| 1 |
1
프로세서를 포함한 컴퓨팅 장치에 의해 수행되는 이미지 생성 방법에 있어서, 상기 발전 설비에 설치된 복수의 센서의 센싱 데이터를 획득하는 단계; 상기 센싱 데이터를 점수 모델에 적용하여 상황 점수를 산출하는 단계; 및모니터링 시간 범위에서의 상황 점수에 기초하여 발전 설비의 상황을 나타내는 상황 이미지를 생성하는 단계를 포함하되, 상기 점수 모델은 센싱 데이터로부터 통계적 특징 값을 추출하도록 구성된 통계적 특징 추출 레이어, 및 상기 센싱 데이터로부터 추출된 통계적 특징 값에 기초하여 상황 점수를 산출하도록 구성된 점수 산출 레이어를 포함하는 것을 특징으로 하는 이미지 생성 방법
|
| 2 |
2
제1항에 있어서, 상기 점수 모델은,정상 상황에서의 샘플을 미리 모델링된 통계적 특징 추출 레이어에 적용하여 샘플별로 통계적 특징 값을 추출하는 단계 - 상기 샘플은 정상 상황에서의 복수의 센서의 센싱 데이터를 샘플 데이터로 포함함; 상기 샘플 데이터의 통계적 특징 값에 기초하여 각 센서별 샘플 데이터에 대한 평균 및 공분산을 산출하는 단계; 상기 각 센서별 샘플 데이터에 대한 평균 및 공분산에 기초하여 상황 점수를 산출하는 점수 산출 레이어를 모델링하는 단계; 및상기 통계적 특징 추출 레이어 및 점수 산출 레이어를 포함한 점수 모델을 생성하는 단계가 수행되어 생성된 것을 특징으로 하는 이미지 생성 방법
|
| 3 |
3
제1항에 있어서, 상기 통계적 특징 값은,평균 값, 중앙 값, 최대 값, 최소 값, 표준 편차, RMS(root mean squre), 왜도(Skewness), 첨도(kurtosis) 및 이들의 조합 중 하나 이상을 포함하는 것을 특징으로 하는 이미지 생성 방법
|
| 4 |
4
제1항에 있어서,상기 통계적 특징 추출 레이어는 입력된 센싱 데이터에 대한 통계적 특징 값을 추출하도록 구성되는 것을 특징으로 하는 이미지 생성 방법
|
| 5 |
5
제1항에 있어서,상기 통계적 특징 추출 레이어는 입력된 센싱 데이터의 변화량 데이터에 대한 통계적 특징 값을 추출하도록 구성되는 것을 특징으로 하는 이미지 생성 방법
|
| 6 |
6
제2항에 있어서, 상기 점수 산출 레이어는 다음의 수학식 1으로 모델링되며, [수학식 1]여기서, Fk는 시각(tk)에서 상기 복수의 센서의 센싱 데이터로부터 추출된 통계적 특징 값을 포함한 통계적 특징 값 세트로서 Fk는 i번째 센서의 센싱 데이터로부터 추출된 통계적 특징 값을 포함하고, n은 센서의 개수, fn은 통계적 특징 값의 유형의 개수, mi는 i번째 센서의 통계적 특징 값에 대한 평균, covi는 i번째 센서의 통계적 특징에 대한 공분산, T는 행렬의 선형 변환을 나타내는 것을 특징으로 하는 이미지 생성 방법
|
| 7 |
7
제1항에 있어서, 상기 상황 이미지를 생성하는 단계는,상기 이미지 생성부는 상기 모니터링 시간 범위에 기초하여 상황 이미지를 형성하는 픽셀의 수를 결정하는 단계; 및픽셀과 관련된 상황 점수에 기초하여 색상을 결정하는 단계를 포함하는 것을 특징으로 하는 이미지 생성 방법
|
| 8 |
8
제7항에 있어서, 상기 픽셀의 수를 결정하는 단계는,상기 모니터링 시간 범위에 기초하여 상기 상황 이미지의 수평 픽셀의 수 및 수직 픽셀의 수를 결정하는 단계를 포함하는 것을 특징으로 하는 이미지 생성 방법
|
| 9 |
9
제7항에 있어서, 상기 픽셀의 위치는 수평 좌표로서 상기 모니터링 시간 범위 내 시간에 대응하는 값, 그리고 수직 좌표로서 상기 모니터링 시간 범위 내 시간에 대응하는 값으로 표현할 수 있는 것을 특징으로 하는 이미지 생성 방법
|
| 10 |
10
제7항에 있어서, 상기 모니터링 시간 범위는 제1 시간과 제2 시간 사이의 시간 범위로서, 상기 제2 시간은 상기 제1 시간으로부터 이전 시간인 것을 특징으로 하는 이미지 생성 방법
|
| 11 |
11
제10항에 있어서, 상기 제1 시간은 실시간인 것을 특징으로 하는 이미지 생성 방법
|
| 12 |
12
제7항에 있어서, 상기 색상을 결정하는 단계는, 상기 픽셀과 관련된 시간에서의 상황 점수 간의 차이를 이미지 색상 값으로 산출하는 단계;산출된 이미지 색상 값의 최대 값 및 최소 값을 미리 저장된 색상 중 적어도 일부를 포함하는 색상 집합의 수치 범위로 설정하여 이미지 색상 테이블을 생성하는 단계; 및상기 산출된 이미지 색상 값에 대응하는 상기 이미지 색상 테이블의 색상을 각 픽셀의 색상으로 결정하는 단계를 포함하는 것을 특징으로 하는 이미지 생성 방법
|
| 13 |
13
제12항에 있어서, 상기 이미지 색상 값은 수직 좌표(v)에 대응하는 시간(tv)에서의 상황 점수와 수평 좌표(h)에 대응하는 시간(th)에서의 상황 점수 간의 차이를 나타내는 것으로서, 상기 이미지 색상 값은 다음의 수학식에 의해 산출되며,[수학식 2]여기서, image(v, h)는 수직 좌표(v) 및 수평 좌표(h)를 갖는 픽셀의 이미지 색상 값인 것을 특징으로 하는 이미지 생성 방법
|
| 14 |
14
제1항에 있어서, 상기 상황 이미지에 기초하여 발전 설비의 상황을 판단하는 단계를 더 포함하는 이미지 생성 방법
|
| 15 |
15
제14항에 있어서, 상기 발전 설비의 상황을 판단하는 단계는,상기 상황 이미지를 상황 판단 모델에 적용하여 발전 설비의 상황을 판단하는 단계를 포함하되, 상기 상황 판단 모델은 CNN(Convolution Neural Network) 기반 기계 학습 모델로서, 정상 상황에서의 상황 이미지 및 비정상 상황에서의 상황 이미지를 분류하도록 기계 학습된 것을 특징으로 하는 이미지 생성 방법
|
| 16 |
16
컴퓨팅 장치에 의해 판독가능하고, 상기 컴퓨팅 장치에 의해 동작 가능한 프로그램 명령어를 저장하는 컴퓨터 판독가능 기록매체로서, 상기 프로그램 명령어가 상기 컴퓨팅 장치의 프로세서에 의해 실행되는 경우 상기 프로세서가 제1항 내지 제15항 중 어느 하나의 항에 따른 이미지 생성 방법을 수행하게 하는 컴퓨터 판독가능 기록매체
|
| 17 |
17
발전 설비의 상황을 모니터링하기 위한 이미지 생성 장치에 있어서, 상기 발전 설비에 설치된 복수의 센서의 센싱 데이터를 획득하는 데이터 획득부; 미리 모델링된 점수 모델을 저장하는 저장부; 상기 센싱 데이터를 상기 점수 모델에 적용하여 상황 점수를 산출하는 점수 산출부; 및모니터링 시간 범위에서의 상황 점수에 기초하여 발전 설비의 상황을 나타내는 상황 이미지를 생성하는 이미지 생성부를 포함하되, 상기 점수 모델은 센싱 데이터로부터 통계적 특징 값을 추출하도록 구성된 통계적 특징 추출 레이어, 및 상기 센싱 데이터로부터 추출된 통계적 특징 값에 기초하여 상황 점수를 산출하도록 구성된 점수 산출 레이어를 포함하는 것을 특징으로 하는 이미지 생성 장치
|
