| 1 |
1
기계학습 기반 펌프수차 고장 진단 시스템으로서,복수의 센서에서 계측된 신호 데이터(이하 '계측 데이터'라 한다)를 수집하고, 이에 대한 전처리를 수행하는 신호 수집부;정상상태 또는 이상상태 여부를 판단하는 이상상태 경보 모델을 생성하는 이상상태 경보 모델 생성 모듈을 구비하는 학습부; 및,상기 학습부에서 생성된 이상상태 경보 모델을 이용하여 정상상태 또는 이상상태 여부를 판단하는 이상상태 경보 모듈을 구비하는 판단부를 포함하고,상기 이상상태 경보 모델 생성 모듈은,다변량 계측 데이터에 대한 평균, 공분산 및, 상기 다변량 계측 데이터의 확률밀도함수 값에서 이상상태와 정상상태를 구분하는 경계값인 신뢰한계값을 산출함으로써 이상상태 경보 모델을 생성하는,기계학습 기반 펌프수차 고장 진단 시스템
|
| 2 |
2
청구항 1에 있어서,상기 학습부는,정상/이상 여부 및, 이상일 경우 이상상태 종류를 분류 산출하는 이상상태 진단 모델을 생성하는 이상상태 진단 모델 생성모듈을 더 구비하고,상기 판단부는,상기 학습부에서 생성한 이상상태 진단 모델을 이용하여 정상/이상 여부 및, 이상일 경우 이상상태 종류를 분류 산출하는 이상상태 진단 모듈을 더 구비하는 것을 특징으로 하는 기계학습 기반 펌프수차 고장 진단 시스템
|
| 3 |
3
청구항 1 또는 청구항 2에 있어서,기계학습 기반 펌프수차 고장 진단 시스템의 운행 중 이상 여부를 모니터링하고, 상기 판단부에서 산출된 결과 및, 상기 모니터링에 의해 확인된 실제 이상 여부 결과를 상기 학습부로 전달하는 모니터링부를 더 포함하는 것을 특징으로 하는 기계학습 기반 펌프수차 고장 진단 시스템
|
| 4 |
4
청구항 1에 있어서,상기 신호 수집부의 계측 데이터 전처리에는,노이즈 제거, 데이터 분류, 데이터 정규화 기능을 포함하는 것을 특징으로 하는 기계학습 기반 펌프수차 고장 진단 시스템
|
| 5 |
5
청구항 4에 있어서,상기 데이터 분류 기능은,양수(펌프) 및 발전(터빈) 기동 데이터로의 분류를 포함하는 것을 특징으로 하는 기계학습 기반 펌프수차 고장 진단 시스템
|
| 6 |
6
청구항 5에 있어서,상기 데이터 분류 기능은,상기 양수(펌프) 기동 데이터 및 발전(터빈) 기동 데이터 각각에 대하여, 휴동 구간, 변동 구간 및 가동 구간으로의 분류를 더 포함하는 것을 특징으로 하는 기계학습 기반 펌프수차 고장 진단 시스템
|
| 7 |
7
청구항 4에 있어서,상기 데이터 정규화 기능은,분류된 데이터 별로 정규화를 수행하는 것을 특징으로 하는 기계학습 기반 펌프수차 고장 진단 시스템
|
| 8 |
8
삭제
|
| 9 |
9
청구항 1에 있어서,상기 다변량 계측 데이터의 확률밀도함수는,로 결정되고, x는 계측 데이터, μ는 계측 데이터의 평균, Σ는 계측 데이터의 공분산, d는 데이터의 차원을 의미하는 것을 특징으로 하는 기계학습 기반 펌프수차 고장 진단 시스템
|
| 10 |
10
청구항 1에 있어서,다변량 계측 데이터에 대한 평균, 공분산은,정상상태의 계측 데이터를 이용하여 산출되는 것을 특징으로 하는 기계학습 기반 펌프수차 고장 진단 시스템
|
| 11 |
11
청구항 1에 있어서,상기 신뢰한계값은,계측 데이터 중, 검증 데이터를 이용해 정밀도(precision), 재현율(recall), F1(재현율과 정밀도의 조화평균) 등을 이용해 성능이 가장 좋은 지점의 확률밀도함수값으로 결정되는 것을 특징으로 하는 기계학습 기반 펌프수차 고장 진단 시스템
|
| 12 |
12
청구항 2에 있어서,상기 이상상태 진단 모듈에서 사용하는 이상상태 진단 모델은 인공신경망이 이용되고, 정상/이상 여부 및, 이상일 경우 이상 유형 분류를 산출하며,상기 이상상태 진단 모델은 상기 이상상태 진단 모델 생성 모듈에서 기계학습에 의해 생성되는 것을 특징으로 하는 기계학습 기반 펌프수차 고장 진단 시스템
|
| 13 |
13
청구항 12에 있어서,상기 이상상태 진단 모델은,정상/이상 여부 및 산출된 이상 유형 분류 각각에 대한 확률값을 산출하며,확률값이 가장 높은 정상/이상 여부 또는 이상 유형 분류를 판별해 모니터링부로 전달하는 것을 특징으로 하는 기계학습 기반 펌프수차 고장 진단 시스템
|
| 14 |
14
청구항 13에 있어서,상기 이상상태 진단 모델이 상기 모니터링부로 전달하는 데이터에는,분류된 각 정상/이상 여부의 확률값 또는 이상 유형 분류의 확률값을 더 포함하는 것을 특징으로 하는 기계학습 기반 펌프수차 고장 진단 시스템
|
| 15 |
15
청구항 1의 기계학습 기반 펌프수차 고장 진단 시스템이 수행하는 펌프수차 고장 진단 방법으로서,(a) 복수의 센서에서 계측된 신호 데이터(이하 '계측 데이터'라 한다)를 수집하고, 이에 대한 전처리를 수행하는 단계;(b) 정상상태 또는 이상상태 여부를 판단하는 이상상태 경보 모델을 생성하는 단계; 및,(c) 상기 이상상태 경보 모델을 이용하여 정상상태 또는 이상상태 여부를 판단하는 단계를 포함하고,상기 단계(b)에서는,다변량 계측 데이터에 대한 평균, 공분산 및, 상기 다변량 계측 데이터의 확률밀도함수 값에서 이상상태와 정상상태를 구분하는 경계값인 신뢰한계값을 산출함으로써 이상상태 경보 모델을 생성하는,기계학습 기반 펌프수차 고장 진단 방법
|
| 16 |
16
기계학습 기반 펌프수차 고장 진단 시스템이 펌프수차 고장 진단을 수행하기 위한, 비일시적 저장매체에 저장된 컴퓨터 프로그램으로서,비일시적 저장매체에 저장되며, 프로세서에 의하여,(a) 복수의 센서에서 계측된 신호 데이터(이하 '계측 데이터'라 한다)를 수집하고, 이에 대한 전처리를 수행하는 단계;(b) 정상상태 또는 이상상태 여부를 판단하는 이상상태 경보 모델을 생성하는 단계; 및,(c) 상기 이상상태 경보 모델을 이용하여 정상상태 또는 이상상태 여부를 판단하는 단계가 실행되도록 하는 명령을 포함하고,상기 단계(b)에서는,다변량 계측 데이터에 대한 평균, 공분산 및, 상기 다변량 계측 데이터의 확률밀도함수 값에서 이상상태와 정상상태를 구분하는 경계값인 신뢰한계값을 산출함으로써 이상상태 경보 모델을 생성하는,기계학습 기반 펌프수차 고장 진단 시스템이 펌프수차 고장 진단을 수행하기 위한, 비일시적 저장매체에 저장된 컴퓨터 프로그램
|
| 17 |
17
기계학습에 기반하여 펌프수차 고장 진단을 수행하는 시스템으로서,적어도 하나의 프로세서; 및컴퓨터로 실행가능한 명령을 저장하는 적어도 하나의 메모리를 포함하되,상기 적어도 하나의 메모리에 저장된 상기 컴퓨터로 실행가능한 명령은, 상기 적어도 하나의 프로세서에 의하여, (a) 복수의 센서에서 계측된 신호 데이터(이하 '계측 데이터'라 한다)를 수집하고, 이에 대한 전처리를 수행하는 단계;(b) 정상상태 또는 이상상태 여부를 판단하는 이상상태 경보 모델을 생성하는 단계; 및,(c) 상기 이상상태 경보 모델을 이용하여 정상상태 또는 이상상태 여부를 판단하는 단계가 실행되도록 하고,상기 단계(b)에서는,다변량 계측 데이터에 대한 평균, 공분산 및, 상기 다변량 계측 데이터의 확률밀도함수 값에서 이상상태와 정상상태를 구분하는 경계값인 신뢰한계값을 산출함으로써 이상상태 경보 모델을 생성하는,기계학습 기반 펌프수차 고장 진단 수행 시스템
|
