양수발전소 수차발전기와 주요 전력설비의 예측진단 및 상태감시 알고리즘 고도화 연구

키워드

확장요약문

양수발전소의 수차발전기(Hydro Turbine) 및 주요 전력설비는 전력계통의 신속한 조절을 담당하는 핵심 자산으로서, 양수 및 발전 모드 전환과 급격한 부하 변동 등 혹독한 운전 환경에 노출되어 있다. 기존 시스템은 고정된 경계값 중심의 단일 변수 모니터링에 의존하여 정상적인 운전 변동에 따른 오경보(False Alarm)나 데이터 누적에 의한 경보 미발생 문제가 빈번하게 발생하였다. 본 연구에서는 이러한 한계를 극복하기 위해 ISO 19283 및 ISO 13373-7 국제 표준을 준수하는 예측진단 및 상태감시 알고리즘 고도화 방안을 제안한다.

본 연구에서는 광대역(Overall RMS) 및 협대역(1X, 2X 등) 진동 데이터에 Burr 분포 통계 기법을 적용하여 중앙값 대비 Alert(약 1.6배) 및 Fault(약 2.5배) 기준을 자동 산정하는 적응형 경보 알고리즘을 적용하고자 한다. 데이터의 점진적 상승으로 인한 낮은 경보의 정확도를 보완하기 위해 ISO 19283 규격 기반 계단식 진단 관점의 상한 제한값(Upper Limit)을 도입하였고, 미소한 변동에 의한 오경보를 차단하는 하한 제한값(Lower Limit)을 동시에 설계하였다. 또한 3개월간의 정상 운전 데이터를 1개월 간격으로 자동 업데이트하는 통계 모집단 갱신 프로세스를 구현하여 경보 기준의 신뢰도를 유지하고자 한다.

운전 모드 변화, 시계열 지연 반응 및 결함 레이블이 부족한 환경에 대응하기 위해 비지도학습 기반 하이브리드 이상탐지 알고리즘을 구축하였다. 통계적 공분산 기반의 MCD(Minimum Covariance Determinant), 경계면 중심의 OCSVM(One-Class SVM), 그리고 다변량 시계열 문맥 및 재구성 오차를 반영하는 LSTM Autoencoder 를 결합하고 다수결(Majority Voting) 앙상블 판정 로직을 적용함으로써 단일 모델의 오판 가능성을 최소화하고자 한다. 본 알고리즘 체계는 MLOps 파이프라인과 연동되어 데이터 전처리, 자동 재학습, 개념 Drift 감지 및 재배포가 지속적으로 수행되도록 설계되었다.

단순 모니터링 수치를 넘어 설비 상태를 정량적 지표(A~E 등급)로 평가하기 위해 예측진단 Index 산출 알고리즘을 도입할 예정이다. 주요 결함 모드(Bent Shaft, Cavitation, Rubbing 등)에 대해 FMEA 기법 기반의 영향도(Severity)와 발생 가능성(Probability)을 결합하여 Risk Score 및 가중치를 산정하였으며, 상태감시 및 상태진단 판정 결과의 일치·불일치 패턴에 따른 4가지 Case Matrix 정합성 보정 로직을 적용하여 경보 정밀도를 향상시키고자 한다. 본 연구에서 고도화한 알고리즘 체계는 양수발전 설비의 이상 감지 정확도와 정비 예측 신뢰성을 향상시켜 불시 정지 예방 및 유지보수 효율화에 기여할 수 있을 것으로 기대된다.