풍력발전기 진동 데이터를 활용한 딥러닝 기반 고장진단기법 연구 (A Study on Deep Learning-based Fault Diagnosis using Vibration Data of Wind Generator)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 20권 / 6호 / 129 ~ 136페이지
· 저자명 : 정성목, 최우진

초록

본 연구에서는 고장 진단을 위해 수집된 진동 신호의 특징 선택 및 추출을 통해 풍력발전기에 발생하는 고장 유형을 자동으로 진단하는 기계학습 모델의 개발을 수행하였다. 진동 데이터의 경우 실제 운영되고 있는 풍력발전기에서 수집하였고, 실제 고장으로 검증된 데이터를 고장 유형별로 레이블링하였으며, 특히 특징 추출의 경우 풍력발전기의 대부분의 고장 진단이 가능한 주파수 영역에서 추출하였다. 고장 진단에서의 진동 분석은 대부분이 주파수 영역에서의 패턴 및 진동 크기로 평가한다는 점을 고려하였으며, 여러 가지 기계학습 알고리즘 중 인공신경망(ANN, Artificial Neural Networks)을 선정하여 풍력발전기의 진동 데이터를 이용한 고장 분류 모델을 평가하였다. 9,800개의 진동 데이터셋을 이용하여 기계학습을 하고 유효성 검증을 수행한 결과, 정확도 99.6%의 분류 정확도를 가졌다.

영어초록

In this study, a machine learning model was developed to automatically diagnose the type of failure issued to wind power generators through the selection and extraction of the characteristics of the collected vibration signals.
Vibration data in this study were collected from wind power generators actually operating, and failure data for each type that actually occurred were labeled. In particular, the frequency range of feature extraction was extracted within the range within which most failures in wind power generators could be diagnosed. Vibration analysis in failure diagnosis considered that most of the vibration analysis is evaluated by pattern and vibration magnitudes in frequency domain, and artificial neural networks (ANN) were selected from various machine learning algorithms to evaluate a fault classification model using actual vibration data of wind power generators. As a result, machine learning using a vibration dataset of 9,800 was performed and the validation was performed, and the classification accuracy was 99.6%.

참고자료

· 없음