[논문]지능형 풍력발전 기계적 요소 고장진단 시스템 개발

문대선; 김성호

doi:10.5391/jkiis.2014.24.1.078

지능형 풍력발전 기계적 요소 고장진단 시스템 개발
Development of intelligent fault diagnostic system for mechanical element of wind power generator 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.24 no.1, 2014년, pp.78 - 83

문대선 (군산대학교 전자정보공학부) , 김성호 (군산대학교 제어로봇공학과)

초록
AI-Helper

최근 신재생 에너지원으로서의 선두주자인 풍력발전은 다수의 풍력발전 회사들로 하여금 모니터링 및 고장진단 시스템의 개발을 가속화시키고 있다. 이러한 모니터링 및 진단시스템은 조기의 고장검출을 통해 고장이 발생되었을 경우 발생되는 고가의 수리비용을 미연에 방지할 수 있게 한다. 일반적으로 풍력발전과 관련된 고장진단 시스템은 진동신호 및 신호분석기법에 기반하고 있다. 이에 본 연구에서는 풍력발전 시스템에서 자주 발생되고 있는 질량 불평형 및 축 정렬 불량 등과 같은 기계적인 고장을 효율적으로 진단할 수 있는 시스템을 제안하고자 한다. 본 연구에서 제안된 지능화된 고장진단 알고리즘은 인공신경망기법과 웨이블렛 변환을 이용한 것으로 (주)가온솔루션에서 개발한 풍력발전용 기계적 고장발생 장치에 적용 실험을 통해 제안된 진단기법의 유용성을 확인하고자 하였다.

Abstract ▼ AI-Helper

Recently, a rapid growth of wind power system as a leading renewable energy source has compelled a number of companies to develop intelligent monitoring and diagnostic system. Such systems can detect early mechanical faults, which prevents from costly repairs. Generally, fault diagnostic system for wind turbines is based on vibration and process signal analysis. In this work, different type of mechanical faults such as mass unbalance and shaft misalignment which can always happen in wind turbine system is considered. The proposed intelligent fault diagnostic algorithm utilizes artificial neural network and Wavelet transform. In order to verify the feasibility of the proposed algorithm, mechanical fault generation experimental system manufactured by Gaon corporation is utilized.

주제어

AI 본문요약
AI-Helper

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

문제 정의

㈜가온솔루션과 공동으로 제작한 풍력발전용 기계적 고장 발생장치를 이용하여 제안된 Wavelet 및 인공신경망 기반의 고장진단 알고리즘의 성능 평가를 수행하고자 하였다. 성능 평가는 각각의 고장이 발생되었을 경우, 축방향 및 반경방향으로 설치된 가속도 센서로부터의 신호에 대한 Wavelet 변환, Wavelet 변환으로부터 얻어진 데이터를 기반으로 각 고장에 대한 특징 데이터 추출과정, 각 고장에 대한 특징 데이터를 이용한 인공신경망의 학습 과정 및 고장진단 특성의 분석 순서로 진행하였다.
또한 앞서 언급한 바와 같이 본 연구에서는 가변속으로 운전되고 있는 풍력발전시스템에 대한 고장진단시스템의 개발에 목적을 두고 있기 때문에 인공신경망의 학습 입력으로 Wavelet 변환을 통해 얻어진 근사 및 상세계수 이외에도 샤프트의 회전수를 인공신경망의 입력으로 사용하고자 하였다.
본 연구에서는 가변속 풍력발전시스템에서 발생될 수 있는 기계적 고장(질량불평형, 축정렬 불량)을 효과적으로 진단할 수 있게 하는 Wavelet 및 인공신경망 기반의 고장진단 알고리즘을 제안하고자 하며 제안된 진단 시스템의 전체구조를 나타내면 그림 7과 같다.
본 연구에서는 가변속 풍력발전시스템의 기계요소에서 주로 발생되는 질량 불평형 및 축정렬 불량을 효율적으로 진단하기 위한 Wavelet 및 인공신경망 기반의 고장진단 알고리즘을 제안하고 제안된 기법의 유용성을 확인하기 위해㈜가온솔루션과 공동으로 개발한 기계적 고장 발생 장치에 적용 실험을 수행하였다. 적용 실험을 통해 축정렬 불량 및 질량 불평형 고장의 효율적인 진단이 가능함을 확인할 수 있었다.
본 연구에서는 앞서 고찰한 질량 불평형 및 축 정렬불량 등과 같은 기계적인 요소의 고장발생을 인위적으로 만들기 위한 교육용 장비를 ㈜가온솔루션과 공동으로 개발하였으며 개발된 시스템의 구체적인 내용은 다음과 같다.
본 연구에서는 질량 불평형과 축정렬 불량의 효율적인 고장 진단을 위해 축방향 및 반경방향으로 설치된 두 개의가속도센서를 사용하고자 하였다.
특히, 최근에 개발되고 있는 풍력발전시스템은 풍속의 변화에 따라 블레이드 및 발전기의 회전속도가 가변되는 가변속 제어가 채택되어 운영되고 있기 때문에 기존 회전기기에서 적용되어왔던 고장검출 및 진단기법의 직접적인 적용이 힘들다는 문제점을 갖는다[6]. 이에 본 논문에서는 가변속 제어기법이 적용되어 운전되고 있는 풍력발전시스템의 기계적인 고장검출 및 진단에 효율적으로 적용될 수 있는 Wavelet 및 인공신경망 기반의 고장 진단 알고리즘을 제안고자 한다.
이에 본 연구에서는 풍력발전 시스템에 발생될 수 있는 질량 불평형 및 축 정렬불량 등의 기계적인 고장에 대한 효율적인 고장검출 및 진단 기법의 개발을 위해 직접 개발한 테스트베드를 이용하여 고장검출 및 진단 알고리즘을 개발하고자한다.

제안 방법

같은 크기의 고장이 발생되어도 운전상황에 따라 인공신경망의 학습에 사용될 특징 벡터는 일정하지 않기 때문에 본 연구에서는 각각의 고장에 대해 5회의 반복 실험을 수행하여 Wavelet 다분해 트리로부터 얻어진 D1, D2, A2의 RMS와 표준편차의 평균을 사용하였다.
그림 7의 우측에 존재하는 인공신경망은 질량 불평형 및 축정렬 불량이 발생되었을 경우, Wavelet 변환을 통해 얻어지는 A(근사계수) 및 D(상세계수)에 대한 RMS(Root Mean Square) 및 표준편차를 구하여 이를 각 고장이 발생되었을 경우의 학습 데이터로 사용하고자 하였다.
로터의 회전수를 변경시키면서 5.1절의 실험을 반복 수행하여 정상상태, 질량 불평형 및 축정렬 불량에 대한 각각의 D1, D2, A2의 RMS와 표준편차를 구하고자 하였다.
로터의 회전축과 증속기 및 발전기의 축과의 연결시 발생될 수 있는 축정렬 불량의 발생을 위해 그림 6에서와 같이 웜기어에 장착된 핸들의 회전을 통해 수평정렬불량을 발생시킬 수 있도록 설계하였다. 수평정력불량은 1회전의 핸들 회전당 1mm씩 발생될 수 있게 제작되었다
블레이드의 결빙 등에 의해 발생될 수 있는 질량 불평형은 반경방향의 진동을 야기시키며 이를 위해 본 연구에서는 그림 10과 같이 200g의 질량을 알미늄 원판에 장착시켜 질량 불평형을 발생시켰다.
㈜가온솔루션과 공동으로 제작한 풍력발전용 기계적 고장 발생장치를 이용하여 제안된 Wavelet 및 인공신경망 기반의 고장진단 알고리즘의 성능 평가를 수행하고자 하였다. 성능 평가는 각각의 고장이 발생되었을 경우, 축방향 및 반경방향으로 설치된 가속도 센서로부터의 신호에 대한 Wavelet 변환, Wavelet 변환으로부터 얻어진 데이터를 기반으로 각 고장에 대한 특징 데이터 추출과정, 각 고장에 대한 특징 데이터를 이용한 인공신경망의 학습 과정 및 고장진단 특성의 분석 순서로 진행하였다.
축방향 및 반경방향으로 설치된 가속도 센서로부터의 신호는 Labview에서 제공하는 Wavelet Toolkit을 통해 A(근사계수), D(상세계수) 및 이들 신호에 대한 RMS 및 표준편차를 구하고자 하였다. 실험을 위해 구현된 Labview 프론트 패널의 구성을 나타내면 그림 8과 같다.
풍력발전 기계부 고장발생 장치는 풍력발전시스템의 기계적인 고장인 질량 불평형, 축 정렬 불량, 베어링 결함 등의 고장을 발생시킬 수 있으며 고장시 발생되는 진동신호를 측정하여 다양한 형태의 진단알고리즘의 성능 평가를 수행하도록 그림 4와 같이 설계되었다.

성능/효과

본 연구에서는 가변속 풍력발전시스템의 기계요소에서 주로 발생되는 질량 불평형 및 축정렬 불량을 효율적으로 진단하기 위한 Wavelet 및 인공신경망 기반의 고장진단 알고리즘을 제안하고 제안된 기법의 유용성을 확인하기 위해㈜가온솔루션과 공동으로 개발한 기계적 고장 발생 장치에 적용 실험을 수행하였다. 적용 실험을 통해 축정렬 불량 및 질량 불평형 고장의 효율적인 진단이 가능함을 확인할 수 있었다.
표3은 각각의 고장에 대한 900개의 실측 데이터로부터 구한 A2, D1, D2의 표준편차 및 RMS값 및 회전속도를 학습완료된 인공신경망에 입력하였을 경우의 진단율을 나타낸 것으로 축정렬 불량은 비교적 정확한 진단이 가능함을 알 수 있으나 정상 및 질량 불평형은 약 80%대의 진단율을 나타냄을 알 수 있다. 이는 본 실험에서 사용한 질량불평형의 크기가 작음에 기인하며 따라서 알미늄 원판에 장착되는 큰 질량의 질량 불평형을 사용한다면 정상과 질량 불평형의 효율적인 진단이 가능할 것으로 기대된다.

후속연구

표3은 각각의 고장에 대한 900개의 실측 데이터로부터 구한 A2, D1, D2의 표준편차 및 RMS값 및 회전속도를 학습완료된 인공신경망에 입력하였을 경우의 진단율을 나타낸 것으로 축정렬 불량은 비교적 정확한 진단이 가능함을 알 수 있으나 정상 및 질량 불평형은 약 80%대의 진단율을 나타냄을 알 수 있다. 이는 본 실험에서 사용한 질량불평형의 크기가 작음에 기인하며 따라서 알미늄 원판에 장착되는 큰 질량의 질량 불평형을 사용한다면 정상과 질량 불평형의 효율적인 진단이 가능할 것으로 기대된다.
향후 본 연구에서 문제점으로 제시된 작은 크기의 질량 불평형을 효율적으로 진단하기 위한 개량된 Wavelet 및 인공신경망 기반의 고장진단 시스템을 개발하고자 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	풍력발전이 육상풍력에서 해상풍력으로 변화하는 주된 이유는?	최근 풍력발전은 육상에서의 한정된 설치 장소, 자연경관이나 소음 등의 문제를 해결하기 위해 점차 육상풍력에서 해상 풍력발전으로 발전 패러다임이 바뀌어가고 있는 상황이다. 풍력발전이 육상풍력에서 해상풍력으로 변화됨에 따라 고장발생시의 O&M(Operation & Maintenance) 비용이COE(Cost Of Energy)에서 차지하는 비율이 30%~35%에 이르고 있는 실정이다.
	회전 축 정렬 불량은 어떻게 구분되는가?	회전 축 정렬 불량은 회전축이 평행한 방향으로 놓여 있지 않고 서로 다른 각도를 갖게 되어 발생되는 각 정렬 불량(Angular Misalignment)과 회전축의 높이가 어긋난 상태인 수평정렬 불량(Parallel Misalignment)로 구분된다.
	진단을 수행할 때 진동신호를 이용한 진단은 어떤 장점을 가지나?	진동신호는 이상 진단을 위한 전기적 특성이나 회전방향,온도 등의 다른 것에 비해 주변 환경의 영향을 적게 받고 비슷한 구조의 회전 기계들에 대해 공통적으로 적용될 수 있다는 장점이 있다.

참고문헌 (10)

Hameed. Z., Hong. Y.S., Cho. Y.M., Ahn. S.H., Song. C.K., "Condition monitoring and fault detection of wind turbines and related algorithms: A review," Renewable and Sustainable Energy Reviews, vol. 13, no. 1, pp. 1-39, 2009.

상세보기
Park. K. T., Choi. J. S., Chung. D. H., "A Novel PV Tracking System Control Considering the Power Loss with Change of Insolation," Journal of the Korean Institute I lluminating and Electrical Installation Engineers, vol. 22, no. 6, pp. 89-99, 2008.

원문보기 상세보기
Sanz-Bobi. M.A., Garcia. M.C., "SIMAP: intelligent system for predictive maintenance application to the health condition monitoring of a wind turbine gear box," Computers in Industry, vol. 57, pp. 552-568, 2006.

상세보기
Caselitz. P., Giebhardt. J., "Rotor Condition Monitoring for Improved Operational Safety of Offshore Wind Energy Converters", Journal of Solar Energy Engineering, vol. 127, no.2, pp. 253-261, 2005.

상세보기
Ahn. S.I., Choi. S.J., Kim. S.H., "Development of Fault diagnostic algorithm based on spectrum analysis of acceleration signal for wind turbine system," Journal of Korean Institute of Intelligent System, vol. 22, no. 6, pp. 675-680, 2012.

원문보기 상세보기
Park. S. J., Kang. D. S., "Implementation of Real-time Monitoring System using the Neural Network for Automatic Failure Diagnosis of Offshore Wind," The Joural of Korean Information Technology, vol. 10, no. 7, pp193-198, 2012.
Kim. Y. I., Yoo. H. H., "Prediction of the Performance Distributions and Manufacturing Yields of a MEMS Accelerometer," Journal of Mechanical Science and Technology, vol. 35, no. 7, pp. 791-798, 2011.

원문보기 상세보기
Kim. S. Y., Kim. S. H., "Study on the Prediction of wind Power Generation Based on Artificial Neural Network," Journal of Institute of Control, Robotics and Systems, vol. 17, no. 11, pp. 1173-1178, 2011.

원문보기 상세보기
Febin. D. J. L., Subbiah. V., Atif. I., Sanjeevikumar P., "Novel Wavelet-Fuzzy Based Indirect Field Oriented Control of Induction Motor Drives," Journal of Power Electronics, vol. 13, no. 4, pp. 656-668, 2013.

원문보기 상세보기
Ahn. S. I., Choi. S. J., Kim. S. H., "Development of Fault Diagnostic Algorithm based on Spectrum Analysis of Acceleration Signal for Wind Turbine System," Journal of Korean Institute of Intelligent Systems, vol. 22, no. 6, pp. 675-680, 2012.

원문보기 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