1 |
1
다수의 발전소 계측기를 통해 계측된 계측 데이터를 상기 계측기별로 행렬 표시하는 제1 단계;행렬 표시된 상기 계측기별 계측 데이터를 각각 정규화하고, 정규화된 전체 데이터를 데이터 세트로 표시하는 제2 단계;상기 데이터 세트를 각각 훈련용, 최적화용, 시험용 데이터로 삼분하는 제3 단계;삼분된 상기 데이터 세트 각각의 주성분을 추출하는 제4 단계;상기 최적화용 데이터의 예측값 오차를 최소화시키는 SVR 모델의 최적 상수를 산출하는 제5 단계;상기 SVR 모델의 최적 상수와 상기 훈련용 데이터의 주성분을 Quadratic 프로그램에 입력하여 상기 계측기별로 훈련모델을 생성하는 제6 단계;상기 훈련용 데이터의 주성분 및 상기 시험용 데이터의 주성분을 이용하여 상기 계측기별 훈련모델의 예측값을 산출하는 제7 단계; 및산출된 상기 계측기별 훈련모델의 예측값을 역정규화하여 상기 계측기별 성능 예측값을 산출하는 제8 단계를 포함하고,상기 제1 단계에서, 상기 계측기별 계측 데이터는 하기 식으로 표시되며,(여기서, X는 데이터 행렬, 3n은 상기 계측 데이터의 개수, m은 상기 계측기의 번호를 각각 의미함)상기 제2 단계에서, 상기 계측기별 계측 데이터는 하기 식에 따라 정규화되고,상기 데이터 세트는 하기 식으로 표시되는 것을 특징으로 하는 발전소 계측기 성능 감시 예측 방법
|
2 |
2
삭제
|
3 |
3
삭제
|
4 |
4
제1항에 있어서,상기 제3 단계에서,상기 훈련용, 최적화용, 시험용 데이터(Ztr, Zop, Zts)는 각각 하기 식으로 표시되는 것을 특징으로 하는 발전소 계측기 성능 감시 예측 방법
|
5 |
5
제1항에 있어서,상기 제4 단계에서, 상기 주성분은 주성분 분석법(PCA)을 통해 추출되는 것을 특징으로 하는 발전소 계측기 성능 감시 예측 방법
|
6 |
6
제1항에 있어서,상기 제5 단계에서, 상기 SVR 모델의 최적 상수는 반응표면분석법을 이용하여 산출되는 SVR 모델 파라미터 - 상기 SVR 모델 파라미터는 커널 대역폭(σ), 손실함수(Loss Function)의 상수(ε), 및 쌍대목적함수에서의 페널티(C)를 포함함 - 인 것을 특징으로 하는 발전소 계측기 성능 감시 예측 방법
|
7 |
7
제1항에 있어서,상기 제6 단계에서, 상기 계측기별 훈련모델은 상기 계측기별로 상기 Quadratic 프로그램을 이용하여 최적화 문제를 풀고, 라그랑지 승수의 차이와 바이어스 상수를 구하여 생성되는 것을 특징으로 하는 발전소 계측기 성능 감시 예측 방법
|
8 |
8
제4항에 있어서,상기 제7 단계는,상기 훈련용 데이터의 주성분 및 상기 시험용 데이터의 주성분을 이용하여 Gaussian Radial Basis Function의 커널함수를 구하는 단계; 및하기 식에 따라 상기 계측기별 훈련모델의 예측값을 산출하는 단계를 포함하는 것을 특징으로 하는 발전소 계측기 성능 감시 예측 방법
|
9 |
9
제8항에 있어서,상기 제8 단계에서, 상기 계측기별 성능 예측값은 하기 식에 따라 상기 계측기별 훈련모델의 예측값을 역정규화하여 산출되는 것을 특징으로 하는 발전소 계측기 성능 감시 예측 방법
|