1 |
1
발전설비의 고장을 조기 감지하는 모니터링 시스템에 있어서, 발전설비에 할당된 복수의 센서 - 상기 복수의 센서는 센서 쌍 및 다른 센서를 포함함; 미리 학습된 복원 모델을 통해 입력 센서의 실측 값으로부터 상기 센서 쌍 각각의 센서의 예측 값을 복원하는 예측 모듈 - 상기 입력 센서는 상기 다른 센서 중 적어도 일부를 포함함; 상기 센서 쌍의 예측 값 및 실측 값에 기초하여 센서 쌍의 2차원 평면 상에 형성되는 상기 센서 쌍의 예측 값 분포 및 실측 값 분포를 생성하는 분포 모듈; 및상기 센서 쌍의 예측 값 분포 및 실측 값 분포에 대한 통계적 특징에 기초하여 발전설비의 운전 상태가 잠재 고장 상태인지 결정하는 결정 모듈을 포함하는 모니터링 시스템
|
2 |
2
제1항에 있어서, 상기 복원 모델은 정상 상태 하에서 입력 센서가 입력 측정 값을 획득할 경우 센서 쌍의 각 센서가 측정 했을 것으로 예상되는 측정 값을 예측 값으로 생성하도록 학습되는 것을 특징으로 하는 모니터링 시스템
|
3 |
3
제2항에 있어서, 상기 복원 모델은 복수의 훈련 샘플을 이용하여 학습되며, 상기 복수의 훈련 샘플 각각은 복수의 훈련 샘플 각각은, 정상 상태 하에서 동일한 측정 시간 간격 동안 입력 센서에 의해 감지된 훈련 측정 값의 세트를 포함하며, 상기 훈련 측정 값의 세트는 각 입력 센서별로 서브 세트화되는 것을 특징으로 하는 모니터링 시스템
|
4 |
4
제1항에 있어서, 상기 센서 쌍은 상관관계를 가짐으로써 상호 예측 가능한 측정 값의 쌍을 출력하는 것을 특징으로 하는 시스템
|
5 |
5
제1항에 있어서, 상기 2차원 평면은 상기 센서 쌍의 각 센서에 대응한 제1 축 및 제2 축으로 이루어지는 것을 특징으로 하는 모니터링 시스템
|
6 |
6
제1항에 있어서, 상기 분포 모듈은상기 센서 쌍의 예측 값 분포 및 실측 값 분포에 대해서, 분포의 평균, 분산 및 표준 편차 중 하나 이상을 포함한, 상기 통계적 특징을 계산하도록 더 구성된 것을 특징으로 하는 모니터링 시스템
|
7 |
7
제6항에 있어서, 상기 결정 모듈은, 상기 센서 쌍의 예측 값 분포 및 실측 값 분포에 대한 통계적 특징의 비교 결과를 계산하고, 상기 통계적 특징의 비교 결과와 기준 통계적 특징 값을 비교하여 상기 발전설비의 운전 상태를 잠재 고장 상태로 결정하도록 구성되는 것을 특징으로 하는 모니터링 시스템
|
8 |
8
제1항에 있어서, 상기 분포 모듈은, 상기 센서 쌍의 예측 값 분포 및 실측 값 분포에 대한 기하학적 특징을 계산하도록 더 구성되며, 상기 결정 모듈은,상기 센서 쌍의 예측 값 분포 및 실측 값 분포에 대한 기하학적 특징의 비교 결과를 계산하고, 그리고상기 기하학적 특징의 비교 결과와 기준 기하학적 특징을 비교하여 발전설비의 운전 상태가 잠재 고장 상태인지 결정하도록 더 구성되는 것을 특징으로 하는 모니터링 시스템
|
9 |
9
제8항에 있어서, 상기 기하학적 특징은 해당 분포의 주축을 포함하고, 상기 기하학적 특징의 비교 결과는 주축 사이각으로 계산되고, 기준 기하학적 특징은 기준 각도인 것을 특징으로 하는 모니터링 시스템
|
10 |
10
제9항에 있어서, 상기 분포 모듈은,동일한 센서 쌍에 대해서 복수의 분포 시간 간격별로 복수의 예측 값 분포 및 실측 값 분포를 생성하도록 더 구성되고, 상기 결정 모듈은, 복수의 분포 시간 간격별 예측 값 분포 및 실측 값 분포를 사용하여 상기 잠재 고장 상태를 시간 측면에서 서술하는 보조 속성을 결정하도록 더 구성되는 것을 특징으로 하는 모니터링 시스템
|
11 |
11
제10항에 있어서, 상기 결정 모듈은, 분포 시간 간격이 짧아짐에 따라 주축 사이각이 증가할 경우, 단기적인 고장 위험으로 결정하는 것을 특징으로 하는 모니터링 시스템
|
12 |
12
제7항에 있어서, 상기 결정 모듈은, 실측 값 및 해당 예측 값의 분포를 사용하여 센서 쌍에 대한 확률 값을 계산하고, 그리고계산된 확률 값에 기초하여 잠재 고장 상태를 결정하도록 더 구성되는 것을 특징으로 하는 모니터링 시스템
|
13 |
13
제12항에 있어서, 상기 결정 모듈은, 상기 센서 쌍의 예측 값 분포의 통계적 특징에 기초하여 상기 센서 쌍의 예측 값에 대한 가우시안 분포를 획득하고, 상기 센서 쌍의 실측 값을 입력 변수로 상기 예측 값에 대한 가우시안 분포에 입력하여 센서 쌍에 대한 확률 값을 계산하도록 구성된 것을 특징으로 하는 모니터링 시스템
|
14 |
14
제1항에 있어서, 상기 결정 모듈은 상기 복수의 센서 중 적어도 일부의 실측 값과 미리 지정된 고장 기준 값을 비교하여 발전설비의 고장을 감지하도록 더 구성되고, 상기 잠재 고장 상태의 결정은 상기 발전설비의 고장이 감지되기 전에 수행되는 것을 특징으로 하는 모니터링 시스템
|
15 |
15
프로세서에 의해 수행되는, 발전설비의 고장을 조기 감지하는 모니터링 방법에 있어서, 복수의 센서의 실측 값을 획득하는 단계 - 상기 복수의 센서는 발전설비에 할당된 센서로서 센서 쌍 및 다른 센서를 포함함; 미리 학습된 복원 모델을 통해 입력 센서의 실측 값으로부터 센서 쌍 각각의 센서의 예측 값을 복원하는 단계 - 상기 입력 센서는 상기 다른 센서의 적어도 일부임 ; 상기 센서 쌍의 예측 값 분포 및 실측 값 분포를 생성하는 단계; 상기 센서 쌍의 예측 값 분포 및 실측 값 분포에 대한 통계적 특징을 계산하는 단계; 및상기 센서 쌍의 예측 값 분포 및 실측 값 분포에 대한 통계적 특징에 기초하여 발전설비의 운전 상태가 잠재 고장 상태인지 결정하는 단계를 포함하는 모니터링 방법
|
16 |
16
제15항에 있어서, 상기 발전설비의 운전 상태가 잠재 고장 상태인지 결정하는 단계는, 상기 센서 쌍의 예측 값 분포 및 실측 값 분포에 대한 통계적 특징의 비교 결과를 계산하는 단계; 및 상기 통계적 특징의 비교 결과와 기준 통계적 특징 값을 비교하여 상기 발전설비의 운전 상태를 잠재 고장 상태로 결정하는 단계를 포함하는 것을 특징으로 하는 모니터링 방법
|
17 |
17
제16항에 있어서, 상기 센서 쌍의 예측 값 분포 및 실측 값 분포에 대한 기하학적 특징을 계산하는 단계를 더 포함하고, 상기 발전설비의 운전 상태가 잠재 고장 상태인지 결정하는 단계는, 상기 통계적 특징에 기초하여 잠재 고장 상태로 결정된 경우, 상기 센서 쌍의 예측 값 분포 및 실측 값 분포에 대한 기하학적 특징의 비교 결과를 계산하는 단계; 및 상기 기하학적 특징의 비교 결과와 기준 통계적 특징 값을 비교하여 상기 발전설비의 운전 상태를 잠재 고장 상태로 확인는 단계를 포함하는 것을 특징으로 하는 모니터링 방법
|
18 |
18
제16항에 있어서, 모니터링 결과를 제공하기 위해, 상기 센서 쌍에 대한 확률 값을 계산하는 단계를 더 포함하는 것을 특징으로 하는 모니터링 방법
|
19 |
19
제16항에 있어서, 상기 센서 쌍의 예측 값 분포 및 실측 값 분포를 생성하는 단계는 동일한 센서 쌍에 대해서 복수의 분포 시간 간격에 따른 복수의 예측 값 분포 및 실측 값 분포를 생성하는 단계를 포함하고, 상기 발전설비의 운전 상태가 잠재 고장 상태인지 결정하는 단계는 동일한 센서 쌍에 대해서 복수의 분포 시간 간격별 예측 값 분포 및 실측 값 분포를 사용하여 상기 잠재 고장 상태의 보조 속성을 결정하는 단계를 더 포함하는 것을 특징으로 하는 모니터링 방법
|
20 |
20
제15항에 있어서, 상기 발전설비의 운전 상태가 잠재 고장 상태인지 결정하는 단계는, 상기 센서 쌍에 대한 확률 값을 계산하는 단계; 및 상기 확률 값이 미리 설정된 기준 확률 값 미만일 경우, 잠재 고장 상태로 결정하는 단계를 포함하는 것을 특징으로 하는 모니터링 방법
|
21 |
21
제15항 내지 제20항 중 어느 하나의 항에 따른 모니터링 방법을 수행하기 위한, 프로그램을 기록한 컴퓨터 판독가능 기록매체
|