맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

에프에스브이알과 지엘알티를 이용한 발전소 계측기 성능감시 방법 및 시스템

  • 기술번호 : KST2019007784
  • 담당센터 :
  • 전화번호 :
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명의 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법은, 전체의 데이터 셋(X)을 행렬의 형태로 표시하고, 훈련용(Xtr), 최적화용(Xopt), 시험용(Xts)으로 삼분하는 제1단계와; 상기 제1단계에서 행렬 형태로 표시된 전체의 데이터를 정규화하는 제2단계; 상기 제2단계에서 정규화된 데이터 셋(Z)을 훈련용(Ztr), 최적화용(Zopt), 시험용(Zts)으로 삼분하는 제3단계; 상기 제3단계에서 정규화되어 삼분된 훈련용(Ztr), 최적화용(Zopt), 시험용(Zts)의 각 데이터 셋(Z)의 주성분을 추출하는 제4단계; FCM(Fuzzy C-Means) 클러스터링을 이용하여, 데이터 셋과 주성분을 원하는 개수 만큼의 데이터 군집으로 나누는 제5단계; 반응표면분석법으로 최적화용 데이터(Zopt)의 각 클러스터 데이터(Zopt1, Zopt2)를 사용하여 최적화용 데이터(Zopt)의 예측치 오차를 최소화시키는 각 FSVR 모델의 최적 상수 및 를 구하는 제6단계; 훈련용 데이터 Ztr의 각 클러스터에 대해 상기 제6단계에 따라 퍼지 멤버쉽 그레이드를 계산하는 제7단계; 각 클러스터에 대한 훈련용 데이터와, 훈련용 데이터의 주성분벡터, 상기 제6단계에서 구한 최적 파라미터 및, 상기 제7단계에서 구한 퍼지 멤버쉽 그레이드(fuzzy membership grade)를 이용하여 FSVR 모델을 훈련시킨 후, 시험용 데이터(Zts)의 각 클러스터 주성분벡터(Pts1, Pts2)를 입력시켜 출력 예측치(Zts1_hat과 Zts2_hat)를 구하는 제8단계; 각 클러스터에 대한 예측치(Zts1_hat과 Zts2_hat)를 연결시켜 전체의 데이터에 대한 예측치(Zts_hat)를 구하는 제9단계; 시험용 데이터에 대한 예측치를 원래의 시간 인덱스를 이용하여 시간순으로 분류하는 제10단계; 상기 제10단계에서 얻어진 정규화된 시험데이터의 예측치를 원래의 범위로 역정규화하여 원래 스케일의 각 센서에 대한 예측치를 식 45에 따라 구하는 제11단계 및; 예측치에 대한 잔차를 계산하고 GLRT를 이용하여 센서의 드리프트를 판별하는 제12단계를 갖추어 이루어진 것을 특징으로 한다.
Int. CL G21D 3/04 (2006.01.01) G05B 23/02 (2006.01.01) G05B 19/406 (2006.01.01)
CPC
출원번호/일자 1020100100697 (2010.10.15)
출원인 한국전력공사
등록번호/일자 10-1178235-0000 (2012.08.23)
공개번호/일자 10-2012-0039160 (2012.04.25) 문서열기
공고번호/일자 (20120830) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2010.10.15)
심사청구항수 47

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국전력공사 대한민국 전라남도 나주시

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 서인용 대한민국 대전광역시 유성구
2 하복남 대한민국 대전광역시 유성구
3 이성우 대한민국 대전광역시 유성구
4 신창훈 대한민국 대전광역시 유성구
5 박민호 대한민국 대전광역시 유성구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 조영신 대한민국 서울특별시 서초구 서초대로**길 **, *층(서초동)(우연특허법률사무소)
2 김윤배 대한민국 서울특별시 종로구 우정국로 ** 동덕빌딩 *층(세한국제특허법률사무소)
3 강철중 대한민국 서울특별시 종로구 우정국로 ** 동덕빌딩 **층(세한국제특허법률사무소)
4 이상목 대한민국 서울특별시 강남구 논현로 ***, ****호(역삼동,성지하이츠*차)(코웰국제특허법률사무소)
5 이범일 대한민국 서울특별시 종로구 우정국로 **, *동 *층 세한국제특허법률사무소 (관훈동, 동덕빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 대한민국(산업통상자원부장관) 세종특별자치시 한누리대
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2010.10.15 수리 (Accepted) 1-1-2010-0666424-14
2 선행기술조사의뢰서
Request for Prior Art Search		 2011.09.09 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search		 2011.10.18 수리 (Accepted) 9-1-2011-0082327-40
4 의견제출통지서
Notification of reason for refusal		 2011.12.27 발송처리완료 (Completion of Transmission) 9-5-2011-0772381-39
5 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2012.02.16 수리 (Accepted) 1-1-2012-0126052-92
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2012.02.16 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2012-0126053-37
7 등록결정서
Decision to grant		 2012.07.23 발송처리완료 (Completion of Transmission) 9-5-2012-0420759-17
8 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2014.12.16 수리 (Accepted) 4-1-2014-5153448-46
9 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.07.09 수리 (Accepted) 4-1-2019-5136129-26
10 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.07.10 수리 (Accepted) 4-1-2019-5136893-80
11 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.03.27 수리 (Accepted) 4-1-2020-5072225-46
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
m개의 현장센서에 대해 시계열 현장신호를 인가받아 클러스터링부(12)로 보내는 입력부(11)와;상기 입력부(11)로부터 입력받은 시계열 현장신호에 대한 입력신호를 퍼지 클러스터링 방법을 이용하여 원하는 N개의 데이터 군집으로 나누는 클러스터링부(12);상기 클러스터링부(12)로부터 인가받은 N개의 데이터 군집으로 나누어진 각 데이터 클러스터에 대해 주성분을 추출하는 PCA부(13);각 데이터 클러스터에 대해 퍼지 멤버쉽 그레이드(fuzzy membership grade)를 계산하고, 모델을 훈련시키며, 반응표면 분석법을 이용해서 모델의 최적 파라미터를 구하고, 시험데이터에 대해 신호예측을 수행하는 FSVR부(14);상기 FSVR부(14)에서 예측한 신호와 입력신호를 비교하여 차이를 구하는 비교연산부(15) 및;윈도우 사이즈의 최적화 및 관리한계선을 설정한 후, 비교연산부의 출력을 이용하여 GLRT의 검정통계량을 계산하여 센서의 드리프트 유무를 판별하는 GLRT부(16)를 구비하여 구성된 것을 특징으로 하는 FSVR(Fuzzy Support Vector Regression)과 GLRT(Generalized Likelihood Ratio Test)를 이용한 발전소 계측기 성능감시 시스템
2 2
전체의 데이터 셋(X)을 행렬의 형태로 표시하고, 훈련용(Xtr), 최적화용(Xopt), 시험용(Xts)으로 삼분하는 제1단계와;상기 제1단계에서 행렬 형태로 표시된 전체의 데이터를 정규화하는 제2단계;상기 제2단계에서 정규화된 데이터 셋(Z)을 훈련용(Ztr), 최적화용(Zopt), 시험용(Zts)으로 삼분하는 제3단계;상기 제3단계에서 정규화되어 삼분된 훈련용(Ztr), 최적화용(Zopt), 시험용(Zts)의 각 데이터 셋(Z)의 주성분을 추출하는 제4단계;FCM(Fuzzy C-Means) 클러스터링을 이용하여, 데이터 셋과 주성분을 원하는 개수 만큼의 데이터 군집으로 나누는 제5단계;반응표면분석법으로 최적화용 데이터(Zopt)의 각 클러스터 데이터(Zopt1, Zopt2)를 사용하여 최적화용 데이터(Zopt)의 예측치 오차를 최소화시키는 각 FSVR 모델의 최적 상수 및 를 구하는 제6단계;훈련용 데이터 Ztr의 각 클러스터에 대해 상기 제6단계에 따라 퍼지 멤버쉽 그레이드를 계산하는 제7단계;각 클러스터에 대한 훈련용 데이터와, 훈련용 데이터의 주성분벡터, 상기 제6단계에서 구한 최적 파라미터 및, 상기 제7단계에서 구한 퍼지 멤버쉽 그레이드(fuzzy membership grade)를 이용하여 FSVR 모델을 훈련시킨 후, 시험용 데이터(Zts)의 각 클러스터 주성분벡터(Pts1, Pts2)를 입력시켜 출력 예측치(Zts1_hat과 Zts2_hat)를 구하는 제8단계; 각 클러스터에 대한 예측치(Zts1_hat과 Zts2_hat)를 연결시켜 전체의 데이터에 대한 예측치(Zts_hat)를 구하는 제9단계;시험용 데이터에 대한 예측치를 원래의 시간 인덱스를 이용하여 시간순으로 분류하는 제10단계;상기 제10단계에서 얻어진 정규화된 시험데이터의 예측치를 원래의 범위로 역정규화하여 원래 스케일의 각 센서에 대한 예측치를 식 45에 따라 구하는 제11단계 및;예측치에 대한 잔차를 계산하고 GLRT를 이용하여 센서의 드리프트를 판별하는 제12단계를 갖추어 이루어진 것을 특징으로 하는 FSVR(Fuzzy Support Vector Regression)과 GLRT(Generalized Likelihood Ratio Test)를 이용한 발전소 계측기 성능감시 방법
3 3
제2항에 있어서,상기 제1단계에서의 행렬이, 식에 의해 표시되는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
4 4
제2항에 있어서,상기 제2단계에서 정규화가, 식(여기서, i = 1,2 … 3n)에 의해 이루어지는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
5 5
제4항에 있어서,정규화된 전체의 데이터 셋(Z)이, 식에 의해 표시되는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
6 6
제2항에 있어서,정규화된 상기 훈련용(Ztr), 최적화용(Zopt), 시험용(Zts) 데이터 셋이, 식(단, 여기서 i = 0,1,2 … n-1)에 의해 나누어지는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
7 7
제2항에 있어서,상기 제4단계에서 주성분의 분산을 크기 순으로 나열하고, 백분율 분산 값이 가장 큰 주성분부터 시작하여 그 누적 합이 99
8 8
제7항에 있어서,상기 주성분 추출이,훈련용(Ztr), 최적화용(Zopt), 시험용(Zts)의 각 데이터 셋에서 각 변수의 평균값을 빼고, 이를 A 매트릭스 로 나타내는 제4-1단계와;식 에 따라 의 고유치(eigenvalue) 를 구하고, 식 에 따라 내림차순으로 정리하며, 식 에 따라 A의 특이치(singular value) s를 구하는 제4-2단계;로부터 고유치(eigenvalue) 를 구하고, 구해진 고유치(eigenvalue) 를 식 에 대입하여 각 고유치(eigenvalue) 에 대한 n×1인 고유벡터(eigenvector) 를 구하는 것에 의해, n×n매트릭스인 의 고유벡터(eigenvector)를 구하는 제4-3단계;식 에 따라 각 주성분의 분산을 구하는 제4-4단계;식 및 식 에 따라 각 주성분의 분산을 전체 주성분의 분산을 합한 값으로 나누어 백분율을 구하는 제4-5단계;백분율 분산 이 가장 큰 것부터 누적 계산을 하여 원하는 백분율 분산(예컨대, 99
9 9
제8항에 있어서,상기 제4-6단계에서의 원하는 백분율 분산이 99
10 10
제2항에 있어서,상기 제5단계가, 훈련데이터(Ztr)를 FCM(Fuzzy C-Means) 클러스터링 방법을 이용하여 두 그룹 Ztr1과 Ztr2으로 나누되, 생성된 각 데이터 그룹의 같은 인덱스를 이용하여 주성분(Ptr)도 같은 수의 클러스터(Ptr1, Ptr2)로 나누는 제5-1단계와;최적화용 데이터(Zopt)와 시험용 데이터(Zts)에 대해 상기 제5-1단계를 반복하여 정규화 데이터 클러스터(Zopt1, Zopt2, Zts1, Zts2)와 주성분 클러스터(Popt1, Popt2, Pts1, Pts2)로 각각 나누는 제5-2단계를 갖추어 이루어진 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
11 11
제10항에 있어서,상기 FCM(Fuzzy C-Means) 클러스터링 방법이,입력신호 집합 에 대한 클러스터 개수 퍼지 계수 m(=2)를 결정하고, 소속행렬 을 초기화하는 단계 1과;각각의 클러스터에 대한 중심 벡터 vi(r)과 멤버쉽 uik를 구하는 단계 2;각각의 클러스터 중심과 데이터와의 거리를 계산하여 목적함수(Q)를 최소로 하는 새로운 소속행렬 U(r+1) 생성하는 단계 3 및;종료조건을 만족하면 종료하고, 종료조건을 만족하지 않으면 r=r+1로 정한 다음 상기 단계 2로 진행해서 상기 단계 2 내지 상기 단계 3을 반복하는 단계 4;를 갖추어 이루어진 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
12 12
제11항에 있어서,상기 단계 1이,식 (여기서, i는 클러스터의 번호, k는 패턴의 번호, r은 반복 횟수, N은 각 센서의 샘플된 데이터 개수, uik는 데이터 포인터 Xk가 그룹 i에 속하는 멤버쉽 크기임)에 의해 수행되는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
13 13
제11항에 있어서,상기 단계 2가,식 에 의해 수행되는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
14 14
제11항에 있어서,상기 단계 3에서의 목적함수(Q)가, 식 에 의해 나타내어지는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
15 15
제11항에 있어서,상기 단계 4에서의 종료조건이 식 에 의해 나타내어지는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
16 16
제2항에 있어서,각 FSVR 모델의 최적 상수 및 를 구하는 상기 제6단계가,훈련용 데이터의 첫 번째 클러스터(Ztr1)의 각 데이터 포인터와 다른 모든 입력데이터간의 유클리디언 거리를 이용하여 각 데이터 포인터의 포텐셜(P1)을 계산하고, 이를 이용하여 퍼지 멤버쉽 그레이드(fuzzy membership grade) 을 계산하는 제6-1단계와; 클러스트 1에 대한 시험점 중 첫 번째 시험점(v1, v2, v3)을 선택하는 제6-2단계;선택된 시험점에 대해 Ztr1의 첫 번째 신호(Ztr1-1), 및 Ptr1을 입력한 후, FSVR 모델을 훈련시켜 svi(support vector index), w1(SV(Support Vector)의 가중치(weight)) 및 b1(bias)를 구하는 제6-3단계;Popt 1과 svi를 이용하여 방사형 기저 함수(radial basis function)(Kopt1)를 구하는 제6-4단계;최적화용 데이터 Zopt1의 첫 번째 계측기 신호에 대한 예측치를 구하는 제6-5단계;Ztr1의 나머지 다른 계측기 신호에 대해 상기 제6-3단계～상기 제6-5단계를 반복 수행한 후, 예측 매트릭스 출력 을 얻는 제6-6단계;최적화용 데이터(Zopt1)의 측정치와 예측치의 잔차에 대한 RMS(Root mean square)을 구하고, 이를 저장하는 제6-7단계;다른 시험점에 대해 상기 제6-2단계～제6-7단계를 반복 수행하고, 잔차에 대한 RMS 값을 저장하는 제6-8단계;최적화용 데이터 Zopt1를 이용해서 구한 잔차의 RMS값을 전체 입력신호 개수에 대해 평균값(MSE)(수학식 38)을 계산하고, 평균값에 대한 자연 로그(natural log) 값을 구하는 제6-9단계;반응표면분석법을 이용해서 클러스터 1에 대한 ln{MSE}를 최소화시키는 FSVR 모델의 최적상수 를 구하는 제6-10단계 및; 클러스터 2에 대해 제6-1단계～제6-10단계를 반복 수행하여 식 35에 따라 클러스터 2에 대한 FSVR 모델의 최적상수 를 구하는 제6-11단계;를 갖추어 이루어진 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
17 17
제16항에 있어서,각 데이터 포인터의 포텐셜(P1)이, 식(여기서, : 한 클러스터 내의 데이터 개수, : 첫 번째 클러스터(Ztr1)의 반경)에 의해 계산되는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
18 18
제16항에 있어서,방사형 기저 함수(radial basis function)(Kopt1)를 구하는 제6-4단계가, 식(여기서, : Zopt1의 주성분벡터, : Ptr1 중에서 svi의 인덱스를 갖는 주성분벡터) 에 의해 구해지는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
19 19
제16항에 있어서,최적화용 데이터 Zopt1의 첫 번째 계측기 신호에 대한 예측치를 구하는 상기 제6-5단계가, 식(여기서, : 베타(beta) 벡터 중에서 svi의 인덱스를 갖는 베타(beta) 벡터)에 의해 구하는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
20 20
제16항에 있어서,상기 예측 매트릭스 출력 을 얻는 제6-6단계가, 식에 의해 얻어지는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
21 21
제16항에 있어서,상기 제6-8단계에서 중심합성계획(CCD)의 원점에 대해서는 시험을 세 번(시험점 15, 16,17) 수행하되, 15번째 시험에는 Zopt 전체를 사용하고, 16번째 시험에는 Zopt의 1/2, 17번째 시험에는 Zopt의 나머지 1/2에 대해 시험을 수행하는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
22 22
제16항에 있어서,상기 단계6-9에서의 평균값(MSE)을, 식에 의해 계산하는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
23 23
제16항에 있어서,클러스터 2에 대한 FSVR 모델의 최적상수 를 구하는 상기 제6-11단계가, 식에 의해 구해지는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
24 24
제16항에 있어서,상기 FSVR 모델의 최적상수가, =(2
25 25
제16항에 있어서,상기 제6-10단계에서의 반응표면 분석법을 이용하여 FSVR 모델의 최적 상수를 구하는 방법이,FSVR 모델파라미터인 시그마(sigma)(σ), 입실론(epsilon)(ε), C를 각각 로 두는 제6-10-1단계와;에 대한 탐색범위를 각각 정하는 제6-10-2단계;탐색범위의 상한과 하한을 각각 와 로 두고, 모델 파라미터를 표준화하는 제6-10-3단계;중심합성계획을 이용해서 표준화된 모델파라미터 의 탐색범위에 대응하여 모델성능의 평가지점을 설정하는 제6-10-4단계;실험오차의 크기를 추정하고, 축점의 좌표 α를 식 α = [요인실험점의 수]1/4에 의해 정의하는 제6-10-5단계;중심합성계획에 의한()의 실험점에 따라 모델파라미터 의 값을 정하고, 이어 중심합성계획에 의한 ()의 실험점을 얻으며, 중심합성계획에 의한 ()의 실험점 값을 모델파라미터로 이용하여 FSVR 모델링 실험을 수행하는 제6-10-6단계;중심합성계획에 의한()의 실험점에서 Ztr과 Ptr, 퍼지 멤버쉽 μ을 이용하여 FSVR모델의 베타(beta) 벡터와 바이어스(bias) 상수를 각각 얻는 제6-10-7단계;각 모델의 정확도를 평가하기 위해 데이터 셋 Pop를 m개의 AAFSVR에 입력하여 최적화 데이터의 정규화된 예측치 을 구하고, 이로부터 출력 모델의 정확도인 MSE를 식 38에 따라 계산하는 제6-10-8단계;모델파라미터 와 log(MSE) 간의 반응표면식을 추정하는 제6-10-9단계;추정된 반응표면식을 이용하여 log(MSE)를 최소화하는 의 최적조건 을 구하는 제6-10-10단계 및;최적조건 을 원래의 단위로 환산하는 제6-10-11단계;를 갖추어 이루어진 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
26 26
제25항에 있어서,상기 제6-10-2단계에서의 클러스터 1에 대한 탐색범위를 : 0
27 27
제25항에 있어서,상기 제6-10-3단계에서의 모델 파라미터의 표준화가, 식에 의해 이루어지는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
28 28
제25항에 있어서,상기 제6-10-8단계에서 출력 모델의 정확도인 MSE를, 식(여기서, 는 Pop 중에 센서 의 번째 입력데이터를 의미하며, 는 모델에 의한 추정치임)에 의해 계산하는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
29 29
제25항에 있어서,반응표면이, 식(e는 랜덤오차를 의미함)에 의해 2차 모형을 갖고,추정된 반응표면이, 식에 의해 표현되는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
30 30
제25항에 있어서,상기 단계 제6-10-10단계에서의 의 최적조건이, 식에 의한 편미분을 통해 구해지는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
31 31
제30항에 있어서,클러스터 #1에 대해 얻어진 반응표면의 경우 최적조건이 = (0,0
32 32
제25항에 있어서, 상기 제6-10-11단계에서 최적조건 을 원래의 단위로 환산하는 것이, 식에 의해 이루어지는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
33 33
제25항에 있어서,클러스터 #1에 대한 최적 파라미터가 각각 , , 로 되고, 이 조건에서 예측된 log(MSE)가 -5
34 34
제2항에 있어서,출력 예측치(Zts1_hat과 Zts2_hat)를 구하는 상기 제8단계가,상기 제6단계에서 구한 FSVR 모델의 3개의 최적상수와, 훈련데이터의 주성분(Ptr1) 및, 훈련데이터의 첫 번째 신호(Ztr1의 제1열)를 입력으로 하여 2차 계획(quadratic programming) 기법을 이용하여 최적화 문제를 풀고, 라그랑지 승수의 차이인 w1(n×1)와 바이어스 상수 b1을 구하여 FSVR1의 모델을 생성하는 제8-1단계와;2번부터 m번째의 계측기 신호에 대해 상기 제8-1단계를 반복 수행하여 과 을 구하는 것에 의해 FSVR2～FSVRm의 모델을 생성하는 제8-2단계;훈련데이터의 주성분(Ptr1), 시험데이터의 주성분(Pts1)을 이용하여 가우시언 방사형 기저 함수(Gaussian Radial Basis Function)의 커널함수(Kts1(n×n))를 구하고, 상기 제8-1단계 및 상기 제8-2단계에서 구한 FSVR 모델의 Support vector weight w1, 바이어스 상수 b1을 이용하여 FSVR1의 출력을 구하는 제8-3단계 및;2번부터 m번째의 센서에 대해 상기 제8-3단계를 반복 수행하여 FSVR2～FSVRm의 출력인 모델 예측치를 구하는 제8-4단계;를 갖추어 이루어진 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
35 35
제34항에 있어서,시험용 데이터 Zts1에 대한 예측치가, 식( : Zts1의 주성분벡터, : Ptr1 중에서 svi의 인덱스를 갖는 주성분벡터) ( : 클러스터1의 i번째 센서에 대한 SV(Support vector)의 가중치(weight) : 클러스터1의 i번째 센서에 대한 바이어스(bias)) 에 의해 구해지는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
36 36
제34항에 있어서,시험용 데이터 Zts2에 대한 예측치가, 식 ( : 클러스터2의 i번째 센서에 대한 SV(Support vector)의 가중치(weight) : 클러스터2의 i번째 센서에 대한 바이어스(bias)) 에 의해 구해지는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
37 37
제2항에 있어서,상기 제9단계에서 전체의 데이터에 대한 예측치(Zts_hat)가, 식에 의해 구해지는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
38 38
제2항에 있어서,상기 제11단계에서 원래 스케일의 각 센서에 대한 예측치를, 식 에 의해 구하는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
39 39
제2항에 있어서,센서의 드리프트를 판별하는 제12단계가,센서의 정기교정 후 정상적으로 동작할 때, 예측 프로그램을 수행하여 각 센서에 대한 예측치와 실측치와의 잔차를 계산하고, 잔차에 대한 평균값과 표준편차(σ)를 계산하는 제12-1단계와;계측기가 정상적일 경우의 잔차를 이용하여 윈도우의 크기(w)를 최소부터 최대까지 5씩 증가시키면서 각 윈도우 크기에 대한 GT 통계량을 계산하는 제12-2단계;GT 통계량 계산을 위해 최적 윈도우 크기 w를 이용하여 검사하고자 하는 잔차에 대해 상기 식 과, 식 및, 식 를 이용하여, 윈도우를 1time step씩 이동하여 가면서 GLRt(k)(단, k=1, 2,
40 40
제39항에 있어서,상기 제12-1단계에서의 입력값과 예측치의 차이인 모델 잔차(R)가, 식에 의해 구해지는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
41 41
제39항에 있어서,상기 제12-2단계에서 정상일 경우에 대한 잔차의 평균값이 -0
42 42
제39항에 있어서,상기 제12-2단계에서 시점 t에서의 GLR(Generalized Likelihood Ratio)이, 식(는 최근 윈도우 크기 개의 데이터로 구한 평균을 의미함)에 의해 구해지고,가, 식에 의해 표현되는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
43 43
제39항에 있어서,제12-2단계에서 GLRT의 검정통계량 GT가 시점 t에서 얻어지는 GLR 중의 윈도우 크기 내에서 가장 큰 것으로 정의하고, 식(단, 는 최근 k개의 데이터로 시점 t에서 구한 평균을 나타냄)에 의해 구하는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
44 44
제43항에 있어서,각 윈도우 크기에서의 GT 통계량과 최대 윈도우에서의 GT 통계량과의 MSE 차이를, 식에 의해 구하고,MSE(GTi)의 감소가 둔화되는 점에서 최적 윈도우크기를 설정하는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
45 45
제39항에 있어서,상기 제12-4단계에서의 관리한계선(UCL)을 UCL=28
46 46
제39항에 있어서,상기 제12-5단계에서 분석에 사용되는 센서 데이터가,원자로 출력(%)과, 가압기 수위(%), 증기발생기 증기 유량(Mkg/hr), 증기발생기 협역 수위 데이터(%), 증기발생기 압력 데이터(Kg/cm2), 증기발생기 광역 수위 데이터(%), 증기발생기 주급수 유량 데이터(Mkg/hr), 터빈 출력 데이터(MWe), 원자로 냉각재 충전 유량 데이터(m3/hr), 잔열제거 유량 데이터(m3/hr), 원자로 상부 냉각재 온도 데이터(℃)인 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
47 47
제39항에 있어서,상기 제12-5단계에서 계측기에 대한 정확도가, 식(여기서, N : 시험데이터의 수, : i번째 시험데이터에 대한 모델의 추정치, : i번째 시험데이터의 측정치)에 의해 나타내어지는 것을 특징으로 하는 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법
지정국 정보가 없습니다
순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - 패밀리정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 WO2012050262 WO 세계지적재산권기구(WIPO) FAMILY

DOCDB 패밀리 정보

순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - DOCDB 패밀리 정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 WO2012050262 WO 세계지적재산권기구(WIPO) DOCDBFAMILY
국가 R&D 정보가 없습니다.