기존 기술의 한계 분석을 통한 양수발전 예측진단 AI 모델 고도화

키워드

확장요약문

양수발전소의 수차발전기는 양수·발전 모드의 잦은 전환과 운전 조건 변화로 인해 진동 및 성능 변수의 거동이 복잡하다. 본 논문에서는 양수발전소에 적용된 기존 상태감시/진단 기술의 한계를 분석하고, 이를 개선·보완한 고도화된 예측 진단 AI 모델을 개발한다.

기존 상태감시 모델은 경보 기준의 데이터 동반 상승으로 인한 점진적 열화 경보 누락, 미세 진동 노이즈에 의한 오경보, 기준값 수동 갱신에 따른 반영 지연이 있다. 규칙기반 진단 모델은 진동·성능 데이터의 연계 변화 반영이 부족하고 단일 판별 조건 중심으로 결함을 판단한다. ML 기반 이상탐지(MCD, OCSVM)는 결함 데이터 부족으로 정상 데이터에 편중되고, PCA 차원 축소에 따른 정보 손실과 개별 모델 오판의 직접 반영 한계가 있다.

상태감시 모델에는 Burr 분포 통계 평가 기반의 경보(Alert/Fault) 기준 자동 산정과 진동 경계치 기반의 상·하한 제한값(계단식 진단 관점)을 적용하고, 정상 판정 데이터를 1개월 주기로 모집단에 자동 반영하여 감시하는 기술을 개발한다. 진단 모델은 운전 모드별 기준선 구분, 변수 간 상관관계, 다중 임계값 기반 결함별 진단 규칙 및 MLOps 기반 자동학습 체계를 개발한다.

본 논문에서는 양수발전 설비 예측 진단 AI 모델의 기존 기술의 한계 분석을 토대로 고도화된 모델을 기획하였다.