다중 센서를 이용한 신호처리 기반 해상 풍력 발전 고장 검출 시스템
Signal Processing-based Offshore Wind Turbine Fault Detection System Using Multiple Sensors
- 주제(키워드) 풍력 발전기 , 자이로 센서 , 각속도 , 움직임 벡터 , 블록 정합 방법 , 서포트 벡터 머신
- 발행기관 서강대학교 일반대학원
- 지도교수 강석주
- 발행년도 2018
- 학위수여년월 2018. 2
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- 실제URI http://www.dcollection.net/handler/sogang/000000062797
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
본 논문에서는 풍력 발전 시스템에서 발생 가능한 고장 중 블레이드에 대한 고장 진단 방법으로 자이로 센서를 이용한 각속도 측정을 통해 고장 진단용 모니터링 시스템과 영상 처리를 기반하는 움직임 벡터 측정과 이에 대한 SVM 분류기를 이용한 방법을 제안한다. 먼저 블레이드 표면 정보를 바탕으로 하는 모니터링 방법이다. 정상 상태의 블레이드 표면과 균열이 발생한 블레이드 표면에서 corner와 edge수를 측정한다. 측정한 정보를 바탕으로 분류기를 제작한다. 실험 결과 F_1score의 값이 0.9785로 측정됨을 확인 할 수 있다. 다음, 자이로 센서를 이용한 모니터링 방법은 다음과 같다. 우선 손상이 발생하지 않은 상태의 블레이드 회전에 대한 각속도 dataset을 구성한다. 다음 손상이 발생한 블레이드를 부착한 상태에서 블레이드를 회전시켜 이에 대해 측정된 각속도를 정상 상태에 대한 각속도 dataset과 비교한다. 최종적으로 블레이드의 손상 정도에 따라 발생하는 각속도의 차이를 비교하여 블레이드의 고장 진단에 대해 판단 한다. 실험 결과 정상 상태의 블레이드는 초당 1회 이상의 속도로 회전을 진행하며, 손상 상태의 블레이드는 초당 1회 미만의 속도로 회전함을 알 수 있다. 다음, 영상 정보를 사용하여 풍력 터빈의 균열 결함을 진단하는 방법이다. 먼저 풍력 발전기의 블레이드에 대하여 정상 상태와 손상 상태로 분류한다. 다음, 풍력 발전기 회전 영상을 촬영하여 frame 단위로 분할 한다. 해당 영상을 이용하여 움직임 벡터를 측정하고, 블레이드 상태에 따라 움직임 벡터값의 변화 추이를 비교한다. 마지막으로 SVM 분류기를 사용하여 블레이드 상태를 결정한다. 실험 결과 분류기의 성능을 평가하는 F_1score의 값이 0.9790임을 확인 할 수 있다. 다음 각속도 측정 결과와 움직임 벡터 결과를 융합한 형태의 고장 진단 방법이다. 움직임 벡터값을 기반하는 분류기의 신뢰도 향상을 위해 해당 분류기에서 출력 된 결과를 각속도를 기반하는 분류기를 통해 다시 한번 출력한다. 이상의 과정을 추가하여 분류기의 신뢰도를 99% 수준으로 향상 시킬 수 있었다.
more