초록
센서시스템을 이용한 상시감시는 발전소의 효율적인 운전과 안전을 담보하는 데 필수적이다. 상시감시기술을 구현하기 위해서는 우선 센서로부터 전송된 신호로부터 발전소 운전파라미터의 참값을 예측하는 모델 즉 Auto-association (AA) 모델을 확보하는 것이 중요하다. 이를 위해 본 논문에서는 Support Vector Regression (SVR)과 Partial Least Square Regression (PLSR)을 이용하는 방안을 각각 제시한다. 이렇게 해서 구축된 모델은 모니터해야 할 파라미터가 많을 때에도 쉽게 적용할 수 있다. 실제 발전소에서 수집된 데이터셋을 이용하여 AA 모델링의 정확도 및 민감도를 비교한 결과, 정확도 면에서는 SVR이 우수한 반면 민감도 면에서는 PLSR이 다소 나은 것으로 나타났다.
An online monitoring based upon sensor system is essential to assure both efficient operation and safety in the power plant. Of great importance is modeling for auto-association (AA) in online monitoring technique. The objective of auto-associative models lies in predicting true values of plant operation parameters from sensor signals transmitted. This paper presents two AA models using Support Vector Regression (SVR) and Partial Least Square Regression (PLSR). The presented models are useful, in particular, when there are many parameters to monitor in the power plant. Illustrative examples are given by using a real-world plant dataset. AA performances of SVR and PLSR are finally summarized in terms of accuracy and sensitivity. According to our results, SVR shows much higher accuracy and, however, its sensitivity is relatively degraded.