양수발전소 CBM을 위한 RUL 예측모델 및 정비 현황 대시보드 개발

키워드

확장요약문

예천 양수발전소 상태기반정비(CBM) 플랫폼 구축 과정에서 회전설비 6종 18대를 대상으로 고장모드 및 영향분석(FMEA), 잔여수명(RUL) 예측 알고리즘, CBM 현황 메인화면을 개발하였다. 기존 감시·진단 모델은 현재 시점의 상태 판정만 산출하고 시간축 예측이 없으므로, 고장 지식베이스와 정비시점 예측 계층, 결론부터 읽히는 화면을 더해 진단이 정비 의사결정으로 이어지도록 하였다.

고장모드 영향 및 중요도 분석(FMEA/FMECA)은 CBM 대상 설비의 모든 잠재고장 형태를 식별하고, 그 고장이 전체 시스템에 미치는 영향과 원인을 분석하여 개선 조치를 도출하는 과정이다. 이를 위해 (1) 잠재 고장모드 식별, (2) 고장 발생 시 영향분석, (3) 고장 원인 도출, (4) 예방·검출 방법 확인, (5) 심각도·발생도·검출도 기준의 위험도 평가(양수발전소 예방정비·상태감시 조사와 기발행 통지/오더를 기준으로 발생도 산정), (6) 중요도 매트릭스 또는 조치 우선순위 기준의 위험 등급 선정, (7) 원자력발전소 적용 PMT 항목과 비교한 개선 필요 여부 선정, (8) 권고조치 항목 제공, 8단계의 분석과정을 수행한다.

RUL 알고리즘은 데이터 성숙도에 따른 세 단계로 구성된다. 설비군 Weibull 생존모델은 정비이력과 나이(누적 운전시간)로 임무기간 생존확률을, 상태갱신 생존모델(Weibull-PHM)은 규칙기반진단의 비정상률을 공변량으로 개체 상태를 반영한 생존확률을, 하중축 파티클필터 모델은 수차발전기와 주냉각수펌프에 대해 등가운전시간(EOH)·마모가중 운전시간(WOH) 축 위에서 RUL 분포와 90% 신뢰구간을 산출한다. 보조기기 4종 12대에는 Weibull-PHM을 적용하고, 앞 단계의 산출물이 다음 단계의 사전분포가 되는 승격 경로를 두었다. 합성 데이터 다중시드 백테스트에서 개선의 지배 요인은 달력축을 하중축으로 바꾼 것이었으며, 파티클필터는 스러스트 베어링 MAE 45일(56% 개선)·90% CI 포함률 100%, 주냉각수펌프 33일(62% 개선)·79%로 불확실성 정량화에서 우위를 보였다. 현 단계는 코드 구현과 합성데이터 검증까지이며, 실데이터 운영의 선결 과업은 비정상률의 일별 시계열 저장과 정비 시 발견 상태(As-Found)의 정량 실측이다.

CBM 현황 메인화면은 KPI와 통합표 중심의 현행 첫 화면을 「지금 몇 대가 급한가」가 한눈에 읽히는 요약 레이어로 교체한다. 대시보드 중심과 3D 구성도 중심의 두 시안을 비교해 4지표(HI·보수적 RUL·위험지수 RI·고장확률 P)를 결합하였고, 판정은 기존 함수를 유지하되 고장확률 P 문턱값(20%/10%)에 따라 즉시 정비·OH 정비·OH 검토·정상의 4단계로 표기한다. 눈금이 다른 두 모델의 지표는 고장확률 P 단일 축의 위험 순위로 통합하고, 산출 신뢰도 등급과 「실데이터 검증 전」 배지를 표시하며 모든 CBM 설비 항목을 기존 상세 화면의 해당 설비와 연결한다.