Artificial Intelligence를 활용한 양수발전소 신뢰성 향상 방법론 연구 A Study of Methodology for Reliability Improvement of Pumped Storage Power Plant by Utilizing Artificial Intelligence원문보기
우리나라의 플랜트 수출은 국내 건설업 역량 강화에 매우 필요한 부분이고 각 업체들의 노력은 부단하다. 다만, FEED(Front & End Engineering Design) 설계 등의 부분에서 특히 경쟁력이 부족하다. 발전소라는 곳은 자연에서의 다양한 에너지원을 전기에너지로 변환하여 전력을 생산하는 곳으로 국가 산업 발전에 이바지하고 우리 삶에서 없어서는 안 될 곳이다. 발전소는 이용하는 에너지원과 발전 방법에 따라서 양수, 화력, 원자력, 태양광, 수력, 풍력, 지열, 조력 등 여러 가지가 있다. 이중 ...
우리나라의 플랜트 수출은 국내 건설업 역량 강화에 매우 필요한 부분이고 각 업체들의 노력은 부단하다. 다만, FEED(Front & End Engineering Design) 설계 등의 부분에서 특히 경쟁력이 부족하다. 발전소라는 곳은 자연에서의 다양한 에너지원을 전기에너지로 변환하여 전력을 생산하는 곳으로 국가 산업 발전에 이바지하고 우리 삶에서 없어서는 안 될 곳이다. 발전소는 이용하는 에너지원과 발전 방법에 따라서 양수, 화력, 원자력, 태양광, 수력, 풍력, 지열, 조력 등 여러 가지가 있다. 이중 양수발전소는 수력 발전소와 비슷한 원리로 댐과 같은 설비를 통해 물을 가두어, 이 물의 위치에너지를 이용하여 발전기에 연결된 터빈을 돌려 발전하는 발전소로 전력 수요가 적은 시간에 펌프모드로 운전해서 상부 저수지로 물을 보내고, 전력 수요가 필요할 때 터빈모드로 운전해서 발전을 하는 발전소이다. 따라서 첨두부하에 신속하게 대응해서 국가 전력망의 신뢰성을 높여야하는 발전소이다. 본 연구에서는 신뢰성이 요구되는 양수발전소의 운영 자료를 바탕으로 고장 분석을 통해 초기 설계 및 건설단계에서 반영할 최적화된 양수발전기의 기본 조건을 확립하고, 운영 및 유지관리 단계에서 고장 이상 징후를 사전에 판단하여 운영 및 유지보수 신뢰성 향상을 하고자 한다. 이러한 데이터베이스화해서 분석하는 과정을 AI(Artificial Intelligence)라는 인공지능 Tool을 이용하고, 그 결과 값의 신뢰도를 검증했다. 즉, 기존의 고장 분석 결과값을 데이터 베이스화해서 유용한 정보를 얻어내고자 하였다. 본 연구의 주요 내용을 요약하면 다음과 같다. 기존 문헌들을 검토하여 건설 산업 분야의 각 단계에서 인공지능을 이용하여 적용하였던 사례를 조사해서 사용된 인공지능의 툴, 알고리즘을 검토하고 방법론 및 사례조사를 하기 위한 이론적 고찰을 실시하였다. 이러한 고찰을 바탕으로 방법론 및 사례 조사를 하여 사례 기반 추론에 의한 방법론을 제시하였다. 연구의 방법론은 의사결정나무의 하나의 툴인 See.5를 이용하여 17개의 주요 고장에 대해서 Tree 구조를 파악해서 Data의 신뢰성을 검토하여 영향 요인을 조정하였으며, Weka 3.6을 사용하여 해당 Data의 영향요인에 대한 가중치를 정의하였다. 이렇게 정의된 가중치를 갖는 영향요인으로 사례 기반 추론의 모델링을 해보았다. 또한, 모델 구축한 3가지 대표 고장 값에 대해서 검증을 해보는 과정을 거쳤다. 검증 결과 높은 유사성이 나와서 앞으로 데이터베이스가 더욱 축적되면 더 높은 유사성으로 신뢰성을 향상시켜 의사결정의 막강한 툴이 될 것임을 보여줬다. 이번 연구에서는 미국 EPRI의 미국 내외의 36개소 양수 발전소 고장 검토한 조사 자료를 데이터베이스화해서 진행하였으며, 향후 다른 발전소에서도 동일한 방법으로 사례 기반 추론을 할 수 있을 것이다. 또한, 본 연구에서는 큰 틀에서의 의사 결정 툴을 제공하였으나, 기기의 세부적인 센서들의 데이터 값을 축적하면 기계의 고장 사전 진단 및 시기를 결정할 수 있어 운영 및 유지관리 비용 절감이 가능하고 기계의 신뢰성 향상에 기여할 수 있어 앞으로 더욱 깊이 있는 연구가 필요할 것으로 판단된다.
우리나라의 플랜트 수출은 국내 건설업 역량 강화에 매우 필요한 부분이고 각 업체들의 노력은 부단하다. 다만, FEED(Front & End Engineering Design) 설계 등의 부분에서 특히 경쟁력이 부족하다. 발전소라는 곳은 자연에서의 다양한 에너지원을 전기에너지로 변환하여 전력을 생산하는 곳으로 국가 산업 발전에 이바지하고 우리 삶에서 없어서는 안 될 곳이다. 발전소는 이용하는 에너지원과 발전 방법에 따라서 양수, 화력, 원자력, 태양광, 수력, 풍력, 지열, 조력 등 여러 가지가 있다. 이중 양수발전소는 수력 발전소와 비슷한 원리로 댐과 같은 설비를 통해 물을 가두어, 이 물의 위치에너지를 이용하여 발전기에 연결된 터빈을 돌려 발전하는 발전소로 전력 수요가 적은 시간에 펌프모드로 운전해서 상부 저수지로 물을 보내고, 전력 수요가 필요할 때 터빈모드로 운전해서 발전을 하는 발전소이다. 따라서 첨두부하에 신속하게 대응해서 국가 전력망의 신뢰성을 높여야하는 발전소이다. 본 연구에서는 신뢰성이 요구되는 양수발전소의 운영 자료를 바탕으로 고장 분석을 통해 초기 설계 및 건설단계에서 반영할 최적화된 양수발전기의 기본 조건을 확립하고, 운영 및 유지관리 단계에서 고장 이상 징후를 사전에 판단하여 운영 및 유지보수 신뢰성 향상을 하고자 한다. 이러한 데이터베이스화해서 분석하는 과정을 AI(Artificial Intelligence)라는 인공지능 Tool을 이용하고, 그 결과 값의 신뢰도를 검증했다. 즉, 기존의 고장 분석 결과값을 데이터 베이스화해서 유용한 정보를 얻어내고자 하였다. 본 연구의 주요 내용을 요약하면 다음과 같다. 기존 문헌들을 검토하여 건설 산업 분야의 각 단계에서 인공지능을 이용하여 적용하였던 사례를 조사해서 사용된 인공지능의 툴, 알고리즘을 검토하고 방법론 및 사례조사를 하기 위한 이론적 고찰을 실시하였다. 이러한 고찰을 바탕으로 방법론 및 사례 조사를 하여 사례 기반 추론에 의한 방법론을 제시하였다. 연구의 방법론은 의사결정나무의 하나의 툴인 See.5를 이용하여 17개의 주요 고장에 대해서 Tree 구조를 파악해서 Data의 신뢰성을 검토하여 영향 요인을 조정하였으며, Weka 3.6을 사용하여 해당 Data의 영향요인에 대한 가중치를 정의하였다. 이렇게 정의된 가중치를 갖는 영향요인으로 사례 기반 추론의 모델링을 해보았다. 또한, 모델 구축한 3가지 대표 고장 값에 대해서 검증을 해보는 과정을 거쳤다. 검증 결과 높은 유사성이 나와서 앞으로 데이터베이스가 더욱 축적되면 더 높은 유사성으로 신뢰성을 향상시켜 의사결정의 막강한 툴이 될 것임을 보여줬다. 이번 연구에서는 미국 EPRI의 미국 내외의 36개소 양수 발전소 고장 검토한 조사 자료를 데이터베이스화해서 진행하였으며, 향후 다른 발전소에서도 동일한 방법으로 사례 기반 추론을 할 수 있을 것이다. 또한, 본 연구에서는 큰 틀에서의 의사 결정 툴을 제공하였으나, 기기의 세부적인 센서들의 데이터 값을 축적하면 기계의 고장 사전 진단 및 시기를 결정할 수 있어 운영 및 유지관리 비용 절감이 가능하고 기계의 신뢰성 향상에 기여할 수 있어 앞으로 더욱 깊이 있는 연구가 필요할 것으로 판단된다.
The power plant is a place to produce various kinds of energy by converting various energy sources from nature into electric energy and contributes to the development of national industry and is an indispensable part of our life. There are various kinds of power plants such as pumped-turbine, therma...
The power plant is a place to produce various kinds of energy by converting various energy sources from nature into electric energy and contributes to the development of national industry and is an indispensable part of our life. There are various kinds of power plants such as pumped-turbine, thermal, nuclear, solar, hydro, wind, geothermal, and tidal power depending on the energy source and power generation method. Among those plants, pumped storage power plant is similar to a hydroelectric power plant, and in a time when power demand is low, it is used to pump water to the upper reservoir as a pump mode and turn the turbine connected to the generator using the potential energy of the water and is a power plant that operates in turbine mode when electricity demand is needed. Therefore, it is a power plant that needs to increase the reliability of national power grid in response to peak load quickly. In this study, it tries to improve the reliability of operation and maintenance in the operation and maintenance stage by judging the signs of malfunctioning in advance and establish the basic conditions of an optimized pumping power generator to be reflected in initial design and construction stage through fault analysis based on operational data of a pumping power plant which requires reliability. In this study, an artificial intelligence tool on the process of database analysis and the reliability of the results was verified. In other words, we tried to obtain useful information by making a database of existing fault analysis results. The major contents of this study are summarized as follows. This study reviewed the existing literature and examined the cases where artificial intelligence was applied at each stage of the construction industry field, and examined the tools and algorithms of the artificial intelligence used, and conducted theoretical studies for methodology and case studies. Based on these reviews, it suggests a methodology based on case - based reasoning after conducting a methodology and case study.The methodology of the study adjusts attributes with examining the reliability of the data by examining the tree structure for 17 major faults by using the tool See.5 which is one of the decision tree and defines the weight factors by using Weka 3.6. The modeling of case - based reasoning is done with the influence factors having the weight defined in this way. In addition, the verification process was performed on three representative fault values built by the model. As a result of the verification, high similarities have been shown, and as the database accumulates further in the future, it shows that it will be a powerful tool for decision making by improving reliability with higher similarity. In this study, EPRI((Electric Power Research Institute) conducted a survey, which were databased on, about reviewing faults of 36 pumping station problems in the US and abroad, in the future, case-based reasoning can be done in the same way at other power plants. In addition, although this study provided decision tools in large frameworks, it needs to conduct in-depth study because accumulating the data values of the detailed sensors of the device can determine the diagnosis and timing of the failure of the machine, which can reduce the operation and maintenance cost and contribute to the improvement of the reliability of the machine.
The power plant is a place to produce various kinds of energy by converting various energy sources from nature into electric energy and contributes to the development of national industry and is an indispensable part of our life. There are various kinds of power plants such as pumped-turbine, thermal, nuclear, solar, hydro, wind, geothermal, and tidal power depending on the energy source and power generation method. Among those plants, pumped storage power plant is similar to a hydroelectric power plant, and in a time when power demand is low, it is used to pump water to the upper reservoir as a pump mode and turn the turbine connected to the generator using the potential energy of the water and is a power plant that operates in turbine mode when electricity demand is needed. Therefore, it is a power plant that needs to increase the reliability of national power grid in response to peak load quickly. In this study, it tries to improve the reliability of operation and maintenance in the operation and maintenance stage by judging the signs of malfunctioning in advance and establish the basic conditions of an optimized pumping power generator to be reflected in initial design and construction stage through fault analysis based on operational data of a pumping power plant which requires reliability. In this study, an artificial intelligence tool on the process of database analysis and the reliability of the results was verified. In other words, we tried to obtain useful information by making a database of existing fault analysis results. The major contents of this study are summarized as follows. This study reviewed the existing literature and examined the cases where artificial intelligence was applied at each stage of the construction industry field, and examined the tools and algorithms of the artificial intelligence used, and conducted theoretical studies for methodology and case studies. Based on these reviews, it suggests a methodology based on case - based reasoning after conducting a methodology and case study.The methodology of the study adjusts attributes with examining the reliability of the data by examining the tree structure for 17 major faults by using the tool See.5 which is one of the decision tree and defines the weight factors by using Weka 3.6. The modeling of case - based reasoning is done with the influence factors having the weight defined in this way. In addition, the verification process was performed on three representative fault values built by the model. As a result of the verification, high similarities have been shown, and as the database accumulates further in the future, it shows that it will be a powerful tool for decision making by improving reliability with higher similarity. In this study, EPRI((Electric Power Research Institute) conducted a survey, which were databased on, about reviewing faults of 36 pumping station problems in the US and abroad, in the future, case-based reasoning can be done in the same way at other power plants. In addition, although this study provided decision tools in large frameworks, it needs to conduct in-depth study because accumulating the data values of the detailed sensors of the device can determine the diagnosis and timing of the failure of the machine, which can reduce the operation and maintenance cost and contribute to the improvement of the reliability of the machine.
주제어
#AI(Artificial Intelligence) 인공지능 빅데이터 Data mining 양수발전
학위논문 정보
저자
김경인
학위수여기관
서울시립대학교 국제도시과학대학원
학위구분
국내석사
학과
글로벌건설학과
지도교수
김현주
발행연도
2017
총페이지
v, 94 p.
키워드
AI(Artificial Intelligence) 인공지능 빅데이터 Data mining 양수발전
※ AI-Helper는 부적절한 답변을 할 수 있습니다.