| 1 |
1
화력 발전 설비들의 센서들로부터 센서 데이터들을 획득하는 단계;학습 센서 데이터들을 입력으로 재과열기 튜브의 온도를 출력으로 상기 학습 센서 데이터들 및 상기 재과열기 튜브의 온도의 관계가 학습된 FCN(Fully connected network) 구조의 제1 네트워크로 상기 센서 데이터들을 입력하여 상기 재과열기 튜브의 예상 온도를 예측하는 단계;상기 제1 네트워크의 학습 결과의 오차를 학습한 CNN(Convolutional Neural Network) 구조의 제2 네트워크로 상기 센서 데이터들을 입력하고, 상기 재과열기 튜브의 예상 온도에 대한 오차를 예측하는 단계;상기 예상 온도 및 상기 오차를 이용하여 상기 재과열기 튜브의 최종 예상 온도를 결정하는 단계; 및상기 최종 예상 온도 및 상기 재과열기 튜브의 실제 온도를 비교하여 상기 재과열기 튜브의 누설을 예측하고, 상기 재과열기 튜브의 누설의 원인이 되는 적어도 하나의 설비를 도출하는 단계를 포함하는,딥러닝 기반 재과열기 튜브의 누설 감지 방법
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
제1항에 있어서,상기 제2 네트워크의 컨볼루션 동작을 위한 필터의 제1 축은 시간이고,상기 필터의 제2 축은 상기 센서 데이터들의 센싱 값이고,상기 필터의 제3 축은 상기 센서 데이터들의 종류인,딥러닝 기반 재과열기 튜브의 누설 감지 방법
|
| 5 |
5
제1항에 있어서,상기 화력 발전 설비들의 센서들로부터 센서 데이터들을 획득하는 단계는,상기 화력 발전 설비들 각각에 대해서 특정 시간 구간에서 측정되는 시계열적인 상기 센서 데이터들로부터 특징을 추출하는 단계를 포함하는,딥러닝 기반 재과열기 튜브의 누설 감지 방법
|
| 6 |
6
제1항에 있어서,상기 최종 예상 온도 및 상기 재과열기 튜브의 실제 온도를 비교하여 상기 재과열기 튜브의 누설을 감지하는 단계는,상기 최종 예상 온도 및 상기 재과열기 튜브의 실제 온도가 미리 정해진 오차범위를 초과하는 경우, 상기 재과열기 튜브의 누설이 발생한 것으로 판단하는 단계를 포함하는,딥러닝 기반 재과열기 튜브의 누설 감지 방법
|
| 7 |
7
제1항에 있어서,상기 재과열기 튜브의 누설이 발생한 것으로 판단된 경우,상기 화력 발전 설비들의 센서 데이터들, 상기 센서 데이터들 및 상기 실제 온도를 상기 제1 네트워크 또는 상기 제2 네트워크의 입력 및 출력으로 학습하는 단계를 더 포함하는,딥러닝 기반 재과열기 튜브의 누설 감지 방법
|
| 8 |
8
하드웨어와 결합되어 제1항, 제4항 내지 제7항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램
|
| 9 |
9
딥러닝 기반 재과열기 튜브의 누설 감지 방법을 수행하기 위한 장치에 있어서,하나 이상의 프로세서;메모리; 및상기 메모리에 저장되어 있으며 상기 하나 이상의 프로세서에 의하여 실행되도록 구성되는 하나 이상의 프로그램을 포함하고,상기 프로그램은,화력 발전 설비들의 센서들로부터 센서 데이터들을 획득하는 단계;학습 센서 데이터들을 입력으로 재과열기 튜브의 온도를 출력으로 상기 학습 센서 데이터들 및 상기 재과열기 튜브의 온도의 관계가 학습된 FCN(Fully connected network) 구조의 제1 네트워크로, 상기 센서 데이터들을 입력하여 상기 재과열기 튜브의 예상 온도를 예측하는 단계;상기 제1 네트워크의 학습 결과의 오차를 학습한 CNN(Convolutional Neural Network) 구조의 제2 네트워크로 상기 센서 데이터들을 입력하고 상기 예상 온도에 대한 오차를 예측하는 단계;상기 예상 온도 및 상기 오차를 이용하여 상기 재과열기 튜브의 최종 예상 온도를 결정하는 단계; 및상기 최종 예상 온도 및 상기 재과열기 튜브의 실제 온도를 비교하여 상기 재과열기 튜브의 누설을 예측하고, 상기 재과열기 튜브의 누설의 원인이 되는 적어도 하나의 설비를 도출하는 단계를 수행하는,장치
|
| 10 |
10
삭제
|
| 11 |
11
삭제
|
| 12 |
12
제9항에 있어서,상기 제2 네트워크의 컨볼루션 동작을 위한 필터의 제1 축은 시간이고,상기 필터의 제2 축은 상기 센서 데이터들의 센싱 값이고,상기 필터의 제3 축은 상기 센서 데이터들의 종류인,장치
|
| 13 |
13
제9항에 있어서,상기 화력 발전 설비들의 센서들로부터 센서 데이터들을 획득하는 단계에서,상기 화력 발전 설비들 각각에 대해서 특정 시간 구간에서 측정되는 시계열적인 상기 센서 데이터들로부터 특징을 추출하는 단계를 수행하는,장치
|
| 14 |
14
제9항에 있어서,상기 최종 예상 온도 및 상기 재과열기 튜브의 실제 온도를 비교하여 상기 재과열기 튜브의 누설을 감지하는 단계에서,상기 최종 예상 온도 및 상기 재과열기 튜브의 실제 온도가 미리 정해진 오차범위를 초과하는 경우, 상기 재과열기 튜브의 누설이 발생한 것으로 판단하는 단계를 수행하는,장치
|
| 15 |
15
제9항에 있어서,상기 재과열기 튜브의 누설이 발생한 것으로 판단된 경우,상기 화력 발전 설비들의 센서 데이터들, 상기 센서 데이터들 및 상기 실제 온도를 상기 제1 네트워크 또는 상기 제2 네트워크의 입력 및 출력으로 학습하는 단계를 더 수행하는,장치
|
