Journal of the Korean Institute of Gas (한국가스학회지)

The Korean Institute of GAS (한국가스학회)
권호 표지
DOI QR코드

DOI QR Code

Multi-block PCA for Sensor Fault Detection and Diagnosis of City Gas Network

도시가스 배관망의 고장 탐지 및 진단을 위한 다중블록 PCA 적용 연구

  • Received : 2024.02.01
  • Accepted : 2024.05.31
  • Published : 2024.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

The city gas pipeline network is characterized by being widely distributed and hierarchically connected in a complex manner over a wide area. In order to monitor the status of the widely distributed network pressures with high precision, Multi-block PCA(MBPCA) is recommended. However, while MBPCA has excellent performance in identifying faulty sensors as the number of sensors increases, the fault detection performance deteriorates, and also there is a problem that the model needs to be updated entirely even if minor changes occur. In this study, we developed fault detectability index and fault identificability index to determine the effectiveness of MBPCA application block by block. Based on these indices, we distinguished MBPCA and PCA blocks and developed a fault detection and diagnostic system for the city gas pipeline network of Haean Energy Co., Ltd., and were able to solve the problems that arise when there are many sensors.

도시가스 배관망은 넓은 지역에 분포되며, 계층적으로 복잡하게 연결되어 있는 것을 특징으로 한다. 넓은 지역에 분포된 배관망의 압력 상태를 정밀하게 감시하기 위하여 PCA 기반의 센서 고장탐지 및 진단 기법을 적용하였다. 도시가스 배관망은 센서의 수가 많기 때문에 상호 연관성이 높은 센서들을 하나의 블록으로 묶어 블록 차원에서 전체 센서를 다루는 다중블록 PCA(MBPCA)가 추천된다. 그런데 MBPCA는 고장센서 식별 성능이 우수한 장점이 있지만, 센서의 개수가 증가할수록 고장탐지 성능이 나빠지는 경우가 많고, 지엽적인 변화에도 모델 전체를 갱신해야 하는 문제점이 있다. 이러한 이유로 모든 센서에 대해 MBPCA를 적용하는 것보다 선택적으로 MBPCA를 적용하는 것이 필요하다. 본 연구에서는 고장탐지 성능(fault detectability) 지수와 고장진단 성능(fault identificability) 지수를 제안하였으며, 이를 통해 블록별로 MBPCA와 PCA의 성능을 비교할 수 있도록 하였다. 이 지수를 기준으로 MBPCA와 PCA 블록을 구분하여 (주)해양에너지의 도시가스 배관망의 고장 탐지 및 진단 시스템을 개발하였으며, 센서의 개수가 많은 경우에 발생하는 문제점을 해결할 수 있었다.

Keywords

Acknowledgement

본 연구는 2022년도 산업통상자원부의 재원으로 한국산업기술진흥원의 지원을 받아 수행된 DX한걸음 프로젝트(과제번호 P0021372)로 지원에 감사를 드립니다.

References

  1. Chung,W.H., Park, G.J., Gu,Y.H., Lim, S.H., Yoo, S.J., Jo, Y.D., "City Gas Pipeline Pressure Prediction Model", The Journal of Society for e-Business Studies, 23(2), 33~47, (2018)
  2. Mujtaba, S. M., Lemma, Tamiru A. S., Vandrang, K., "Leak Diagnostics in Natural Gas Pipelines Using Fault Signatures", International Journal of Pressure Vessels and Piping, 199, October (2022) Volume 199, October 2022, 104698
  3. Yi, T. H., Huang, H. B., Li, H. N., "Development of Sensor Validation Methodologies for Structural Health Monitoring: a Comprehensive Review", Measuremen,t, 109, 200-214, October (2017) https://doi.org/10.1016/j.measurement.2017.05.064
  4. Alcala, C.F., Qin, S.J., "Reconstruction-based Contribution for Process Monitoring", Automatica, 45, 1593-1600, (2009) https://doi.org/10.1016/j.automatica.2009.02.027
  5. Shang, C., Huang, B., Yang, F., Huang, D., "Slow Feature Analysis for Monitoring and Diagnosis of Control Performance", Journal of Process Control, 39, 21-34, March (2016) https://doi.org/10.1016/j.jprocont.2015.12.004
  6. Westerhuis, J. A., Kourti, T., MacGregor, J. F., "Analysis of Multiblock and Hierarchical PCA and PLS Models," J. Chemometrics, 12, 301-321, (1998) https://doi.org/10.1002/(SICI)1099-128X(199809/10)12:5<301::AID-CEM515>3.0.CO;2-S
  7. Qin, S., Valle, S., Piovoso, M., "On Unifying Multiblock Analysis with Application to Decentralized Process Monitoring", Journal of Chemometrics, 15, 715-742, (2001) https://doi.org/10.1002/cem.667
  8. Liu, Q., Chai, T., Qin, S. J., "Fault Diagnosis of Continuous Annealing Processes Using a Reconstruction-based Method," Control Eng. Practice, 20(5), 511-518, (2012) https://doi.org/10.1016/j.conengprac.2012.01.005
  9. Shang, C., Ji, H., Huang, X., Yang, F., Huang, D., "Generalized Grouped Contributions for Hierarchical Fault Diagnosis with Group Lasso", Control Engineering Practice, 93, 1~12, December (2019) https://doi.org/10.1016/j.conengprac.2019.104193
  10. Mishra, P., Roger, J. M., Jouan-Rimbaud- Bouveress, D., Biancolillo, A., Marini, F., Nordon, A., Rutledge, D. N., "Recent Trends in Multi-block Data Analysis in Chemometrics for Multi-source Data Integration", Trends in Analytical Chemistry, 137, April (2021)
  11. Dunia, R., Qin, S. J., "A Unified Geometric Approach to Process and Sensor Fault Identification and Reconstruction: The Unidimensional Fault Case", Computers & Chemical Engineering, 22(7-8), 927-943, (1998) https://doi.org/10.1016/S0098-1354(97)00277-9