선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 또한 같은 고장 데이터를 이용하여 모델링시 사용된 파라미터의 개수를 달리 하였을 때 나타나는 고장 검출 성능에 대해서도 확인하고자 하였다.
- 본 연구에서는 II 장에서 설명한 풍력발전시스템으로부터 제공되는 SCADA 데이터를 이용한 퍼지 클러스터링 기반의 풍력 발전기 고장 검출 시스템을 제안하고자 하며, 제안된 고장 검출 시스템의 전체 구성도를 나타내면 그림 2와 같다.
- 본 연구에서는 풍력 발전기로부터 얻어지는 SCADA 데이터를 활용하여 효율적인 고장검출을 수행할 수 있는 Gustafson-Kessel 퍼지 c-means 클러스터링 기법에 기반한 고장 검출 기법을 제안하고 다양한 시뮬레이션 고찰을 통해 제안된 기법의 유용성을 확인하였다. 시뮬레이션 결과 풍력 발전기의 정상 동작 범위를 규정하는 임계치의 설정이 제대로 이루어진다면 히스토그램에 의해 고장의 검출이 가능함을 확인할 수 있었다.
- 본 연구에서는 풍력 발전기의 동작 특성을 표현 가능한 클러스터로 구성하기 위하여 II 장에서 소개한 표 1과 같이 10분간 평균값으로 가공되어 저장된 군산 비응항의 Vestas 사의 850kW급 풍력발전기의 SCADA 데이터를 사용하고자 하였다.
- 이에 본 논문은 2012년 ICROS 전북제주지부 학술대회에서 우수논문으로 선정된 “클러스터링 기법에 기반한 풍력 발전기 고장 검출 시스템 개발” 논문의 내용을 확장한 논문으로 풍력발전기의 정상 동작시 얻어지는 SCADA 데이 터로부터의 다양한 변수를 사용하여 정상동작에 대한 모델을 구하고자 하였다.
- 따라서 하나의 동작점에 대한 임계치 검사를 통해 고장의 유무를 판단하는 것은 바람직하지 못하다. 이에 본 연구에서는 매 순간 임계치 검사에 의해 비정상 동작의 발생횟수를 고려하여 고장검출을 수행하는 통계학적 기법을 사용하고 하고자 하였다.
- 일반적으로 정상 또는 비정상을 판단하기 위해서는 판단의 기준이 되는 임계치의 설정이 매우 중요하다. 이에 본연구에서는 클러스터링에 사용된 정상 동작점들과 각 클러스터의 중심들과의 최소 거리 값들 중 가장 큰 값을 임계치로 선정하고자 하였다. 따라서 임의의 동작점에 대한 각클러스터 중심과의 거리가 규정된 임계치보다 크다면 현재의 동작점은 비정상으로 판정하고 임계치보다 작다면 정상으로 판정한다.
- 임계치의 체계적인 선정을 위해 본 연구에서는 그림 5의 정상 동작 상태의 데이터(14,457개)를 이용하여 각 클러스터 중심과의 최소거리(표 3 참조)를 사용하고자 하였다.
- 클러스터의 개수 선정은 데이터 특성의 표현의 중요한 요소임을 알 수 있으며, 본 논문에서는 클러스터 개수를 8로 선정하여 얻어진 클러스터 중심을 이용하여 풍력 발전기의 고장 검출을 수행하고자 한다.
- 이에 본 논문은 2012년 ICROS 전북제주지부 학술대회에서 우수논문으로 선정된 “클러스터링 기법에 기반한 풍력 발전기 고장 검출 시스템 개발” 논문의 내용을 확장한 논문으로 풍력발전기의 정상 동작시 얻어지는 SCADA 데이 터로부터의 다양한 변수를 사용하여 정상동작에 대한 모델을 구하고자 하였다. 특히, Lapira등의 연구에서는 풍속 및 발전량 데이터에 기반한 퍼지 클러스터링 기법을 사용하였으나 본 연구에서는 풍속이외에도 로터의 회전수 및 피치각 등을 모델링에 사용할 수 있는 방법을 제안하고자 한다[7].
※ AI-Helper는 부적절한 답변을 할 수 있습니다.