한 최종 평가 결과가 이상상태로 판정 시 관리자에게 경보를 발하는 단계를 더 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 방법.
양수 수차의 건전성에 관련된 요소들을 실시간 계측하는 것에 의해 계측 데이터를 생성하는 다수의 센서들을 포함하는 모니터링 센서부;
상기 모니터링 센서부에서 생성되는 상기 계측 데이터를 제공받아 저장하는 데이터 저장소; 그리고
프로그램의 실행을 통해 상기 계측 데이터를 처리하여 상기 양수 수차의 건전성을 평가하도록 구성된 컴퓨팅 장치를 구비하며,
상기 프로그램은, 다중 상태 분류 알고리즘에 따라,
상기 데이터 저장소로부터 읽어온 상기 계측 데이터를 전처리를 통해 정규화하여 복수의 인공신경망 모델에 입력하고, 각 인공신경망 모델에서 그 입력된 계측 데이터를 이용하여 별도의 독립적인 절차로 건전성 평가를 위한 분석을 수행하는 기능을 포함하는 건전성 자동 판정 모델부; 그리고 상기 복수의 인공신경망 모델이 분석하여 도출한 별도의 건전성 평가 결과를 이용하여 다수결 원칙에 따라 양수 수차의 건전성 상태 판정을 최종적으로 결정하는 기능을 포함하는 건전성 판정부를 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 시스템.
제8항에 있어서, 상기 프로그램은 상기 건전성 판정부가 도출한 상기 양수 수차의 건전성 상태 판정의 결과를 전달받아 시스템 관리자가 파악할 수 있는 형태로 변환하여 그 시스템 관리자에게 제공하는 기능과, 도출한 최종 평가 결과가 이상상태로 판정 시 관리자에게 경보를 발하는 기능을 포함하는 판정결과 통지부를 더 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 시스템.
제8항에 있어서, 상기 계측 데이터는 터빈, 발전기 및 터빈-발전기 중심축에 관한 온도 데이터, 변위 데이터, 속도 데이터를 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 시스템.
제8항에 있어서, 상기 건전성 자동 판정 모델부는, 센서별로 분류된 각 계측 데이터별로 시계열 데이터로 계측 빈도가 일정한지를 검토하여, 만일 일정하지 않을 경우 이전 데이터를 기반으로 선형 보간을 수행하여 각 데이터별로 계측 빈도를 일정하게 만드는 기능을 더 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 시스템.
제8항에 있어서, 상기 건전성 자동 판정 모델부는, 상기 데이터 저장소로부터 읽어온 계측 데이터를 센서별로 분류하는 기능, 양수 수차의 상태 정보 이외에 외기에 의해 변화한 온도, 습도 및 진동에 의한 노이즈를 제거하는 기능; 그리고 해당 데이터 이전의 소정 기간 동안의 데이터를 활용하여 데이터 정규화를 수행하는 기능을 더 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 시스템.
제8항에 있어서, 상기 다중 상태 분류 알고리즘이 사용하는 상기 복수의 인공신경망 모델은 다층 퍼셉트론 기반 모델(Multi-Layer Perceptron Model: MLP 모델), 1차원 합성곱 신경망 기반 모델(1 Dimensional Convolutional Neural Networks: 1D-CNN 모델), 그리고 순환 신경망 장단기 기억 기반 모델(Recurrent Neural Networks-Long Short-Term Memory: RNN-LSTM 모델을 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 시스템.
제8항에 있어서, 상기 건전성 판정부는 상기 건전성 자동 판정 모델부에서 도출한 최종 평가 결과를 동일시점의 모니터링데이터와 함께 상기 데이터 저장소에 저장하는 기능을 더 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 시스템.
제1항 내지 제7항 중 어느 한 항에 기재된 양수 수차의 건전성을 자동으로 판정하기 위한 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체.