1 |
1
발전 설비(10)의 상태 신호를 검출하는 센서 블럭(110);상기 상태 신호를 수집하는 수집부(120);수집된 상기 상태 신호를 이용하여 센서별 확률 분포를 계산하는 계산부(130); 및 상기 센서별 확률 분포에 따라 상기 발전 설비(10)의 튜브에서 누설 여부를 추정하는 분석부(140);를 포함하는 것을 특징으로 하는 발전 설비의 상태 신호를 이용한 튜브 누설 검출 시스템
|
2 |
2
제 1 항에 있어서,상기 센서 블록(110)은 상기 상태 신호를 검출하는 적어도 2개의 센서(111-1 내지 111-n)로 이루어지는 것을 특징으로 하는 발전 설비의 상태 신호를 이용한 튜브 누설 검출 시스템
|
3 |
3
제 2 항에 있어서,상기 상태 신호는 음향 신호이고, 적어도 2개의 상기 센서(111-1 내지 111-n)는 AE(Acoustic Emission) 센서인 것을 특징으로 하는 발전 설비의 상태 신호를 이용한 튜브 누설 검출 시스템
|
4 |
4
제 2 항에 있어서,상기 계산부(130)는 적어도 2개의 상기 센서(111-1 내지 111-n)간 상기 상태 신호의 신호 특성이 변하는 시점의 시간차를 이용하여 각 센서(111-1 내지 111-n)로부터 누설위치까지의 거리를 계산하는 것을 특징으로 하는 발전 설비의 상태 신호를 이용한 튜브 누설 검출 시스템
|
5 |
5
제 4 항에 있어서,상기 계산부(130)는 적어도 2개의 상기 센서(111-1 내지 111-n)별로 상기 누설위치까지의 거리를 평균으로 하는 정규 확률 분포를 이용하여 센서 위치별 누설확률을 계산하는 것을 특징으로 하는 발전 설비의 상태 신호를 이용한 튜브 누설 검출 시스템
|
6 |
6
제 5 항에 있어서,상기 계산부(130)는 상기 센서 위치별 누설 확률을 이용하여 모든 적어도 2개의 상기 센서(111-1 내지 111-n)에 대한 위치별 확률 분포를 산출하고, 상기 위치별 확률 분포를 기반으로 상기 발전 설비(10)의 튜브에서 누설 위치를 추정하는 것을 특징으로 하는 발전 설비의 상태 신호를 이용한 튜브 누설 검출 시스템
|
7 |
7
제 6 항에 있어서,상기 센서 위치별 누설 확률은 수학식 (여기서, : i번째 센서의 가중치 파라미터, Likelihood는 위치별 누설 가능도이다)로 정의되는 것을 특징으로 하는 발전 설비의 상태 신호를 이용한 튜브 누설 검출 시스템
|
8 |
8
제 7 항에 있어서,상기 위치별 누설 가능도는 수학식 (여기서, 이고, mi = u ×ti ,(xi,yi,zi): i번째 센서의 위치, u: 파장 전파 속도, tij: i번째 센서에서 j번째 센서와의 도달 시간 차이, : i번째 센서와 j번째 센서의 불확실성합)로 정의되는 것을 특징으로 하는 발전 설비의 상태 신호를 이용한 튜브 누설 검출 시스템
|
9 |
9
제 1 항에 있어서,상기 계산부(130)는 상기 발전 설비(10)의 운전신호를 수신받아 CNN(Convolutional Neural Networks)-LSTM(Long Short-Term Memory models)-AE(Auto Encoder) 알고리즘을 이용하여 상기 운전신호의 국부적 특성 학습 및 연속 특성 학습을 수행하는 것을 특징으로 하는 발전 설비의 상태 신호를 이용한 튜브 누설 검출 시스템
|
10 |
10
제 9 항에 있어서,상기 운전 신호는 윈도우징 기법을 통해 일정한 시간 간격으로 일부 겹치게 분할되어 시퀀스 개수, 시퀀스 길이, 및 태그를 갖는 1차 시퀀스 신호(821)로 변환되는 것을 특징으로 하는 발전 설비의 상태 신호를 이용한 튜브 누설 검출 시스템
|
11 |
11
제 10 항에 있어서,상기 1차 시퀀스 신호(821)는 합성곱 신경망(CNN)의 입력신호로 사용되기 위해 서브 시퀀스 형태로 분할되어 시퀀스 개수, 서브 시퀀스 개수, 서브시퀀스 길이, 및 태그를 갖는 입력 시퀀스 신호(831)로 변환되는 것을 특징으로 하는 발전 설비의 상태 신호를 이용한 튜브 누설 검출 시스템
|
12 |
12
제 9 항에 있어서,상기 분석부(140)는 잠재 변수를 통해 재구성되는 출력 시퀀스 신호(350)와 상기 운전신호와 차이값을 계산하고, 상기 차이값이 미리 정해진 경계치를 넘으면 이상으로 감지하는 것을 특징으로 하는 발전 설비의 상태 신호를 이용한 튜브 누설 검출 시스템
|
13 |
13
제 1 항에 있어서,상기 분석부(140)는 상기 누설여부에 따라 누설이 추정되면 누설 알람 정보를 생성하며, 상기 누설 알람 정보는 음성, 그래픽, 및 문자의 조합인 것을 특징으로 하는 발전 설비의 상태 신호를 이용한 튜브 누설 검출 시스템
|
14 |
14
(a) 센서 블럭(110)이 발전 설비(10)의 상태 신호를 검출하는 단계;(b) 수집부(120)가 상기 상태 신호를 수집하는 단계;(c) 계산부(130)가 수집된 상기 상태 신호를 이용하여 센서별 확률 분포를 계산하는 단계; 및 (d) 분석부(140)가 상기 센서별 확률 분포에 따라 상기 발전 설비(10)의 튜브에서 누설 여부를 추정하는 단계;를 포함하는 것을 특징으로 하는 발전 설비의 상태 신호를 이용한 튜브 누설 검출 방법
|
15 |
15
제 14 항에 있어서,상기 센서 블록(110)은 상기 상태 신호를 검출하는 적어도 2개의 센서(111-1 내지 111-n)로 이루어지는 것을 특징으로 하는 발전 설비의 상태 신호를 이용한 튜브 누설 검출 방법
|
16 |
16
제 15 항에 있어서,상기 상태 신호는 음향 신호이고, 적어도 2개의 상기 센서(111-1 내지 111-n)는 AE(Acoustic Emission) 센서인 것을 특징으로 하는 발전 설비의 상태 신호를 이용한 튜브 누설 검출 방법
|
17 |
17
제 16 항에 있어서,상기 계산부(130)는 적어도 2개의 상기 센서(111-1 내지 111-n)간 상기 상태 신호의 신호 특성이 변하는 시점의 시간차를 이용하여 각 센서(111-1 내지 111-n)로부터 누설위치까지의 거리를 계산하는 것을 특징으로 하는 발전 설비의 상태 신호를 이용한 튜브 누설 검출 방법
|
18 |
18
제 17 항에 있어서,상기 계산부(130)는 적어도 2개의 상기 센서(111-1 내지 111-n)별로 상기 누설위치까지의 거리를 평균으로 하는 정규 확률 분포를 이용하여 센서 위치별 누설확률을 계산하는 것을 특징으로 하는 발전 설비의 상태 신호를 이용한 튜브 누설 검출 방법
|
19 |
19
제 18 항에 있어서,상기 계산부(130)는 상기 센서 위치별 누설 확률을 이용하여 모든 적어도 2개의 상기 센서(111-1 내지 111-n)에 대한 위치별 확률 분포를 산출하고, 상기 위치별 확률 분포를 기반으로 상기 발전 설비(10)의 튜브에서 누설 위치를 추정하는 것을 특징으로 하는 발전 설비의 상태 신호를 이용한 튜브 누설 검출 방법
|
20 |
20
제 14 항에 있어서,상기 (c) 단계는,계산부(130)가 상기 발전 설비(10)의 운전신호를 수신받아 CNN(Convolutional Neural Networks)-LSTM(Long Short-Term Memory models)-AE(Auto Encoder) 알고리즘을 이용하여 상기 운전신호의 국부적 특성 학습 및 연속 특성 학습을 수행하는 단계;를 포함하는 것을 특징으로 하는 발전 설비의 상태 신호를 이용한 튜브 누설 검출 방법
|