[논문]정풍량 공조시스템의 고장검출 및 진단 시뮬레이션

한동원; 장영수; 김서영; 김용찬

정풍량 공조시스템의 고장검출 및 진단 시뮬레이션
Fault Detection and Diagnosis Simulation for CAV AHU System 원문보기

설비공학논문집 = Korean journal of air-conditioning and refrigeration engineering, v.22 no.10, 2010년, pp.687 - 696

한동원 (고려대학교 기계공학과 대학원) , 장영수 (국민대학교 발효융합학과) , 김서영 (한국과학기술연구원) , 김용찬 (고려대학교 기계공학과)

Abstract ▼ AI-Helper

In this study, FDD algorithm was developed using the normalized distance method and general pattern classifier method that can be applied to constant air volume air handling unit(CAV AHU) system. The simulation model using TRNSYS and EES was developed in order to obtain characteristic data of CAV AHU system under the normal and the faulty operation. Sensitivity analysis of fault detection was carried out with respect to fault progress. When differential pressure of mixed air filter increased by more than about 105 pascal, FDD algorithm was able to detect the fault. The return air temperature is very important measurement parameter controlling cooling capacity. Therefore, it is important to detect measurement error of the return air temperature. Measurement error of the return air temperature sensor can be detected at below $1.2^{\circ}C$ by FDD algorithm. FDD algorithm developed in this study was found to indicate each failure modes accurately.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 공조시스템에 대한 고장검출을 위해 4가지 하부 시스템별 무고장 기준모델을 제안하였다. 여기서 기준모델의 형태는 각 하부 시스템에 영향을 줄 수 있는 공조시스템의 상태 값이나 제어 신호를 독립변수로 선정하고, 독립변수의 변화에 따라 영향을 받아서 민감하게 변하는 상태 값을 종속변수로 선정하여 2차 다항식(Polynomial)으로 구성하였다.
본 연구에서는 실용화가 용이한 표준화 거리 기법과 규칙기반법을 이용하여 공조시스템에 대한 고장검출 및 진단 알고리즘을 제안하였다.
본 연구에서는 환절기에 엔탈피 제어에 의해 작동 되던 댐퍼 구동기기가 노후화나 고장으로 인해 고정되어 버린 상태로 하절기시 운전되는 경우를 모사하였다.

가설 설정

표준모델 건물의 기준층은 다섯 개의 열적 존(Zone)으로 나누어지며, 방위별로 외벽으로부터 5 m 깊이에 4개의 외주부 존과 내주부 존으로 나누어진다. 총 층수는 15층이며, 전체 15층 건물 중 AHU-1은 1층에서 8층을 공조하며, AHU-2는 9층에서 15층을 공조한 것으로 가정하였다.
혼합공기 필터 막힘 고장(Fault 3)의 경우, 본 연구에서는 초기 필터 차압을 약 22 Pa로 가정하여 고장을 점차적으로 진행시켰으며, Fig. 9와 같이 필터 차압이 약 105 Pa에서 최초 고장으로 판별하였다.

제안 방법

Table 7은 특정한 고장모사 시뮬레이션 결과를 식(1)을 사용하여 5가지의 고장모드에 대한 고장예측 확률을 나타낸 것이다. 5가지 고장에 대해서 각각고장모사 시뮬레이션을 수행하여, 고장검출이 되는 시점에서의 고장예측 확률을 나타내었다.
공조시스템의 시뮬레이션은 건물부하 계산 프로그램인 TRNSYS⁽¹¹⁾와 공학계산용 프로그램인 EES⁽¹²⁾(Engineering Equation Solver)를 연동하여 무고장 상태와 점차적인 고장 상태를 모사하여 수행하였다.
댐퍼의 입출구 차압은 댐퍼의 위치와 공기유량의 함수로 계산하였으며, 공기유량은 팬의 회전수와 팬의 압력수두계수를 이용하여 계산하였다.
따라서 본 연구에서는 8월 1일에서 8월 14일까지 2주 동안 공조기 운전시간 데이터인 총 110개 데이터를 이용하여 무고장 기준모델을 작성하고 고장검출을 수행하였다.
특히 고장검출 및 진단 알고리즘에 사용된 무고장 기준모델을 4가지 각 하부 시스템에 관계된 상태값이나 제어신호로 구성하여, 공조시스템 내 발생하는 고장에 대한 검출 및 진단의 민감도를 높였다. 또한 무고장 기준모델의 민감도를 높이기 위해 2주 동안 공조기 운전시간 데이터를 이용하여 무고장 기준모델을 작성하고, 고장검출을 수행하였다.
본 연구에서는 8월 첫째 주를 기준으로 일주일동안 고장모사 시뮬레이션을 수행하였다.
본 연구에서는 공조시스템을 대상으로 현장에 적용하여 실용화가 용이한 표준화 거리 기법(Normalized distance method)과 규칙기반법을 이용하여 고장을 진단할 수 있는 알고리즘을 제안하고, 시뮬레이션 모델을 이용하여 제안한 고장검출 및 진단 알고리즘의 성능을 분석하였다.
본 연구에서는 제안한 고장검출 및 진단 알고리즘의 성능을 평가하기 위하여 기존 연구를 통해 작성된 표준모델건물 내 정풍량 공조시스템을 대상으로 무고장과 고장상태 시뮬레이션을 수행하였다. 모사된 고장의 종류는 댐퍼 고정, 혼합공기 필터 막힘 그리고 환기센서 고장을 포함한 총 5가지이며, 모든 고장에 대해서 표준화거리기법으로 고장검출이 가능하며, 민감도도 우수한 것을 알 수 있었다.
본 연구에서는 제안한 표준화 거리 기법을 사용 하여 고장을 검출하였다. 여기서, 표준화 거리 기법⁽¹⁵⁾이란 Fig.
본 연구에서는 현재 측정값과 독립변수를 이용하여 얻어진 무고장 기준모델의 값의 차이인 잔차(Residual)를 계산하고, 잔차가 어느 허용범위를 벗어나게 되면 고장으로 간주한다.
본 연구에서는 공조시스템에 대한 고장검출을 위해 4가지 하부 시스템별 무고장 기준모델을 제안하였다. 여기서 기준모델의 형태는 각 하부 시스템에 영향을 줄 수 있는 공조시스템의 상태 값이나 제어 신호를 독립변수로 선정하고, 독립변수의 변화에 따라 영향을 받아서 민감하게 변하는 상태 값을 종속변수로 선정하여 2차 다항식(Polynomial)으로 구성하였다.
Table 3은 하부 시스템별 무고장 기준모델을 구성 하는 종속변수와 독립변수를 정리한 것이다. 종속변수는 대부분 하부 시스템의 출구온도 값을 선정하였으며, 공조시스템 내 압력이나 유량변화에 관한 종속변수로 급기팬과 환기팬의 소비동력 을 선정하였다. 정풍량 공조시스템은 무고장시 소비동력은 일정하다.
모사된 고장은 크게 세가지로 구분할 수 있다. 첫째 댐퍼 고정과 같은 갑작스런 고장, 둘째 필터 막힘과 같은 시스템적 점차 적인 고장 그리고 마지막으로 공조시스템의 중요한 제어점인 환기 온도센서의 민감도 저하로 인한 제어고장을 모사하여 시뮬레이션 하였다.
2과 같이 크게 3가지 단계로 구성되어 있다. 첫째, 공조기가 무고장 상태(No fault state)에서 운전될 때 얻어지는 자료를 이용해서 무고장 기준 모델(Reference model)을 만든다. 둘째, 현재 측정 값과 무고장 기준모델의 값의 차이인 잔차(Residual)를 계산하고, 잔차가 어느 허용범위를 벗어나게 되면 고장으로 간주한다.
특히 고장검출 및 진단 알고리즘에 사용된 무고장 기준모델을 4가지 각 하부 시스템에 관계된 상태값이나 제어신호로 구성하여, 공조시스템 내 발생하는 고장에 대한 검출 및 진단의 민감도를 높였다. 또한 무고장 기준모델의 민감도를 높이기 위해 2주 동안 공조기 운전시간 데이터를 이용하여 무고장 기준모델을 작성하고, 고장검출을 수행하였다.
표준모델건물에서는 실내 발열밀도의 기준 값으로 35 W/m²를 적용하였고, 재실 및 실내 발열기기 스케쥴은 평일 근무시간 오전 9시에서 오후 6시, 토요일은 오전 9시부터 오후 1시까지로 설정하였다. 기상데이터는 대한설비공학회에서 제공하는 서울 지역의 기상 데이터를 이용하였으며, 시뮬레이션 기간은 하절기인 8월 한 달 기간을 수행하였다.
8은 정풍량 공조시스템의 제어점인 환기온도를 측정하는 센서의 민감도 저하에 대한 고장모사 시뮬레이션 결과를 나타내었다. 환기온도를 측정하는 센서의 민감도가 저하되어 실제 값보다 낮게 측정하는 고장을 모사하여 그 결과를 나타내었다. Fig.

대상 데이터

Table 1은 공조시스템의 고장검출 및 진단을 위한 측정점을 나타내었다. 고장검출 및 진단을 위한 측정점은 공조시스템에서 일반적으로 얻을 수 있는 온도, 상대습도, 팬 소비동력 그리고 댐퍼 및 코일 밸브 제어신호 등 총 13가지 상태 값 및 제어신호를 선정하였다.
를 적용하였고, 재실 및 실내 발열기기 스케쥴은 평일 근무시간 오전 9시에서 오후 6시, 토요일은 오전 9시부터 오후 1시까지로 설정하였다. 기상데이터는 대한설비공학회에서 제공하는 서울 지역의 기상 데이터를 이용하였으며, 시뮬레이션 기간은 하절기인 8월 한 달 기간을 수행하였다.
본 연구의 시뮬레이션에 사용된 표준모델건물은 기존의 연구⁽¹³⁾를 통해 작성된 서울 시내에 소재한 사무소 건물로 선정하였으며, Table 2는 표준모델건물의 개요와 공조시스템의 운전조건이다. 표준모델 건물의 기준층은 다섯 개의 열적 존(Zone)으로 나누어지며, 방위별로 외벽으로부터 5 m 깊이에 4개의 외주부 존과 내주부 존으로 나누어진다.
연구에서는 제안한 고장검출 및 진단 알고리즘의 성능을 평가하기 위하여 공조시스템의 시뮬레이션을 통해 얻어진 무고장 상태와 고장 상태 데이터를 이용하였다.

이론/모형

냉수 코일의 경우 건식코일과 습식코일로 구분하여 유용도(effectiveness)-NTU법과 LMHD 식을 이용하여 냉수와 공기의 출구온도를 구하였다.
1차 다항식은 기준모델을 통해 얻어진 예측 값의 편차가 크고, 3차 다항식은 예측 값은 정확하지만 계산을 위해 많은 계수를 요구한다. 따라서 본 연구에서는 무고장 상태의 기준모델에 2차 다항식을 이용하였다.
본 연구에 사용된 시뮬레이션 모델은 NIST에서 개발한 HVACSIM+시뮬레이션 프로그램⁽¹⁴⁾에 사용된 모델을 이용하였다.
연구에서는 Rossi and Braun⁽¹⁶⁾이 제안한 식 (1)을 사용하여 고장원인을 진단하였다.

성능/효과

Table 4의 고장패턴 테이블과 같이 급기유량과 환기유량은 증가하였지만, 급기팬과 환기팬의 소비동력(W1, W2)은 급기팬과 환기팬의 차압에 영향을 더 받아 각각 감소하였고, 이에 따라 Fig. 7과 같이 급기팬과 환기팬의 출구온도(T4, T6)도 감소하는 경향을 보였으며, 냉각코일(Cooling coil) 출구온도(T3)는 급기유량의 증가로 인해 증가하는 경향을 보였다.
Table 6과 같이 혼합공기압의 증가로 급기팬의 입구와 출구압은 증가하였지만, 시뮬레이션 결과로 급기팬의 차압(DP1)은 무고장 상태에 비해 감소하였고, 급기유량(M1)은 증가하는 경향을 보였다. 또한 환기팬도 입구(P6)와 출구(P7)의 차압(DP2)은 감소하였고, 환기유량(M2)은 증가하는 경향을 보였다.
둘째, 환절기시에는 외기, 배기 그리고 재순환 댐퍼개도를 엔탈피 제어에 의한 상호 연동 비례 제어하지만, 동․하절기시에는 일정량의 외기를 계속 도입하여 실내의 공기질을 유지하기 위해서 외기, 배기 댐퍼의 개도를 최소치에 유지하고, 재순환 댐퍼는 최대 개도치를 고정하여 작동한다.
또한 환기온도 센서 민감도 저하 고장의 경우도 민감도가 ±1.2℃이내에 고장을 검출 할 수 있어서 표준화거리기법이 모든 고장검출에 대해 매우 민감함을 알 수 있었다.
본 연구에서는 제안한 고장검출 및 진단 알고리즘의 성능을 평가하기 위하여 기존 연구를 통해 작성된 표준모델건물 내 정풍량 공조시스템을 대상으로 무고장과 고장상태 시뮬레이션을 수행하였다. 모사된 고장의 종류는 댐퍼 고정, 혼합공기 필터 막힘 그리고 환기센서 고장을 포함한 총 5가지이며, 모든 고장에 대해서 표준화거리기법으로 고장검출이 가능하며, 민감도도 우수한 것을 알 수 있었다.
분류확률기법을 이용한 고장진단은 고장모드별 분류확률 값이 해당 고장에서 가장 큰 값을 제시하여, 모든 고장의 원인을 잘 진단 할 수 있었다.
첫째, 환기덕트에 설치된 온/습도 센서를 이용하여 환기온도와 습도를 측정하고, 측정된 환기온도를 이용하여 냉, 난방코일 유량조절 밸브를 비례 제어하여 설정된 환기온도 범위 내에서 실내온도를 유지하고, 측정된 환기습도를 이용하여 가습밸브를 On/Off 제어를 통해 설정 값 이상의 실내습도 조건을 유지한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	송풍기 성능저하나 제어센서의 노후화로 인한 민감도 저하와 같은 점차적인 고장이 검출하거나 진단하기 어려운 이유는 무엇인가?	공조시스템 송풍기의 운전 정지와 같이 시스템의 기능이 정지하는 갑작스런 고장(Hard failure)은 전기적 릴레이나 알람을 통해서 쉽게 고장을 검출하고 진단 할 수 있지만, 송풍기 성능저하나 제어센서의 노후화로 인한 민감도 저하와 같은 점차적인 고장(Soft failure)은 고장이 진행되고 있더라도 제어시스템이 자체적으로 제어기능을 수행하여 시스템의 구동을 유지하기 때문에 고장을 검출하거나 진단하기 어렵다.
	공조시스템에 고장이 발생하였을 경우, 고장의 발생위치, 발생원인, 전체 공조시스템에 미치는 영향을 운영자가 판단하기 힘들어진 이유는 무엇인가?	건물의 공조시스템 등 에너지 설비들이 자동화, 복잡화 그리고 대형화되면서, 공조시스템에 고장이 발생하였을 경우, 고장의 발생위치, 발생원인, 전체 공조시스템에 미치는 영향을 운영자가 판단하기 힘들어져 가고 있다.
	대상 기기에 고장이 발생하였을 때의 자료를 기반으로 신경망이론이나 퍼지기법 등을 사용한 고장 검출 방법의 문제점은 무엇인가?	일반적으로 공조시스템의 고장진단에 대한 연구는 대상 기기에 고장이 발생하였을 때의 자료를 기반으로 신경망이론이나 퍼지기법 등을 사용한 고장 검출 방법이 주로 이루어졌다. 그러나 이러한 방법 들은 고장에 대한 많은 자료수집이 선행되어야 하기 때문에 공조시스템이 실제 현장에 설치되어 작동 중인 상태로 있거나, 고장에 대한 자료를 얻을 수 없는 경우에는 실용적이지 못하다. 공조시스템의 제어방법과 허용범위 등을 이용하여 진단 규칙을 설정하고, 시스템의 상태 값이나 제어 값이 정해진 규칙을 준수하는지의 여부를 판단하여 고장을 검출하는 전문가 규칙 기법은 간단한 방법으로 급격한 고장의 검출에는 유리하지만, 고장진행에 따른 성능저하와 같은 점차적인 고장에 대해서는 진단하기 힘들다.

참고문헌 (16)

Katipamula, S. and Brambley, M. R., 2005, Methods for fault detection, diagnostics, and prognostics for building systems-a review, part I, HVAC&R Research, Vol. 11, No. 1, pp. 3-25.

상세보기
Han, D. and Ha, S., 2000, A study on the fault detection and diagnosis method for the air conditioner, Proceedings of the SAREK, pp. 1408-1412.
Kim, M. and Kim, M., 2005, Studies on the performance variation of a variable speed vapor compression under fault and its detection and diagnosis, Korean Journal of Air-Conditioning and Refrigeration Engineering, Vol. 17, No. 1, pp. 47-55.
Lee, W. Y. and Kyong, N. H., 2001, Fault detection and diagnosis for an air-handling unit using artificial neural networks, Korean Journal of Air-Conditioning and Refrigeration Engineering, Vol. 13, No. 12, pp. 1288-1296.
Peitsman, H. C. and Bakker, V. E., 1996, Application of black-box models to HVAC system for fault detection, ASHRAE Transactions, Vol. 102, No. 1, pp. 628-640.

상세보기
Peitsman, H. C. and Soethout, L. L., 1997, ARX models and real-time model-based diagnosis, ASHRAE Transactions, Vol. 103, No. 1, pp. 657-671.

상세보기
Han, C. Y., Xiao, Y. and Braun, C. J., 1999, Fault detection and diagnosis of HVAC systems, ASHRAE Transactions, Vol. 105, No. 1, pp. 568-578.
House, J. M., Vaezi-Nejad, H. and Whitecomb, J. M., 2001, An expert rule set for fault detection in air-handling units, ASHRAE Transactions, Vol. 107, No. 1, pp. 858-871.

상세보기
Schein, J., Bushby, S. T., Castro, N. S. and House, J. M., 2006, A rule-based fault detection method for air handling units, Energy and Buildings, Vol. 38, pp. 1485-1492.

상세보기
Yang, H., Cho, S., Tae, C. S. and Zaheeruddin, M., 2008, Sequential rule based algorithms for temperature sensor fault detection in air handling unit, Energy Conversion and Management, Vol. 29, pp. 2291-2306.
SEL(Solar Energy Lab.), Trnsys 16 User's Manual, University of Wisconsin-Madison, Madison, WI, U. S. A.
F-Chart Software, EES Manual, 2001, Version 6.20.
Seok, H. T. and Kim, K. W., 2001, Thermal performance evaluation of design parameters and development of load prediction equations of office buildings, Korean Journal of Air-Conditioning and Refrigeration Engineering, Vol. 13, No. 9, pp. 914-921.
Clark, D. R. and May, Jr. W. B., 1985, HVAC SIM+ building systems and equipment simulation program-user guide, NBSIR 85-3243, NIST.
Han, D. W. and Chang, Y. S., 2008, Development of a fault detection and diagnosis algorithm using fault mode simulation for a centrifugal chiller, Korean Journal of Air-Conditioning and Refrigeration Engineering, Vol. 20, No. 10, pp. 669-678.
Rossi, T. M. and Braun, J. E., 1997, A statistical, rule-based fault detection and diagnostic method for vapor compression air conditioner, Int. J. of HVAC&R Research, Vol. 3, No. 1, pp. 19-37.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증