KR102411915B1 - 시설 및 장비 실시간 모니터링 및 이상 징후 ai 진단 서비스 제공 시스템 및 방법 - Google Patents

시설 및 장비 실시간 모니터링 및 이상 징후 ai 진단 서비스 제공 시스템 및 방법 Download PDF

Info

Publication number
KR102411915B1
KR102411915B1 KR1020210011562A KR20210011562A KR102411915B1 KR 102411915 B1 KR102411915 B1 KR 102411915B1 KR 1020210011562 A KR1020210011562 A KR 1020210011562A KR 20210011562 A KR20210011562 A KR 20210011562A KR 102411915 B1 KR102411915 B1 KR 102411915B1
Authority
KR
South Korea
Prior art keywords
facility
data
anomaly
monitoring
related information
Prior art date
Application number
KR1020210011562A
Other languages
English (en)
Inventor
이순호
Original Assignee
달리웍스 주식회사
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 달리웍스 주식회사 filed Critical 달리웍스 주식회사
Priority to KR1020210011562A priority Critical patent/KR102411915B1/ko
Application granted granted Critical
Publication of KR102411915B1 publication Critical patent/KR102411915B1/ko

Links

Images

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
    • G05B23/0218—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
    • G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
    • 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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
    • 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
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

본 발명은 시설 및 장비 실시간 모니터링 및 이상 징후 AI 진단 서비스 제공 시스템 및 방법에 관한 것으로서, 시설 관련 정보에 기초하여 시설 현황을 모니터링하고 제어하는 기능을 수행하는 모니터링 및 제어부; 및 시설 관련 정보에 기초하여 시설의 이상 징후를 사전에 진단하고 예측하는 진단부를 포함하고, 상기 진단부는, 인공 지능에 기반하여 학습을 수행한 신경망 모델에 기반하여 시설 관련 정보에 기초하여 시설의 이상 징후를 판별하도록 동작하는 것을 특징으로 하는 시설 실시간 모니터링 및 이상 징후 진단 서비스 제공 시스템 및 이를 이용한 방법을 제공한다.

Description

시설 및 장비 실시간 모니터링 및 이상 징후 AI 진단 서비스 제공 시스템 및 방법{SYSTEM AND METHOD FOR FROVIDING REAL TIME MONITERING AND AI DIAGNOSING ABNORMALITY SIGN FOR FACILITIES AND EQUIPMENTS}
본 발명은, 시설 및 장비 실시간 모니터링 및 이상 징후 AI 진단 서비스 제공 시스템 및 방법에 관한 것이다.
태양광 발전 설비와 같은 시설에서 각종 사고로 인한 피해가 증가하고 있으나, 명확한 발생 원인 규명이 어렵고 사고 발생 위험도 증가에 따른 규제도 강화되고 있다.
이는 발전소 등과 같은 설비나 장비에 대한 이상 상태 감시에 대한 기술적 한계 문제와 사고 발생 예측을 위한 영향 인자가 많다는 점에 기인한다. 이로 인하여 규제에만 대응하는 시설을 구축하고 있는 실정이다.
한편, 2019년 기준 태양광 누적 보급용량은 약 8.1GW이며, 모듈 제조사가 보증하는 태양광 패널의 발전 보증은 10년에 약 90%를 보증하고 있다. 2020년 현재 10년 이상된 태양광용량은 약 500MW로 추산되며, 이와 더불어 설치위치에 따라 미스매치, 설계부등, 부품노후 등의 발전량 손실은 10%이상으로 예상되고 있다.
이와 같이, 태양광 발전 시설 등과 같은 시설에서 시설 및 장비와 관련된 다양한 정보를 수집 및 분석하여 문제 발생을 예측하고 이상 징후를 사전에 진달할 수 있는 시스템이 요망되고 있다.
또한, 태양광 발전소 등과 같은 시설에서는, 태양광 발전량 및 위험요소의 감지와 변화를 측정하는 것뿐 아니라, 그 변화를 추적하여 통합 감시/예측 모델을 제시함으로서 위험요소에 대한 개별적 상태 변화뿐만 아니라, 복합 재난 사고를 조기에 감지하고 이에 대한 대응을 할 필요가 있다.
특히, 인공 지능(AI) 기술을 활용하여 AI 기반 상황 예측 의사결정을 통한 시설 및 장비에 대한 실시간 모니터링 및 이상 징후 진단 서비스는 시설 관리와 경제적 비용 절감 및 신규시장을 창출할 수 있을 것으로 기대된다.
대한민국 공개특허공보 제10-2014-0112146호(2014.09.23 공개) 대한민국 공개특허공보 제10-2017-0125237호(2017.11.14 공개)
본 발명은, 상기와 같은 한계점을 감안하여 도출된 것으로서, 발전 설비 등과 같은 시설과 이러한 시설에 설치된 장비에 대한 실시간 모니터링 및 이상 징후 AI 진단 서비스 제공 시스템 및 방법을 제공하는 것을 목적으로 한다.
특히, 본 발명은, 지리 정보시스템을 기반으로 태양광 발전 설비의 위치, 발전(예측) 정보, 기상정보 등을 통하여 일관성 있고 효율적인 정보를 제공하는 것을 또 다른 목적으로 한다.
또한, 본 발명은, 태양광 설비와 같은 시설의 실시간 모니터링, 발전량 예측, 고장 진단, 경제성 분석 등을 포함하는 통합 운영 관리와 태양광 발전 데이터의 수집, 분석 등에 대한 분산처리를 위한 클라우드 기반 빅데이터 플랫폼을 제공하는 것을 또 다른 목적으로 한다.
또한, 본 발명은 실측 발전량과 추정 발전량의 오차, 시스템상의 특성 분석을 통한 발전량 오차 및 출력 이상을 판단할 수 있으며, 태양광 발전소의 출력 전압, 전류 등의 발전정보를 통해 출력 이상 및 ESS의 손상에 따른 고장 상태 진단을 수행할 수 있는 시스템 및 방법을 제공하는 것을 또 다른 목적으로 한다.
상기한 바와 같은 과제를 해결하기 위하여 본 발명은, 시설 및 장비 실시간 모니터링 및 이상 징후 AI 진단 서비스 제공 시스템으로서, 시설 관련 정보에 기초하여 시설 현황을 모니터링하고 제어하는 기능을 수행하는 모니터링 및 제어부; 및 시설 관련 정보에 기초하여 시설의 이상 징후를 사전에 진단하고 예측하는 진단부를 포함하고, 상기 진단부는, 인공 지능에 기반하여 학습을 수행한 신경망 모델에 기반하여 시설 관련 정보에 기초하여 시설의 이상 징후를 판별하도록 동작하는 것을 특징으로 하는 시스템을 제공한다.
여기에서, 상기 모니터링 및 제어부는, 시설의 전체적인 상태 현황을 모니터링하는 상태 현황 모니터링부; 실시간으로 전체적인 설비의 현황 및 PMS 제어를 수행하는 실시간 설비 현황 및 PMS 제어부; 설비 정보를 조회하고 제어할 수 있도록 하는 설비 정보 조회 및 제어부; 및 설비 운영과 관련된 운영 데이터의 트렌드를 조회할 수 있도록 하는 트렌드 조회부를 포함한다.
또한, 상기 진단부는, 입력되는 시설 관련 정보에 대한 전처리를 수행하여 이상 징후 판단 모델로 전달하는 전처리부; 머신 러닝에 기반하여 학습용 데이터에 대해 특징 벡터를 추출하고, 추출된 특징 벡터에 대한 파라미터와 가중치에 대한 오차가 최소화되도록 파라미터와 가중치를 조절함으로써 학습되며, 학습이 완료된 후 입력되는 검사용 데이터인 시설 관련 정보에 대해 이상 징후 판단 및 분류 결과를 출력하는 이상 징후 판단 모델; 및 검사용 데이터인 시설 관련 정보에 대해 이상 징후 판단 모델의 출력 결과에 기초하여 이상 징후 정보를 제공하는 알람부를 포함한다.
또한, 상기 전처리부는, 입력되는 시설 관련 정보에 대해 이상 징후 판단 모델에서 학습 및 분류에 사용할 수 있는 데이터로 변환 및 가공하고, 상기 시설 관련 정보는 이상 징후 판단 모델의 학습을 위한 학습 데이터이거나 이상 징후 판단 모델에서 이상 징후 여부 및 분류의 판단이 되는 검사 데이터일 수 있다.
또한, 상기 전처리부는, 누락 데이터, 중복 데이터를 처리하고, 아웃라이어(Outlier) 처리를 수행하여, 통상적인 발생 범위를 벗어나는 데이터를 찾아 처리하고, 시간 간격 처리를 통해, 동일 분석에 사용되는 변수들을 대상으로 시간 간격을 동일하게 하며, 주기가 일정하지 않은 데이터 수집시 평균, 선형보간법, 운영 주기 분리를 통해 주기를 일정하게 처리할 수 있다.
본 발명에 의하면, 발전 설비 등과 같은 시설과 이러한 시설에 설치되는 장비에 대한 실시간 모니터링 및 이상 징후 AI 진단 서비스 제공 시스템 및 방법을 제공할 수 있다.
또한, 본 발명은, 지리 정보시스템을 기반으로 태양광 발전 설비의 위치, 발전(예측) 정보, 기상정보 등을 통하여 일관성 있고 효율적인 정보를 제공할 수 있다.
또한, 본 발명은, 태양광 설비와 같은 시설의 실시간 모니터링, 발전량 예측, 고장 진단, 경제성 분석 등을 포함하는 통합 운영 관리와 태양광 발전 데이터의 수집, 분석 등에 대한 분산처리를 위한 클라우드 기반 빅데이터 플랫폼을 제공할 수 있다.
또한, 본 발명은 실측 발전량과 추정 발전량의 오차, 시스템상의 특성 분석을 통한 발전량 오차 및 출력 이상을 판단할 수 있으며, 태양광 발전소의 출력 전압, 전류 등의 발전정보를 통해 출력 이상 및 ESS의 손상에 따른 고장 상태 진단을 수행할 수 있는 시스템을 제공할 수 있다.
도 1은, 본 발명에 의한 시설 및 장비 실시간 모니터링 및 이상 징후 AI 진단 서비스 제공 시스템(100)의 전체적인 구성을 나타낸 도면이다.
도 2는 모니터링 및 제어부(10)의 구성을 나타낸 도면이다.
도 3 및 도 4는 상태 현황 모니터링부(11)에 의해 제공되는 모니터링 상태를 나타낸 화면이다.
도 5는 실시간 설비 현황 및 PMS 제어부(12)에 의해 제공되는 화면을 나타낸 것이다.
도 6은 설비 정보 조회 및 제어부(13)에 의해 제공되는 화면의 일예를 나타낸 것이다.
도 7은 설비 정보 조회 및 제어부(13)에 의해 제공되는 일/월/연별 누적량 통계 및 예상 수익 분석 화면의 일예를 나타낸 것이다.
도 8은 트렌드 조회부(14)에 의해 제공되는 설비 운영 데이터의 트렌드를 기간별로 제공한 화면의 일예를 나타낸 것이다.
도 9는 진단부(20)의 구성을 나타낸 도면이다.
도 10은 다변량 기준 통일 과정의 일예를 나타낸 것이다.
도 11은 Outlier Detection을 통한 정상 데이터를 정의하는 과정의 일예를 나타낸 것이다.
도 12는 이상 징후 판단을 위한 데이터 모델 및 데이터 분석 모형의 일예를 나타낸 것이다.
도 13은 이상 징후 판단 모델(22)의 학습 과정과 이를 통한 이상 징후 판단 예측 모델의 일예를 나타낸 것이다.
도 14는 클라우드 플랫폼으로 구현된 시스템(100)의 일예를 나타낸 것이다.
도 15 및 도 16은 발전량 예측 모델을 설명하기 위한 도면이다.
이하에서, 본 발명에 의한 실시예를 도면을 참조하여 상세하게 설명하기로 한다.
도 1은, 본 발명에 의한 시설 및 장비 실시간 모니터링 및 이상 징후 AI 진단 서비스 제공 시스템(100)의 전체적인 구성을 나타낸 도면이다.
도 1을 참조하면, 시설 및 장비 실시간 모니터링 및 이상 징후 AI 진단 서비스 제공 시스템(100, 이하, 간단히 "시스템(100)"이라 한다)은, 모니터링 및 제어부(10) 및 진단부(20)를 포함한다.
모니터링 및 제어부(10)는 시설 관련 정보에 기초하여 시설 현황을 모니터링하고 제어하는 기능을 수행하는 수단이다.
여기에서, 시설 관련 정보는, 예컨대 시설이 태양광 발전 시설인 경우, 태양광 발전 설비와 설비에서 사용되는 각종 장비와 관련된 데이터로서, 발전량, AC전압, 유효전력, 무효전력, 역률, 전력량, 온습도, 배터리 데이터(SOC, 셀최고 최저 전압, 온도), PCS 데이터(전압, 전류, 유효전력, 역률, 주파수 온도) 등을 포함할 수 있다. 이러한 정보 중 일부 데이터들은 IoT 센서 등에 의해 획득될 수 있다.
도 2는 모니터링 및 제어부(10)의 구성을 나타낸 도면이다.
도 2를 참조하면, 모니터링 및 제어부(10)는, 상태 현황 모니터링부(11), 실시간 설비 현황 및 PMS 제어부(12), 설비 정보 조회 및 제어부(13) 및 트렌드 조회부(14)를 포함한다.
상태 현황 모니터링부(11)는 시설의 전체적인 상태 현황을 모니터링하는 수단이다.
상태 현황 모니터링부(11)는 예컨대 태양광 발전소 전체에 대한 통합 상태 현황과 개별 발전소의 상태 현황을 모니터링할 수 있다.
도 3 및 도 4는 상태 현황 모니터링부(11)에 의해 제공되는 모니터링 상태를 나타낸 화면이다.
도 3 및 도 4에 나타낸 바와 같이, 전체 관리 발전소 및 개별 발전소에 대한 전체적인 상태 현황을 제공함으로써, 이들에 대한 모니터링을 가능하게 한다.
실시간 설비 현황 및 PMS 제어부(12)는, 실시간으로 전체적인 설비의 현황 및 PMS 제어를 수행하는 수단이다.
도 5는 실시간 설비 현황 및 PMS 제어부(12)에 의해 제공되는 화면을 나타낸 것이다.
도 5에 나타낸 바와 같이, 실시간 설비 현황 및 PMS 제어부(12)는, 실시간으로 설비 현황을 제공해주고, ESS 제어의 운전모드를 선택할 수 있으며, PMS 제어의 제어 모드를 수동/자동으로 선택할 수 있도록 한다.
설비 정보 조회 및 제어부(13)는 설비 정보를 조회하고 제어할 수 있도록 하는 수단이다.
도 6은 설비 정보 조회 및 제어부(13)에 의해 제공되는 화면의 일예를 나타낸 것이다.
도 6에 나타낸 바와 같이, PV 인버터, ESS 배터리, PCS 정보 등과 같은 설비 정보를 조회하고 이들에 대한 제어 모드를 선택할 수 있도록 한다.
또한, 알람 히스토리를 조회할 수 있으며, 일/월/연별 누적량 통계 및 예상 수익 분석을 제공한다.
도 7은 설비 정보 조회 및 제어부(13)에 의해 제공되는 일/월/연별 누적량 통계 및 예상 수익 분석 화면의 일예를 나타낸 것이다.
트렌드 조회부(14)는 설비 운영과 관련된 운영 데이터의 트렌드를 조회할 수 있도록 하는 수단이다.
도 8은 트렌드 조회부(14)에 의해 제공되는 설비 운영 데이터의 트렌드를 기간별로 제공한 화면의 일예를 나타낸 것이다.
다음으로, 진단부(20)에 대해 설명한다.
도 9는 진단부(20)의 구성을 나타낸 도면이다.
진단부(20)는 시설 관련 정보에 기초하여 시설의 이상 징후를 사전에 진단하고 예측하는 수단으로서, 인공 지능에 기반하여 학습을 수행한 신경망 모델에 기반하여 시설 관련 정보에 기초하여 시설의 이상 징후를 판별하도록 동작한다.
도 9에 나타낸 바와 같이, 진단부(20)는, 전처리부(21), 이상 징후 판단 모델(22) 및 알람부(23)를 포함한다.
전처리부(21)는, 입력되는 시설 관련 정보에 대한 전처리를 수행하여 이상 징후 판단 모델(22)로 전달하는 수단이다.
여기에서, 전처리란, 입력되는 시설 관련 정보에 대해 파싱 등의 처리를 통해 이상 징후 판단 모델(22)에서 학습 및 분류에 사용할 수 있는 데이터로 변환 및 가공하는 절차를 말한다.
여기에서, 시설 관련 정보는 이상 징후 판단 모델(22)의 학습을 위한 학습 데이터이거나 이상 징후 판단 모델(22)에서 이상 징후 여부 및 분류의 판단이 되는 검사 데이터일 수 있다.
한편, 전술한 바와 같이, 시설 관련 정보는, 예컨대 시설이 태양광 발전 시설인 경우, 태양광 발전 설비 관련 데이터로서, 발전량, AC전압, 유효전력, 무효전력, 역률, 전력량, 온습도, 배터리 데이터(SOC, 셀최고 최저 전압, 온도), PCS 데이터(전압, 전류, 유효전력, 역률, 주파수 온도) 등을 포함할 수 있으며, 전처리부(21)는 이러한 데이터들을 적절히 변환 및 가공하여 이상 징후 판단 모델(22)로 입력시킨다.
전처리부(21)는, 기초 전처리 가공 과정으로서, Missing Data, Duplicate Data를 처리할 수 있다. 또한, Outlier 처리를 수행하여, 통상 발생 범위를 벗어나는 데이터를 찾아내어 처리할 수 있다.
또한, 시간 간격 처리를 통해, 동일 분석에 사용되는 변수들을 대상으로 시간 간격을 동일화할 수 있다.
또한, 전처리부(21)는, 경고 알람 데이터를 가공할 수 있다. 정상 상태임에도 너무나 빈번하게 발생하는 알람 데이터 선별 처리하거나, 비지도 AI 분석을 적용하여 경고 알람 데이터를 그룹화한 후 중요도가 낮은 알람 데이터를 Outlier 처리할 수 있다.
또한, 전처리부(21)는, 진단 및 예측 모델 학습용 데이터를 가공하는데, 다변량 기준 통일을 수행하여, 주기가 일정하지 않은 데이터들을 수집 시 평균, 선형보간법, 운영 Cycle 분리로 주기를 일정하게 처리하여, 다변량 분석이 가능하게 하는 것이 바람직하다.
도 10은 다변량 기준 통일 과정의 일예를 나타낸 것이다.
또한, 전처리부(21)는, 비지도 학습을 전제하여 Outlier Detection을 통한 최소한의 정상 데이터를 정의할 수 있다. 다변량이면서 임계치를 인위적으로 설정하지 않기 때문에 정상/비정상 구분에 따른 학습이 불가능하여 Outlier Detection 라벨링을 적용한다.
도 11은 Outlier Detection을 통한 정상 데이터를 정의하는 과정의 일예를 나타낸 것이다.
한편, 이상 징후 판단 모델(22)은, 전처리부(21)에서 전처리된 학습용 데이터인 시설 관련 정보에 의해 머신 러닝에 기반한 학습을 수행하고, 전처리부(21)에서 전달되는 검사용 데이터인 시설 관련 정보에 기초하여 이상 징후를 판단하여 이상 징후 여부 및 분류 결과를 제공하는 수단이다.
이를 위해서는, 이상 징후 판단을 위한 데이터 모델 및 데이터 분석 모형을 미리 설계할 필요가 있다.
도 12는 이상 징후 판단을 위한 데이터 모델 및 데이터 분석 모형의 일예를 나타낸 것이다.
이상 징후 판단 모델(22)은, 머신 러닝에 기반하여 학습용 데이터에 대해 특징 벡터를 추출하고, 추출된 특징 벡터에 대한 파라미터와 가중치에 대한 오차가 최소화되도록 파라미터와 가중치를 조절함으로써 학습될 수 있다.
이러한 이상 징후 판단 모델(22)로는, 머신 러닝 모형으로서, 인공 신경망에 기반한 CNN, RNN, AE 등을 사용할 수 있다.
여기에서, 데이터 전처리 모형으로 데이터 정제, 데이터 변환, 부분집합, 필터, 집계, 정렬, 결합, 샘플링 등을 지원할 수 있다.
또한, 통계 분석 모형을 사용하여, 상관분석, 회귀분석, 시계열분석 등을 지원할 수도 있다.
또한, LSTM(Long Short-Term Memory) 기법을 통한 모델을 사용할 수도 있다.
이상 징후 판단 모델(22)은, 수집된 데이터 중 통상적인 측정 범위를 벗어나는 경우에 이를 제거할 필요가 있다. 또한 통상적인 측정 범위 이내이지만 이상 상태와 관련없는 데이터도 제외할 필요가 있다. 예컨대, 배터리 경보 이벤트 중 빈번하게 발생하는 데이터가 있을 수 있으므로, 이러한 상황을 반영하는 이상치 탐지 모듈 제공이 필요할 수 있다.
또한, 단일 변수가 아닌 여러 변수를 종합하여 진단하는 모델을 사용할 필요가 있으며 발전 설비 데이터에 맞게 진단하는 모델로 커스터마이징할 필요가 있다.
또한, 이러한 모듈은 AI 솔루션 기본 기능을 이용하여 워크플로우로 구성되고, 사용자가 지정한 시간에 자동 실행되도록 스케줄 기능이 지원되어야 한다. 또한, 해당 작업 워크플로우는 수요기업에서 수정 및 신규 생성이 가능하여야 한다.
도 13은 이상 징후 판단 모델(22)의 학습 과정과 이를 통한 이상 징후 판단 예측 모델의 일예를 나타낸 것이다.
머신 러닝에 기반하여 이상 징후 판단 모델(22)을 구성하는 기술 자체는 본 발명의 직접적인 목적이 아니고, 종래에 알려진 것을 사용할 수 있으므로 이에 대한 상세 설명은 생략한다.
한편, 이상 징후 판단 모델(22)에 대해 학습이 완료되면, 이상 징후 판단 모델(22)은 입력되는 검사용 데이터인 시설 관련 정보에 대해 이상 징후 판단 및 분류 결과를 출력한다.
알람부(23)는, 검사용 데이터인 시설 관련 정보에 대해 이상 징후 판단 모델(22)의 출력 결과에 기초하여, 이상 징후 정보를 제공하는 수단이다.
알람부(23)는, 예컨대 대시보드를 통한 데이터 가시화, 규칙엔진을 통한 원격 제어 및 알람 발송(Email, SMS, Slack 등), 리포트 생성 기능을 제공할 수 있다.
실제 설비 운영시 수많은 경고 데이터 발생할 수 있는데, 전술한 바와 같은 AI 솔루션 기능을 활용하여 실제 의미 있는 경고 데이터를 선별하여 살펴볼 수 있도록 할 필요가 있다.
한편, 본 발명에 의한 시스템(100)은 클라우드 플랫폼으로 구성하는 것이 바람직하다.
도 14는 클라우드 플랫폼으로 구현된 시스템(100)의 일예를 나타낸 것이다.
도 14에 도시한 바와 같이, 다양한 종류의 IoT 디바이스와 시스템(100) 및 장비들의 연결을 지원하며, 데이터의 수집, 통합, 분석을 통해 실시간으로 전술한 바와 같은 시스템 모니터링 및 이상 징후 판단 기능을 제공할 수 있다.
한편, 본 발명에 의한 시스템(100)은, 발전량 예측 모델을 더 포함하도록 구성할 수도 있다.
도 15 및 도 16은 발전량 예측 모델을 설명하기 위한 도면이다.
도 15 및 도 16에 나타낸 바와 같이, 본 발명에 의한 AI 기반의 모델을 사용함으로써 현재 시점에서 이상적인 발전량 예측 알고리즘을 설계하고, 높은 정확도를 갖는 발전량 예측 모형을 개발할 수 있다.
이러한 발전량 예측 모형은, 발전에 특화된 변수로 예측되는 모델로 커스터마이징하고, 날씨 변수를 감안하여 예측값이 산출되도록 제공되어야 한다.
이러한 본 발명에 의하면, 지리 정보시스템을 기반으로 태양광 발전 설비의 위치, 발전(예측) 정보, 기상정보 등을 통하여 일관성 있고 효율적인 정보를 제공하고, 태양광 설비의 실시간 모니터링, 발전량 예측, 고장진단, 경제성 분석 등을 포함하는 통합 운영 관리와 태양광 발전 데이터의 수집, 분석 등에 대한 분산처리를 위한 클라우드 기반 빅데이터 플랫폼을 구축할 수 있다.
또한, 실측 발전량과 추정 발전량의 오차, 시스템상의 특성 분석을 통한 발전량 오차 및 출력 이상을 판단하고, 태양광 발전소의 출력 전압, 전류 등의 발전정보를 통해 출력 이상 및 ESS의 손상에 따른 고장 상태 진단을 효율적으로 수행할 수 있다.
이상에서 본 발명에 의한 바람직한 실시예를 참조하여 본 발명을 설명하였으나 본 발명은 상기 실시예에 한정되지 않으며 다양한 형태의 수정 및 변형 실시가 가능함은 물론이다.
100...시설 및 장비 실시간 모니터링 및 이상 징후 AI 진단 서비스 제공 시스템
10...모니터링 및 제어부
20...진단부

Claims (5)

  1. 시설 및 장비 실시간 모니터링 및 이상 징후 AI 진단 서비스 제공 시스템으로서,
    시설 관련 정보에 기초하여 시설 현황을 모니터링하고 제어하는 기능을 수행하는 모니터링 및 제어부; 및
    시설 관련 정보에 기초하여 시설의 이상 징후를 사전에 진단하고 예측하는 진단부
    를 포함하고,
    상기 모니터링 및 제어부는,
    시설의 전체적인 상태 현황을 모니터링하는 상태 현황 모니터링부;
    실시간으로 전체적인 설비의 현황 및 PMS 제어를 수행하는 실시간 설비 현황 및 PMS 제어부;
    설비 정보를 조회하고 제어할 수 있도록 하는 설비 정보 조회 및 제어부; 및
    설비 운영과 관련된 운영 데이터의 트렌드를 조회할 수 있도록 하는 트렌드 조회부
    를 포함하고,
    상기 진단부는, 인공 지능에 기반하여 학습을 수행한 신경망 모델에 기반하여 시설 관련 정보에 기초하여 시설의 이상 징후를 판별하도록 동작하는 것을 특징으로 하는 시설 및 장비 실시간 모니터링 및 이상 징후 AI 진단 서비스 제공 시스템.
  2. 삭제
  3. 청구항 1에 있어서,
    상기 진단부는,
    입력되는 시설 관련 정보에 대한 전처리를 수행하여 이상 징후 판단 모델로 전달하는 전처리부;
    머신 러닝에 기반하여 학습용 데이터에 대해 특징 벡터를 추출하고, 추출된 특징 벡터에 대한 파라미터와 가중치에 대한 오차가 최소화되도록 파라미터와 가중치를 조절함으로써 학습되며, 학습이 완료된 후 입력되는 검사용 데이터인 시설 관련 정보에 대해 이상 징후 판단 및 분류 결과를 출력하는 이상 징후 판단 모델; 및
    검사용 데이터인 시설 관련 정보에 대해 이상 징후 판단 모델의 출력 결과에 기초하여 이상 징후 정보를 제공하는 알람부
    를 포함하는 시설 및 장비 실시간 모니터링 및 이상 징후 AI 진단 서비스 제공 시스템.
  4. 청구항 3에 있어서,
    상기 전처리부는, 입력되는 시설 관련 정보에 대해 이상 징후 판단 모델에서 학습 및 분류에 사용할 수 있는 데이터로 변환 및 가공하고,
    상기 시설 관련 정보는 이상 징후 판단 모델의 학습을 위한 학습 데이터이거나 이상 징후 판단 모델에서 이상 징후 여부 및 분류의 판단이 되는 검사 데이터인 것을 특징으로 하는 시설 및 장비 실시간 모니터링 및 이상 징후 AI 진단 서비스 제공 시스템.
  5. 청구항 4에 있어서,
    상기 전처리부는,
    누락 데이터, 중복 데이터를 처리하고, 아웃라이어(Outlier) 처리를 수행하여, 통상적인 발생 범위를 벗어나는 데이터를 찾아 처리하고, 시간 간격 처리를 통해, 동일 분석에 사용되는 변수들을 대상으로 시간 간격을 동일하게 하며, 주기가 일정하지 않은 데이터 수집시 평균, 선형보간법, 운영 주기 분리를 통해 주기를 일정하게 처리하는 것을 특징으로 하는 시설 및 장비 실시간 모니터링 및 이상 징후 AI 진단 서비스 제공 시스템.
KR1020210011562A 2021-01-27 2021-01-27 시설 및 장비 실시간 모니터링 및 이상 징후 ai 진단 서비스 제공 시스템 및 방법 KR102411915B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210011562A KR102411915B1 (ko) 2021-01-27 2021-01-27 시설 및 장비 실시간 모니터링 및 이상 징후 ai 진단 서비스 제공 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210011562A KR102411915B1 (ko) 2021-01-27 2021-01-27 시설 및 장비 실시간 모니터링 및 이상 징후 ai 진단 서비스 제공 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR102411915B1 true KR102411915B1 (ko) 2022-06-22

Family

ID=82216797

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210011562A KR102411915B1 (ko) 2021-01-27 2021-01-27 시설 및 장비 실시간 모니터링 및 이상 징후 ai 진단 서비스 제공 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102411915B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240045652A (ko) 2022-09-30 2024-04-08 주식회사 에니트 Ai 기반 분포형 변형률센서를 이용한 산업기반시설 안전관리 모니터링시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140112146A (ko) 2013-03-12 2014-09-23 주식회사 케이디파워 태양광 발전 시스템의 발전진단 장치
KR20170125237A (ko) 2016-05-04 2017-11-14 두산중공업 주식회사 플랜트 이상 감지 시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140112146A (ko) 2013-03-12 2014-09-23 주식회사 케이디파워 태양광 발전 시스템의 발전진단 장치
KR20170125237A (ko) 2016-05-04 2017-11-14 두산중공업 주식회사 플랜트 이상 감지 시스템 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240045652A (ko) 2022-09-30 2024-04-08 주식회사 에니트 Ai 기반 분포형 변형률센서를 이용한 산업기반시설 안전관리 모니터링시스템

Similar Documents

Publication Publication Date Title
CN110647133B (zh) 轨道交通设备状态检测维护方法及***
CN109102189B (zh) 一种电气设备健康管理***和方法
CN102032115A (zh) 用于分析报告数据的***和方法
CN115244482A (zh) 用于维护优化的混合风险模型和用于执行此类方法的***
KR102464762B1 (ko) 경험적 공유 지식 기반의 인공지능을 활용한 설비고장 예지보전 방법
CN110309981A (zh) 一种基于工业大数据的水电站状态检修决策***
CN116308304B (zh) 基于元学习概念漂移检测的新能源智慧运维方法及***
CN117176560B (zh) 一种基于物联网的监测设备监管***及其方法
CN106019195A (zh) 一种电力计量自动化检定流水线故障诊断***
KR102194271B1 (ko) 모델 기반의 태양광발전 통합 관리 시스템 및 방법
CN117761444B (zh) 一种电涌保护器的寿命监测方法及***
KR20190069213A (ko) 원격 모니터링 기반 태양광 발전소 운영 관리 방법 및 장치
CN110709789A (zh) 用于监测可再生发电装置或微电网内的子***的状况的方法和设备
CN113763667A (zh) 一种基于5g边缘计算的火灾预警及状态监测装置及方法
CN116090591A (zh) 一种基于机器学习的隧道设备设施状态监测预警***
KR102411915B1 (ko) 시설 및 장비 실시간 모니터링 및 이상 징후 ai 진단 서비스 제공 시스템 및 방법
CN116755964A (zh) 一种加固服务器的故障预测与健康管理***
JP6176377B1 (ja) 設備管理システム、設備管理方法およびプログラム
CN109523030B (zh) 一种基于机器学习的遥测参数异常监测***
WO2020253950A1 (en) Monitoring method, predicting method, monitoring system and computer program
CN113919546A (zh) 一种设备寿命可视化预测***
CN117634836A (zh) 一种基于矩阵分析的光伏电站清洗过程评估方法及***
CN112396226A (zh) 一种基于“移动通信”的装备智能预测性维护方法及装置
RU2668852C1 (ru) Способ и система учета остаточного ресурса компонентов турбоагрегата
Papa et al. Cyber physical system based proactive collaborative maintenance

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant