1 |
1
컴퓨터 장치에서 실행되는 컴퓨터 프로그램을 이용하여 양수 수차의 건전성을 자동으로 판정하기 위한 방법으로서,양수 수차에 관한 건전성을 모니터링하기 위한 다수의 센서들이 계측한 데이터가 저장된 모니터링 데이터 저장소로부터 계측 데이터를 읽어와서 건전성 자동 판정 모델부에 입력하는 단계; 상기 건전성 자동 판정 모델부에서, 상기 계측 데이터를 전처리하여 정규화된 계측 데이터를 얻는 단계;상기 정규화된 계측 데이터를 복수의 인공신경망 모델에 각각 입력하여 다중 상태 분류 알고리즘에 따라 각 인공신경망 모델에서 건전성 평가를 위한 분석을 별도의 독립적인 절차로 수행하는 단계; 그리고건전성 판정부에서, 상기 복수의 인공신경망 모델이 분석하여 도출한 별도의 건전성 평가 결과를 이용하여 다수결 원칙에 따라 양수 수차의 건전성 상태 판정을 최종적으로 결정하는 단계를 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 방법
|
2 |
2
제1항에 있어서, 상기 계측 데이터는 터빈, 발전기 및 터빈-발전기 중심축에 관한 온도 데이터, 변위 데이터, 속도 데이터를 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 방법
|
3 |
3
제1항에 있어서, 상기 건전성 자동 판정 모델부에서, 상기 전처리 단계 이전에, 센서별로 분류된 각 계측 데이터별로 시계열 데이터로 계측 빈도가 일정한지를 검토하여, 만일 일정하지 않을 경우 이전 데이터를 기반으로 선형 보간을 수행하여 각 데이터별로 계측 빈도를 일정하게 만드는 단계를 더 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 방법
|
4 |
4
제1항에 있어서, 상기 정규화된 계측 데이터를 얻는 단계는, 입력받은 계측 데이터를 센서별로 분류하는 단계; 양수 수차의 상태 정보 이외에 외기에 의해 변화한 온도, 습도 및 진동에 의한 노이즈를 제거하는 단계; 그리고 해당 데이터 이전의 소정 기간 동안의 데이터를 활용하여 데이터 정규화를 수행하는 단계를 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 방법
|
5 |
5
제1항에 있어서, 상기 다중 상태 분류 알고리즘이 사용하는 상기 복수의 인공신경망 모델은 다층 퍼셉트론 기반 모델(Multi-Layer Perceptron Model: MLP 모델), 1차원 합성곱 신경망 기반 모델(1 Dimensional Convolutional Neural Networks: 1D-CNN 모델), 그리고 순환 신경망 장단기 기억 기반 모델(Recurrent Neural Networks-Long Short-Term Memory: RNN-LSTM 모델을 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 방법
|
6 |
6
제1항에 있어서, 상기 건전성 판정부가 상기 건전성 자동 판정 모델부에서 도출한 최종 평가 결과를 동일시점의 모니터링데이터와 함께 데이터 저장소에 저장하는 단계를 더 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 방법
|
7 |
7
제1항에 있어서, 상기 건전성 판정부에서 도출한 최종 평가 결과가 이상상태로 판정 시 관리자에게 경보를 발하는 단계를 더 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 방법
|
8 |
8
양수 수차의 건전성에 관련된 요소들을 실시간 계측하는 것에 의해 계측 데이터를 생성하는 다수의 센서들을 포함하는 모니터링 센서부; 상기 모니터링 센서부에서 생성되는 상기 계측 데이터를 제공받아 저장하는 데이터 저장소; 그리고프로그램의 실행을 통해 상기 계측 데이터를 처리하여 상기 양수 수차의 건전성을 평가하도록 구성된 컴퓨팅 장치를 구비하며, 상기 프로그램은, 다중 상태 분류 알고리즘에 따라,상기 데이터 저장소로부터 읽어온 상기 계측 데이터를 전처리를 통해 정규화하여 복수의 인공신경망 모델에 입력하고, 각 인공신경망 모델에서 그 입력된 계측 데이터를 이용하여 별도의 독립적인 절차로 건전성 평가를 위한 분석을 수행하는 기능을 포함하는 건전성 자동 판정 모델부; 그리고 상기 복수의 인공신경망 모델이 분석하여 도출한 별도의 건전성 평가 결과를 이용하여 다수결 원칙에 따라 양수 수차의 건전성 상태 판정을 최종적으로 결정하는 기능을 포함하는 건전성 판정부를 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 시스템
|
9 |
9
제8항에 있어서, 상기 프로그램은 상기 건전성 판정부가 도출한 상기 양수 수차의 건전성 상태 판정의 결과를 전달받아 시스템 관리자가 파악할 수 있는 형태로 변환하여 그 시스템 관리자에게 제공하는 기능과, 도출한 최종 평가 결과가 이상상태로 판정 시 관리자에게 경보를 발하는 기능을 포함하는 판정결과 통지부를 더 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 시스템
|
10 |
10
제8항에 있어서, 상기 계측 데이터는 터빈, 발전기 및 터빈-발전기 중심축에 관한 온도 데이터, 변위 데이터, 속도 데이터를 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 시스템
|
11 |
11
제8항에 있어서, 상기 건전성 자동 판정 모델부는, 센서별로 분류된 각 계측 데이터별로 시계열 데이터로 계측 빈도가 일정한지를 검토하여, 만일 일정하지 않을 경우 이전 데이터를 기반으로 선형 보간을 수행하여 각 데이터별로 계측 빈도를 일정하게 만드는 기능을 더 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 시스템
|
12 |
12
제8항에 있어서, 상기 건전성 자동 판정 모델부는, 상기 데이터 저장소로부터 읽어온 계측 데이터를 센서별로 분류하는 기능, 양수 수차의 상태 정보 이외에 외기에 의해 변화한 온도, 습도 및 진동에 의한 노이즈를 제거하는 기능; 그리고 해당 데이터 이전의 소정 기간 동안의 데이터를 활용하여 데이터 정규화를 수행하는 기능을 더 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 시스템
|
13 |
13
제8항에 있어서, 상기 다중 상태 분류 알고리즘이 사용하는 상기 복수의 인공신경망 모델은 다층 퍼셉트론 기반 모델(Multi-Layer Perceptron Model: MLP 모델), 1차원 합성곱 신경망 기반 모델(1 Dimensional Convolutional Neural Networks: 1D-CNN 모델), 그리고 순환 신경망 장단기 기억 기반 모델(Recurrent Neural Networks-Long Short-Term Memory: RNN-LSTM 모델을 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 시스템
|
14 |
14
제8항에 있어서, 상기 건전성 판정부는 상기 건전성 자동 판정 모델부에서 도출한 최종 평가 결과를 동일시점의 모니터링데이터와 함께 상기 데이터 저장소에 저장하는 기능을 더 포함하는 것을 특징으로 하는 양수 수차의 건전성을 자동으로 판정하기 위한 시스템
|
15 |
15
제1항 내지 제7항 중 어느 한 항에 기재된 양수 수차의 건전성을 자동으로 판정하기 위한 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체
|