[go: up one dir, main page]

KR102500578B1 - 원자력 발전소용 비상디젤발전기의 이상 진단 장치 - Google Patents

원자력 발전소용 비상디젤발전기의 이상 진단 장치 Download PDF

Info

Publication number
KR102500578B1
KR102500578B1 KR1020220144357A KR20220144357A KR102500578B1 KR 102500578 B1 KR102500578 B1 KR 102500578B1 KR 1020220144357 A KR1020220144357 A KR 1020220144357A KR 20220144357 A KR20220144357 A KR 20220144357A KR 102500578 B1 KR102500578 B1 KR 102500578B1
Authority
KR
South Korea
Prior art keywords
abnormality
category
classification module
class
upper category
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
KR1020220144357A
Other languages
English (en)
Inventor
박정원
Original Assignee
(주)원프랜트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)원프랜트 filed Critical (주)원프랜트
Priority to KR1020220144357A priority Critical patent/KR102500578B1/ko
Application granted granted Critical
Publication of KR102500578B1 publication Critical patent/KR102500578B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/40—Testing power supplies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
    • G21C—NUCLEAR REACTORS
    • G21C17/00—Monitoring; Testing ; Maintaining
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E30/00—Energy generation of nuclear origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Plasma & Fusion (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

본 발명에 따른 원자력 발전소용 비상디젤발전기의 이상 진단 장치는, 상기 비상디젤발전기에 설치되어 센싱데이터를 검출하는 센싱부; 상기 센싱데이터를 디지털 데이터로 변환하고 전처리를 수행하는 전처리부; 상기 전처리된 센싱데이터를 입력으로 받아 상위 카테고리의 각 클래스에 대한 확률을 추정하는 상위 카테고리 이상 분류 모듈로서, 상기 상위 카테고리의 각 클래스는 엔진계통 이상, 연료유계통 이상, 냉각수계통 이상, 윤활계통 이상, 흡배기계통 이상을 나타내고, 상기 상위 카테고리 이상 분류 모듈에서 중간 특징 데이터가 추출되는, 상위 카테고리 이상 분류 모듈; 상기 전처리된 센싱데이터를 입력으로 받고 상기 상위 카테고리 분류 모듈에서 추출되는 상기 중간 특징 데이터에 기초하여 상기 상위 카테고리에 종속되는 하위 카테고리의 각 클래스에 대한 확률을 추정하는 하위 카테고리 이상 분류 모듈로서, 상기 상위 카테고리가 엔진계통 이상인 경우 상기 하위 카테고리의 각 클래스는 조속기 이상, 실린더 이상, 실린더 헤드 이상을 나타내고, 상기 상위 카테고리가 연료유계통 이상인 경우 상기 하위 카테고리의 각 클래스는 연료유펌프 이상, 연료유품질 이상, 연료유배관 이상을 나타내고, 상기 상위 카테고리가 냉각수계통 이상인 경우 상기 하위 카테고리의 각 클래스는 열교환기 이상, 냉각수펌프 이상, 냉각수배관 이상을 나타내고, 상기 상위 카테고리가 윤활계통 이상인 경우 상기 하위 카테고리의 각 클래스는 윤활유 이상, 윤활유배관 이상을 나타내고, 상기 상위 카테고리가 흡배기계통 이상인 경우 상기 하위 카테고리의 각 클래스는 터보차저 이상, 배기다기관 이상을 나타내는, 하위 카테고리 이상 분류 모듈; 및 상기 상위 카테고리 이상 분류 모듈 및 상기 하위 카테고리 이상 분류 모듈로부터 출력되는 클래스 확률에 기초하여 상기 비상디젤발전기의 이상 유형을 판단하는 이상 판단부를 포함하는 것을 특징으로 한다.

Description

원자력 발전소용 비상디젤발전기의 이상 진단 장치{APPARATUS FOR DIAGNOSING ABNORMALITY OF EMERGENCY DIESEL GENERATOR FOR NUCLEAR POWER PLANT}
본 발명은 원자력 발전소용 비상디젤발전기의 이상 진단 장치에 관한 것이다.
원자력 발전소에 설치되어 있는 비상디젤발전기(Emergency Diesel Generator, EDG)는 원자로 출력 운전 중 외부전원상실사고(LOOP) 또는 냉각재상실사고(LOCA)가 발생하였을 때 10초 내에 긴급 가동되고 1분 내에 원자로를 안전하게 정지시키기 위한 안전성관련 설비(ESFS 등)에 전원을 공급해야 하는 중요한 요소이다. 따라서, 대부분의 원자력 발전소에는 원자로 한 호기당 비상디젤발전기가 두 대씩 설치되어 있으며 비상시 한 대가 예상하지 못한 어떤 원인에 의해 기동이 실패되더라도 나머지 한 대가 기동되어 발전소 비상사태에 적절히 대응할 수 있게 다중 방어 개념으로 설치되어 있다.
비상디젤발전기는 원자력 발전소의 안전성을 확보하는데 매우 중요한 역할을 담당하기 때문에 그 성능을 최적으로 유지 관리하기 위해 많은 노력을 기울여야 한다. 이를 위해 비상디젤발전기의 성능 상태를 감시하여 이상 상태를 예측하고 고장을 방지하기 위한 기술이 요구된다.
최근 들어 머신러닝, 인공신경망 등 인공지능 기술을 이용하여 각종 시스템의 이상을 진단하는 기술이 도입되고 있는데, 원자력 발전소용 비상디젤발전기는 이상 유형이 복잡하고 다양하여 이상 진단에 기존의 인공지능 기술을 적용하기에 어려움이 있다.
본 발명이 이루고자 하는 기술적 과제는, 복잡하고 다양한 이상 유형을 가지는 원자력 발전소용 비상디젤발전기의 이상을 효과적으로 진단할 수 있는 원자력 발전소용 비상디젤발전기의 이상 진단 장치를 제공하는 데 있다.
본 발명의 해결하고자 하는 과제는 이상에서 언급한 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 기술적 과제를 해결하기 위한 본 발명에 따른 원자력 발전소용 비상디젤발전기의 이상 진단 장치는, 상기 비상디젤발전기에 설치되어 센싱데이터를 검출하는 센싱부; 상기 센싱데이터를 디지털 데이터로 변환하고 전처리를 수행하는 전처리부; 상기 전처리된 센싱데이터를 입력으로 받아 상위 카테고리의 각 클래스에 대한 확률을 추정하는 상위 카테고리 이상 분류 모듈로서, 상기 상위 카테고리의 각 클래스는 엔진계통 이상, 연료유계통 이상, 냉각수계통 이상, 윤활계통 이상, 흡배기계통 이상을 나타내고, 상기 상위 카테고리 이상 분류 모듈에서 중간 특징 데이터가 추출되는, 상위 카테고리 이상 분류 모듈; 상기 전처리된 센싱데이터를 입력으로 받고 상기 상위 카테고리 분류 모듈에서 추출되는 상기 중간 특징 데이터에 기초하여 상기 상위 카테고리에 종속되는 하위 카테고리의 각 클래스에 대한 확률을 추정하는 하위 카테고리 이상 분류 모듈로서, 상기 상위 카테고리가 엔진계통 이상인 경우 상기 하위 카테고리의 각 클래스는 조속기 이상, 실린더 이상, 실린더 헤드 이상을 나타내고, 상기 상위 카테고리가 연료유계통 이상인 경우 상기 하위 카테고리의 각 클래스는 연료유펌프 이상, 연료유품질 이상, 연료유배관 이상을 나타내고, 상기 상위 카테고리가 냉각수계통 이상인 경우 상기 하위 카테고리의 각 클래스는 열교환기 이상, 냉각수펌프 이상, 냉각수배관 이상을 나타내고, 상기 상위 카테고리가 윤활계통 이상인 경우 상기 하위 카테고리의 각 클래스는 윤활유 이상, 윤활유배관 이상을 나타내고, 상기 상위 카테고리가 흡배기계통 이상인 경우 상기 하위 카테고리의 각 클래스는 터보차저 이상, 배기다기관 이상을 나타내는, 하위 카테고리 이상 분류 모듈; 및 상기 상위 카테고리 이상 분류 모듈 및 상기 하위 카테고리 이상 분류 모듈로부터 출력되는 클래스 확률에 기초하여 상기 비상디젤발전기의 이상 유형을 판단하는 이상 판단부를 포함하는 것을 특징으로 한다.
상기 상위 카테고리 이상 분류 모듈 및 상기 하위 카테고리 이상 분류 모듈은 각각, 컨볼루션 레이어, 배치 정규화(Batch Normalization) 레이어, ReLU 레이어, 맥스풀링(Max Pooling) 레이어가 순차적으로 연결된 구조로 이루어진 제1 컨볼루션 블록; 상기 제1 컨볼루션 블록에 연결되고, 컨볼루션 레이어, 배치 정규화 레이어, 및 ReLU 레이어가 순차적으로 연결된 구조로 이루어진 제2 컨볼루션 블록; 상기 제2 컨볼루션 블록에 연결되는 GAP(Global Average Pooling) 레이어; 및 상기 GAP 레이어에 연결되는 완전연결(Fully Connected) 레이어; 및 상기 완전연결 레이어에 연결되는 소프트맥스 레이어를 포함하고, 상기 상위 카테고리 이상 분류 모듈의 상기 소프트맥스 레이어에서 상기 상위 카테고리의 각 클래스에 대한 확률이 출력되고, 상기 하위 카테고리 이상 분류 모듈의 상기 소프트맥스 레이어에서 상기 하위 카테고리의 각 클래스에 대한 확률이 출력될 수 있다.
상기 상위 카테고리 이상 분류 모듈의 상기 제1 컨볼루션 블록으로부터 상기 중간 특징 데이터가 추출되고, 상기 하위 카테고리 이상 분류 모듈의 상기 제1 컨볼루션 블록에서 출력되는 특징 데이터는 상기 상위 카테고리 이상 분류 모듈의 상기 제1 컨볼루션 블록으로부터 추출되는 상기 중간 특징 데이터와 합쳐져서 상기 하위 카테고리 이상 분류 모듈의 상기 제2 컨볼루션 블록에 입력될 수 있다.
상기 상위 카테고리 이상 분류 모듈 및 상기 하위 카테고리 이상 분류 모듈은, 상기 상위 카테고리 및 상기 하위 카테고리에 대한 분류 결과를 원-핫 인코딩(one-hot enconding)을 통해 레이블한 학습 데이터로 학습이 수행된 것일 수 있다.
상기 상위 카테고리 및 상기 하위 카테고리에 대한 분류 결과는 하기 표와 같이 원-핫 인코딩을 통해 레이블될 수 있다.
Figure 112022116323712-pat00001
상기 센싱데이터는, 엔진 속도(회전수), 메인베어링온도, 추력베어링온도, 연료유 입구압력, 크랭크케이스압력, 엔진입구 윤활유압력, 엔진입구 윤활유온도, 저온냉각수 압력, 저온냉각수 입구온도, 저온냉각수 출구온도, 에어쿨러입구온도, 엔진입구 고온냉각수 압력, 고온냉각수 입구온도, 고온냉각수 출구온도, 배기가스 출구온도, 터보차저 입구온도, 터보차저 출구온도, 소기온도, 소기압력, 컨트롤에어압력을 포함할 수 있다.
상기 전처리부가 수행하는 전처리는, 리샘플링(resampling), 증대(augmentation), 정규화(normalization), 스케일링(scaling)을 포함할 수 있다.
상기된 본 발명에 의하면, 복잡하고 다양한 이상 유형을 가지는 원자력 발전소용 비상디젤발전기의 이상을 효과적으로 진단할 수 있다.
본 발명의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따라 원자력 발전소용 비상디젤발전기의 이상 유형을 상위 카테고리와 하위 카테고리로 분류한 것의 예를 나타낸다.
도 2는 본 발명의 일 실시예에 따른 원자력 발전소용 비상디젤발전기의 이상 진단 장치의 구성을 나타낸다.
도 3은 도 1에 따른 원자력 발전소용 비상디젤발전기의 이상 유형의 분류 결과를 원-핫 인코딩 레이블한 것을 나타낸다.
도 4는 도 2의 제1 컨볼루션 블록(41, 51)의 구체적인 구조를 나타낸다.
도 5는 도 2의 제2 컨볼루션 블록(42, 52)의 구체적인 구조를 나타낸다.
이하에서는 도면을 참조하여 본 발명의 바람직한 실시예들을 상세히 설명한다. 이하 설명 및 첨부된 도면들에서 실질적으로 동일한 구성요소들은 각각 동일한 부호들로 나타냄으로써 중복 설명을 생략하기로 한다. 또한 본 발명을 설명함에 있어 관련된 공지기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략하기로 한다.
본 발명의 실시예에서, 원자력 발전소용 비상디젤발전기의 이상 유형은 상위 카테고리와, 상위 카테고리에 종속되는 하위 카테고리의 계층(hierarchy) 별로 분류된다. 도 1은 본 발명의 일 실시예에 따라 원자력 발전소용 비상디젤발전기의 이상 유형을 상위 카테고리와 하위 카테고리로 분류한 것의 예를 나타낸다.
도 1을 참조하면, 상위 카테고리의 이상 유형은 엔진계통 이상, 연료유계통 이상, 냉각수계통 이상, 윤활계통 이상, 흡배기계통 이상으로 분류된다.
엔진계통 이상의 경우, 하위 카테고리의 이상 유형은 조속기 이상, 실린더 이상, 실린더 헤드 이상으로 분류된다.
조속기는 엔진의 하중의 변화에 따라 설정된 엔진 속도를 유지하기 위해 연료랙을 조절하여 연료량을 제어하는 엔진의 주요 부속 기기이다. 조속기가 속도제어에 실패하면 비상디젤발전기는 과속도 트립이나 저주파수 트립 등에 의해 정지한다. 따라서, 조속기는 다른 어떤 기기보다도 정교함이 요구된다.
실린더는 엔진의 연소가 이루어지는 곳으로 항상 고온고압의 환경에 노출되어 있는 엔진의 주요기기이다. 엔진의 효율을 높이기 위해 실린더는 일정 온도를 유지되도록 자켓냉각수에 의해 적절하게 냉각되어야 한다.
실린더 헤드는 흡배기 밸브 및 연료노즐 등이 위치한 실린더 상부를 덮고 있는 엔진의 주요 기기이다. 실린더 헤드 역시 실린더와 마찬가지로 엔진 연소에 따른 흡기와 배기가 반복되어 항상 고온 고압의 환경과 접해 있고 밸브들의 기계적 개폐가 반복적으로 발생함으로써 기계적 윤활이 중요하게 필요로 되는 기기이다.
연료유계통 이상의 경우, 하위 카테고리의 이상 유형은 연료유펌프 이상, 연료유품질 이상, 연료유배관 이상으로 분류된다.
연료유펌프는 지하 연료저장탱크로부터 일일연료유탱크까지 그리고 일일연료유탱크에서 연료주입펌프까지 연료유를 이송하는 역할을 한다.
연료유품질은 엔진성능에 직접적으로 영향을 주는 것으로, 수분, 미립자, 침전물, 박테리아와 같은 이물질에 의한 오염이나 세탄가 및 유황성분과 관련한 품질불량이 발생할 수 있다.
연료유배관은 배관 누설이 대표적인 이상으로, 설치, 제작 중의 인적실수나 피로와 진동에 의한 균열로 인한 것일 수 있다.
냉각수계통 이상의 경우, 하위 카테고리의 이상 유형은 열교환기 이상, 냉각수펌프 이상, 냉각수배관 이상으로 분류될 수 있다.
냉각수계통의 열교환기는 필수기기냉각계통 및 윤활유 계통과 열을 교환하는 주요 기기이다.
냉각수펌프는 계통 내에 냉각수를 순환시키는 기기이다.
냉각수배관은 부식에 의한 배관 누설 및 온도조절밸브 이상이 있을 수 있다.
윤활계통 이상의 경우, 하위 카테고리의 이상 유형은 윤활유 이상, 윤활유배관 이상으로 분류된다.
윤활유 이상은 금속부스러기에 의한 오염 및 공기 유입에 의한 압력불량 발생 등이 있을 수 있다.
윤활유배관 이상은 기계적인 피로와 진동에 의한 균열로 인한 것일 수 있다.
흡배기계통 이상의 경우, 하위 카테고리의 이상 유형은 터보차저 이상, 배기다기관 이상으로 분류된다.
흡배기계통의 주요 기기인 터보차저는 고속으로 운전되고 고온 고압의 환경에 노출되어 있기 때문에 가장 높은 손상을 일으킬 수 있다.
배기다기관의 이상은 주로 진동 및 고온 고압에 의한 기계적 균열 및 파손에 기인할 수 있다.
도 2는 본 발명의 일 실시예에 따른 원자력 발전소용 비상디젤발전기의 이상 진단 장치의 구성을 나타낸다.
본 발명의 실시예에 따른 원자력 발전소용 비상디젤발전기의 이상 진단 장치는, 센싱부(20), 전처리부(30), 상위 카테고리 이상 분류 모듈(40), 하위 카테고리 이상 분류 모듈(50), 및 이상 판단부(60)를 포함하여 이루어진다.
센싱부(20)는 비상디젤발전기(10)에 설치되어 엔진 속도(회전수), 메인베어링온도, 추력베어링온도, 연료유 입구압력, 크랭크케이스압력, 엔진입구 윤활유압력, 엔진입구 윤활유온도, 저온냉각수 압력, 저온냉각수 입구온도, 저온냉각수 출구온도, 에어쿨러입구온도, 엔진입구 고온냉각수 압력, 고온냉각수 입구온도, 고온냉각수 출구온도, 배기가스 출구온도, 터보차저 입구온도, 터보차저 출구온도, 소기온도, 소기압력, 컨트롤에어압력 등의 센싱데이터를 검출한다.
전처리부(30)는 센싱부(20)로부터의 센싱데이터를 디지털 데이터로 변환하고, 리샘플링(resampling), 증대(augmentation), 정규화(normalization), 스케일링(scaling) 등의 전처리를 수행한다.
상위 카테고리 이상 분류 모듈(40)은 전처리부(30)에서 출력되는 센싱 데이터를 입력으로 받아 상위 카테고리의 각 클래스에 대한 확률을 추정한다. 여기서 상위 카테고리의 클래스 0, 1, 2, 3, 4, 5는 각각 정상, 엔진계통 이상, 연료유계통 이상, 냉각수계통 이상, 윤활계통 이상, 흡배기계통 이상을 나타낸다.
상위 카테고리 이상 분류 모듈(40)에서는 중간 특징 데이터가 추출된다.
하위 카테고리 이상 분류 모듈(50)은 전처리부(30)에서 출력되는 센싱 데이터를 입력으로 받고, 또한 상위 카테고리 이상 분류 모듈(40)에서 추출되는 중간 특징 데이터에 기초하여, 하위 카테고리의 각 클래스에 대한 확률을 추정한다. 여기서 하위 카테고리의 각 클래스는 상위 카테고리 이상 분류 모듈(40)의 이상 분류 결과에 따라 결정된다.
상위 카테고리 이상 분류 모듈(40)의 이상 분류 결과가 엔진계통 이상인 경우, 하위 카테고리의 클래스 1, 2, 3은 각각 조속기 이상, 실린더 이상, 실린더 헤드 이상을 나타낸다.
상위 카테고리 이상 분류 모듈(40)의 이상 분류 결과가 연료유계통 이상인 경우, 하위 카테고리의 클래스 1, 2, 3은 각각 연료유펌프 이상, 연료유품질 이상, 연료유배관 이상을 나타낸다.
상위 카테고리 이상 분류 모듈(40)의 이상 분류 결과가 냉각수계통 이상인 경우, 하위 카테고리의 클래스 1, 2, 3은 각각 열교환기 이상, 냉각수펌프 이상, 냉각수배관 이상을 나타낸다.
상위 카테고리 이상 분류 모듈(40)의 이상 분류 결과가 윤활계통 이상인 경우, 하위 카테고리의 클래스 1, 2는 각각 윤활유 이상, 윤활유배관 이상을 나타낸다.
상위 카테고리 이상 분류 모듈(40)의 이상 분류 결과가 흡배기계통 이상인 경우, 하위 카테고리의 클래스 1, 2는 각각 터보차저 이상, 배기다기관 이상을 나타낸다.
상위 카테고리 이상 분류 모듈(40)과 하위 카테고리 이상 분류 모듈(50)에서 연쇄적으로 상위 카테고리와 하위 카테고리에 대한 이상 분류가 수행되며, 상위 카테고리 이상 분류 모듈(40)에서 추출되는 중간 특징 데이터가 하위 카테고리 이상 분류 모듈(50)의 이상 분류에 활용된다. 하위 카테고리의 각 클래스가 나타내는 이상 유형은 상위 카테고리의 이상 분류 결과에 종속적이므로, 상위 카테고리 이상 분류 모듈(40)에서 추출되는 중간 특징 데이터는 하위 카테고리 이상 분류 모듈(50)의 이상 분류에 유용하게 활용될 수 있다.
상위 카테고리 이상 분류 모듈(40)과 하위 카테고리 이상 분류 모듈(50)은 상위 카테고리 및 하위 카테고리에 대한 분류 결과를 원-핫 인코딩(one-hot enconding)을 통해 레이블한 학습 데이터로 학습이 수행될 수 있다. 도 1에 따른 원자력 발전소용 비상디젤발전기의 이상 유형의 분류 결과는 도 3과 같이 원-핫 인코딩 레이블될 수 있다. 도 3에서 레이블 '0'은 정상을 나타내고, 레이블 '1'은 이상을 나타낸다.
도 3을 참조하면, 상위 카테고리와 하위 카테고리 모두 정상인 경우, 상위 카테고리 이상 분류 모듈(40)과 하위 카테고리 이상 분류 모듈(50)의 출력은 [0,0,0,0,0,0],[0,0,0,0]으로 레이블될 수 있다.
예컨대 상위 카테고리 및 하위 카테고리가 각각 엔진계통 이상 및 조속기 이상인 경우, 상위 카테고리 이상 분류 모듈(40)과 하위 카테고리 이상 분류 모듈(50)의 출력은 [0,1,0,0,0,0],[0,1,0,0]으로 레이블될 수 있다.
예컨대 상위 카테고리 및 하위 카테고리가 각각 엔진계통 이상 및 실린더 이상인 경우, 상위 카테고리 이상 분류 모듈(40)과 하위 카테고리 이상 분류 모듈(50)의 출력은 [0,1,0,0,0,0],[0,0,1,0]으로 레이블될 수 있다.
예컨대 상위 카테고리 및 하위 카테고리가 각각 연료유계통 이상 및 연료유펌프 이상인 경우, 상위 카테고리 이상 분류 모듈(40)과 하위 카테고리 이상 분류 모듈(50)의 출력은 [0,0,1,0,0,0],[0,1,0,0]으로 레이블될 수 있다.
예컨대 상위 카테고리 및 하위 카테고리가 각각 흡배기계통 이상 및 배기다기관 이상인 경우, 상위 카테고리 이상 분류 모듈(40)과 하위 카테고리 이상 분류 모듈(50)의 출력은 [0,0,0,0,0,1],[0,0,1,0]으로 레이블될 수 있다.
다시 도 2를 참조하면, 상위 카테고리 이상 분류 모듈(40)은, 제1 컨볼루션 블록(41), 제2 컨볼루션 블록(42), GAP(Global Average Pooling) 레이어(43), 완전연결(Fully Connected) 레이어(44), 소프트맥스 레이어(45)가 순차적으로 연결된 구조로 이루어질 수 있다. 제1 컨볼루션 블록(41)에서 출력되는 중간 특징 데이터가 하위 카테고리 이상 분류 모듈(50)에 입력될 수 있다. 소프트맥스 레이어(45)에서 상위 카테고리의 각 클래스에 대한 확률이 출력된다.
하위 카테고리 이상 분류 모듈(50)은, 제1 컨볼루션 블록(51), 제2 컨볼루션 블록(52), GAP(Global Average Pooling) 레이어(53), 완전연결(Fully Connected) 레이어(54), 소프트맥스 레이어(55)가 순차적으로 연결된 구조로 이루어질 수 있다.
제1 컨볼루션 블록(51)에서 출력되는 특징 데이터는 상위 카테고리 이상 분류 모듈(40)의 제1 컨볼루션 블록(41)에서 출력되는 중간 특징 데이터와 합쳐져서 제2 컨볼루션 블록(52)에 입력될 수 있다. 소프트맥스 레이어(45)에서 하위 카테고리의 각 클래스에 대한 확률이 출력된다.
도 4는 도 2의 제1 컨볼루션 블록(41, 51)의 구체적인 구조를 나타낸다. 도 4에 도시된 바와 같이 제1 컨볼루션 블록(41, 51)은, 컨볼루션 레이어, 배치 정규화(Batch Normalization) 레이어, ReLU 레이어, 맥스풀링(Max Pooling) 레이어가 순차적으로 연결된 구조로 이루어질 수 있다.
도 5는 도 2의 제2 컨볼루션 블록(42, 52)의 구체적인 구조를 나타낸다. 도 5에 도시된 바와 같이 제2 컨볼루션 블록(42, 52)은 컨볼루션 레이어, 배치 정규화 레이어, 및 ReLU 레이어가 순차적으로 연결된 구조로 이루어질 수 있다.
다시 도 2를 참조하면, 이상 판단부(60)는 상위 카테고리 이상 분류 모듈(40)과 하위 카테고리 이상 분류 모듈(50)로부터 출력되는 클래스 확률에 기초하여 비상디젤발전기의 이상 유형을 판단한다.
예컨대 상위 카테고리 이상 분류 모듈(40)의 클래스 1의 확률이 가장 크고, 하위 카테고리 이상 분류 모듈(50)의 클래스 2의 확률이 가장 큰 경우, 엔진계통 이상 ?? 실린더 이상으로 판단한다.
예컨대 상위 카테고리 이상 분류 모듈(40)의 클래스 2의 확률이 가장 크고, 하위 카테고리 이상 분류 모듈(50)의 클래스 1의 확률이 가장 큰 경우, 연료유계통 이상 ?? 연료유펌프 이상으로 판단한다.
본 발명의 실시예들에 따른 장치는 프로세서, 프로그램 데이터를 저장하고 실행하는 메모리, 디스크 드라이브와 같은 영구 저장부(permanent storage), 외부 장치와 통신하는 통신 포트, 터치 패널, 키(key), 버튼 등과 같은 사용자 인터페이스 장치 등을 포함할 수 있다. 소프트웨어 모듈 또는 알고리즘으로 구현되는 방법들은 상기 프로세서상에서 실행 가능한 컴퓨터가 읽을 수 있는 코드들 또는 프로그램 명령들로서 컴퓨터가 읽을 수 있는 기록 매체 상에 저장될 수 있다. 여기서 컴퓨터가 읽을 수 있는 기록 매체로 마그네틱 저장 매체(예컨대, ROM(read-only memory), RAM(random-access memory), 플로피 디스크, 하드 디스크 등) 및 광학적 판독 매체(예컨대, 시디롬(CD-ROM), 디브이디(DVD: Digital Versatile Disc)) 등이 있다. 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템들에 분산되어, 분산 방식으로 컴퓨터가 판독 가능한 코드가 저장되고 실행될 수 있다. 매체는 컴퓨터에 의해 판독가능하며, 메모리에 저장되고, 프로세서에서 실행될 수 있다.
본 발명의 실시예들은 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들은 특정 기능들을 실행하는 다양한 개수의 하드웨어 또는/및 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 실시예는 하나 이상의 마이크로프로세서들의 제어 또는 다른 제어 장치들에 의해서 다양한 기능들을 실행할 수 있는, 메모리, 프로세싱, 로직(logic), 룩 업 테이블(look-up table) 등과 같은 집적 회로 구성들을 채용할 수 있다. 본 발명에의 구성 요소들이 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있는 것과 유사하게, 실시예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 실시예는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. "매커니즘", "요소", "수단", "구성"과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다. 상기 용어는 프로세서 등과 연계하여 소프트웨어의 일련의 처리들(routines)의 의미를 포함할 수 있다.
실시예에서 설명하는 특정 실행들은 일 실시예들로서, 어떠한 방법으로도 실시 예의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, "필수적인", "중요하게" 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (7)

  1. 원자력 발전소용 비상디젤발전기의 이상 진단 장치에 있어서,
    상기 비상디젤발전기에 설치되어 센싱데이터를 검출하는 센싱부;
    상기 센싱데이터를 디지털 데이터로 변환하고 전처리를 수행하는 전처리부;
    상기 전처리된 센싱데이터를 입력으로 받아 상위 카테고리의 각 클래스에 대한 확률을 추정하는 상위 카테고리 이상 분류 모듈로서, 상기 상위 카테고리의 각 클래스는 엔진계통 이상, 연료유계통 이상, 냉각수계통 이상, 윤활계통 이상, 흡배기계통 이상을 나타내고, 상기 상위 카테고리 이상 분류 모듈에서 중간 특징 데이터가 추출되는, 상위 카테고리 이상 분류 모듈;
    상기 전처리된 센싱데이터를 입력으로 받고 상기 상위 카테고리 분류 모듈에서 추출되는 상기 중간 특징 데이터에 기초하여 상기 상위 카테고리에 종속되는 하위 카테고리의 각 클래스에 대한 확률을 추정하는 하위 카테고리 이상 분류 모듈로서, 상기 상위 카테고리가 엔진계통 이상인 경우 상기 하위 카테고리의 각 클래스는 조속기 이상, 실린더 이상, 실린더 헤드 이상을 나타내고, 상기 상위 카테고리가 연료유계통 이상인 경우 상기 하위 카테고리의 각 클래스는 연료유펌프 이상, 연료유품질 이상, 연료유배관 이상을 나타내고, 상기 상위 카테고리가 냉각수계통 이상인 경우 상기 하위 카테고리의 각 클래스는 열교환기 이상, 냉각수펌프 이상, 냉각수배관 이상을 나타내고, 상기 상위 카테고리가 윤활계통 이상인 경우 상기 하위 카테고리의 각 클래스는 윤활유 이상, 윤활유배관 이상을 나타내고, 상기 상위 카테고리가 흡배기계통 이상인 경우 상기 하위 카테고리의 각 클래스는 터보차저 이상, 배기다기관 이상을 나타내는, 하위 카테고리 이상 분류 모듈; 및
    상기 상위 카테고리 이상 분류 모듈 및 상기 하위 카테고리 이상 분류 모듈로부터 출력되는 클래스 확률에 기초하여 상기 비상디젤발전기의 이상 유형을 판단하는 이상 판단부를 포함하고,
    상기 상위 카테고리 이상 분류 모듈 및 상기 하위 카테고리 이상 분류 모듈은 각각,
    컨볼루션 레이어, 배치 정규화(Batch Normalization) 레이어, ReLU 레이어, 맥스풀링(Max Pooling) 레이어가 순차적으로 연결된 구조로 이루어진 제1 컨볼루션 블록;
    상기 제1 컨볼루션 블록에 연결되고, 컨볼루션 레이어, 배치 정규화 레이어, 및 ReLU 레이어가 순차적으로 연결된 구조로 이루어진 제2 컨볼루션 블록;
    상기 제2 컨볼루션 블록에 연결되는 GAP(Global Average Pooling) 레이어;
    상기 GAP 레이어에 연결되는 완전연결(Fully Connected) 레이어; 및
    상기 완전연결 레이어에 연결되는 소프트맥스 레이어를 포함하고,
    상기 상위 카테고리 이상 분류 모듈의 상기 소프트맥스 레이어에서 상기 상위 카테고리의 각 클래스에 대한 확률이 출력되고,
    상기 하위 카테고리 이상 분류 모듈의 상기 소프트맥스 레이어에서 상기 하위 카테고리의 각 클래스에 대한 확률이 출력되며,
    상기 상위 카테고리 이상 분류 모듈의 상기 제1 컨볼루션 블록으로부터 상기 중간 특징 데이터가 추출되고,
    상기 하위 카테고리 이상 분류 모듈의 상기 제1 컨볼루션 블록에서 출력되는 특징 데이터는 상기 상위 카테고리 이상 분류 모듈의 상기 제1 컨볼루션 블록으로부터 추출되는 상기 중간 특징 데이터와 합쳐져서 상기 하위 카테고리 이상 분류 모듈의 상기 제2 컨볼루션 블록에 입력되는 것을 특징으로 하는 원자력 발전소용 비상디젤발전기의 이상 진단 장치.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 상위 카테고리 이상 분류 모듈 및 상기 하위 카테고리 이상 분류 모듈은, 상기 상위 카테고리 및 상기 하위 카테고리에 대한 분류 결과를 원-핫 인코딩(one-hot enconding)을 통해 레이블한 학습 데이터로 학습이 수행된 것을 특징으로 하는 원자력 발전소용 비상디젤발전기의 이상 진단 장치.
  5. 제4항에 있어서,
    상기 상위 카테고리 및 상기 하위 카테고리에 대한 분류 결과는 하기 표와 같이 원-핫 인코딩을 통해 레이블되는 것을 특징으로 하는 원자력 발전소용 비상디젤발전기의 이상 진단 장치.
    Figure 112022116323712-pat00002
  6. 제1항에 있어서,
    상기 센싱데이터는, 엔진 속도(회전수), 메인베어링온도, 추력베어링온도, 연료유 입구압력, 크랭크케이스압력, 엔진입구 윤활유압력, 엔진입구 윤활유온도, 저온냉각수 압력, 저온냉각수 입구온도, 저온냉각수 출구온도, 에어쿨러입구온도, 엔진입구 고온냉각수 압력, 고온냉각수 입구온도, 고온냉각수 출구온도, 배기가스 출구온도, 터보차저 입구온도, 터보차저 출구온도, 소기온도, 소기압력, 컨트롤에어압력을 포함하는 것을 특징으로 하는 원자력 발전소용 비상디젤발전기의 이상 진단 장치.
  7. 제6항에 있어서,
    상기 전처리부가 수행하는 전처리는, 리샘플링(resampling), 증대(augmentation), 정규화(normalization), 스케일링(scaling)을 포함하는 것을 특징으로 하는 원자력 발전소용 비상디젤발전기의 이상 진단 장치.
KR1020220144357A 2022-11-02 2022-11-02 원자력 발전소용 비상디젤발전기의 이상 진단 장치 Active KR102500578B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220144357A KR102500578B1 (ko) 2022-11-02 2022-11-02 원자력 발전소용 비상디젤발전기의 이상 진단 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220144357A KR102500578B1 (ko) 2022-11-02 2022-11-02 원자력 발전소용 비상디젤발전기의 이상 진단 장치

Publications (1)

Publication Number Publication Date
KR102500578B1 true KR102500578B1 (ko) 2023-02-20

Family

ID=85329295

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220144357A Active KR102500578B1 (ko) 2022-11-02 2022-11-02 원자력 발전소용 비상디젤발전기의 이상 진단 장치

Country Status (1)

Country Link
KR (1) KR102500578B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101103131B1 (ko) * 2010-10-05 2012-01-04 한국수력원자력 주식회사 원자력발전소 예비디젤발전기의 진단장치 및 방법
KR102062992B1 (ko) * 2018-09-13 2020-01-06 한국수력원자력 주식회사 발전소 경보나 증상 및 주요 운전변수의 변화에 기반한 비정상 상태 판단 시스템 및 방법
KR20220005413A (ko) * 2020-07-06 2022-01-13 고려대학교 산학협력단 멀티태스크 딥러닝을 이용한 지진 이벤트 분류 방법 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101103131B1 (ko) * 2010-10-05 2012-01-04 한국수력원자력 주식회사 원자력발전소 예비디젤발전기의 진단장치 및 방법
KR102062992B1 (ko) * 2018-09-13 2020-01-06 한국수력원자력 주식회사 발전소 경보나 증상 및 주요 운전변수의 변화에 기반한 비정상 상태 판단 시스템 및 방법
KR20220005413A (ko) * 2020-07-06 2022-01-13 고려대학교 산학협력단 멀티태스크 딥러닝을 이용한 지진 이벤트 분류 방법 및 장치

Similar Documents

Publication Publication Date Title
US7062370B2 (en) Model-based detection, diagnosis of turbine engine faults
US6587737B2 (en) Method for the monitoring of a plant
US20100292937A1 (en) Turbocharger bearing health monitor
CN106368816A (zh) 一种基于基线偏差的船舶低速柴油机在线异常检测方法
US20080053087A1 (en) System and Method for Detecting Impaired Operation of an Internal Combustion Engine Turbocharger
US20170298810A1 (en) Turbocharger Speed Anomaly Detection
CN110552832A (zh) 水轮机组故障诊断及健康状态评估方法
KR102500578B1 (ko) 원자력 발전소용 비상디젤발전기의 이상 진단 장치
Gharib et al. Development of a new expert system for diagnosing marine diesel engines based on real-time diagnostic parameters
CN113819045A (zh) 往复式压缩机润滑油液在线监测振动诊断方法及系统
KR102457752B1 (ko) 선박 기관실의 실시간 이상 감지 및 고장 진단 방법 및 시스템
Kocak et al. Condition monitoring and fault diagnosis of a marine diesel engine with machine learning techniques
Ren et al. Fault diagnosis of diesel engine lubrication system based on Bayesian network
Bayraktar et al. Reliability, availability, and maintainability analysis of the propulsion system of a fleet
Ugoji et al. Improving the operational output of marine vessel main engine system through cost reduction using reliability
CN114738132A (zh) 基于实船数据的增压器转速传感器故障诊断方法及系统
JP2023094895A (ja) 故障予測装置、故障予測装置の制御方法及びプログラム
Wang et al. An investigation into the sensor placement of a marine engine lubrication system for condition monitoring
Walker et al. Nuclear Power Fault Diagnostics and Preventative Maintenance Optimization
CN109409758A (zh) 水电站设备健康状态评价方法及系统
Loboda et al. Diagnostic analysis of maintenance data of a gas turbine for driving an electric generator
Li et al. A Novel Machine Learning Based Fault Diagnosis Method for All Gas-Path Components of Heavy Duty Gas Turbines With the Aid of Thermodynamic Model
YungHo et al. Real time fault detection and diagnosis system for onboard engine room
Vorkapić et al. The analysis of the maintenance systems of a LPG carrier’s liquefaction system main components
KR102048644B1 (ko) 피스톤 엔진의 작동 방법 및 헤드 가스켓의 고장을 검출하기 위한 장치

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20221102

PA0201 Request for examination
PA0302 Request for accelerated examination

Patent event date: 20221102

Patent event code: PA03022R01D

Comment text: Request for Accelerated Examination

PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20221128

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20230210

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20230213

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20230213

End annual number: 3

Start annual number: 1

PG1601 Publication of registration