한국지능시스템학회논문지 (Journal of the Korean Institute of Intelligent Systems)

  • 제22권5호
  • /
  • Pages.603-609
  • /
  • 2012
  • /
  • 1976-9172(pISSN)
  • /
  • 2288-2324(eISSN)
한국지능시스템학회 (Korean Institute of Intelligent Systems)
권호 표지
DOI QR코드

DOI QR Code

풍력발전 시스템을 위한 인공 신경망 기반의 고장검출기법에 대한 연구

Study on Artificial Neural Network Based Fault Detection Schemes for Wind Turbine System

  • 문대선 (군산대학교 전자정보공학부) ;
  • 김성호 (군산대학교 제어로봇공학과)
  • 투고 : 2012.06.28
  • 심사 : 2012.10.08
  • 발행 : 2012.10.25
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

전 세계적으로 풍력발전은 전력생산을 위해 사용되는 신재생 에너지원 중 가장 빨리 성장하고 있는 분야로 새로 건설되는 풍력발전단지는 전체 전력 생산량에서 많은 부분을 차지해가고 있다. 풍력발전단지의 설치 증가는 더욱 효율적인 운영과 유지보수에 대한 기술 개발을 요구하게 된다. CM(Condition Monitoring) 시스템은 풍력발전 시스템의 효율적 운영을 가능케 하는 중요한 도구로 운영자에게 기계의 운전 상태에 대한 정보를 제공함과 동시에 유지보수와 관련된 체계적인 정보를 제공한다. 이에 본 연구에서는 풍력발전용 SCADA 시스템으로부터의 각종 정보를 이용하여 해당 장치의 고장검출에 효율적으로 사용될 수 있는 인공신경망을 기반으로 하는 정상 동작 모델의 체계적인 설계 과정에 대해 고찰하고자 한다. 또한 제안된 설계 기법의 유용성 확인을 위해 군산 비응도에 설치된 Vestas사의 850KW급 풍력발전시스템으로부터의 SCADA 데이터를 사용하였다.

Wind energy is currently the fastest growing source of renewable energy used for electrical generation around world. Wind farms are adding a significant amount of electrical generation capacity. The increase in the number of wind farms has led to the need for more effective operation and maintenance procedures. Condition Monitoring System(CMS) can be used to aid plant owners in achieving these goals. Its aim is to provide operators with information regarding the health of their machines, which in turn, can help them improve operational efficiency. In this work, systematic design procedure for artificial neural network based normal behavior model which can be applied for fault detection of various devices is proposed. Furthermore, to verify the design method SCADA(Supervisor Control and Data Acquisition) data from 850KW wind turbine system installed in Beaung port were utilized.

키워드

참고문헌

  1. Young-Ghi Kim, Jae-Hee Byun, Tae-Sik Choi, Chol-Ho So, LS Cable, "A Study on Condition Monitoring for Wind Turbines," The Korean Institute of Electrical Engineers, vol. 41, pp. 1247-1248, 2010.
  2. Hameed Z, Hong YS, Cho YM, Ahn SH, Song CK, "Condition monitoring and fault detection of wind turbines and related algorithms: a review," Renewable Sustainable Energy Reviews, vol. 13(1), pp 1-39, 2009. https://doi.org/10.1016/j.rser.2007.05.008
  3. Sanz-Bobi, M.A., Garcia, M..C., "SIMAP: intelligent system for predictive maintenance application to the health condition monitoring of a wind turbine gearbox," Computers in Industry, vol. 57, pp. 552-568, 2006. https://doi.org/10.1016/j.compind.2006.02.011
  4. Zaher, A., Mc Arthur, D.D.J., "Online wind turbine fault detection through automated SCADA data analysis," Wind Energy, vol. 12, pp. 574-593, 2009. https://doi.org/10.1002/we.319
  5. Za Hyers, R.W., Mc Gowan, J.G., "Condition monitoring and prognosis of utility scale wind turbine," Energy Material, vol. 1, no. 3, pp. 187-203, 2006. https://doi.org/10.1179/174892406X163397
  6. Giebel, G., Juhl, Al, "Clever Farm-A Super SCADA system for wind farms," Report, Riso-R-144(EN), Risoe National Laboratory, Denmark, Aug. 2004.
  7. Krug, F., Rasmussen, J.R., "Wind turbine/generator drive train condition based monitoring," Proceedings of European Wind Energy Conference, London, UK, November 2004.
  8. Hatch, C., "Improved wind turbine condition monitoring using acceleration enveloping," Machinery Massage, 2004.
  9. Zaher, A., "Infield online wind turbine fault detection through automated SCADA data analysis," Wind Energy, pp. 574-593, 2009.
  10. M.A. Sanz-Bobi, "SIMAP: Intelligent system for predictive maintenance application to the health condition monitoring of a wind turbine gearbox," Computer in Industry, vol. 57, pp. 552-568, 2006. https://doi.org/10.1016/j.compind.2006.02.011
  11. M. Schlechtingen, "Comparative analysis of neural network and regression based condition monitoring approaches for wind turbine fault detection," Mechanical systems and signal processing, vol. 25, pp. 1849-1875, 2011. https://doi.org/10.1016/j.ymssp.2010.12.007

피인용 문헌

  1. A Study on the Signal Processing Techiques for Pattern Classification of Electrical Loads vol.26, pp.5, 2016, https://doi.org/10.5391/JKIIS.2016.26.5.409