스피커 | 성적 증명서 |
| 앨런 레자자데 | 안녕하세요 여러분, 이 프레젠테이션에 참여해주셔서 감사합니다. 제 이름은 남부 앨버타 공과 대학에서 일하는 Alan Rezazadeh입니다. 내 위치는 |
| 연구 분석 과학자. 우리는 산업 분석에 대해 이야기하고 풍력 터빈과 풍력 터빈의 상태 모니터링에 더 중점을 두는 예를 들어 설명할 것입니다. |
| 감사합니다. |
| CFREF, Canada First Research Excellence Fund, 이 회의에 참여할 수 있게 해주셔서 감사합니다. |
| 스페인의 EDP 재생 에너지 풍력 발전 단지는 연구 및 교육용으로 무료로 제공되는 운영 데이터를 공유해 주셔서 감사합니다. 그리고 무엇보다도 이 환상적인 통계적 발견 소프트웨어를 구축한 JMP입니다. |
| 의제. 우리는 산업 분석에 포함되는 산업 분석의 범위에 대해 이야기할 것입니다. |
| 산업 장비를 프로세스로 간주하는 방법; 데이터 준비 및 이해 및 하위 구성 요소 정의, 하위 구성 요소 정의의 목표를 찾는 방법; 그리고 결국 상태 기반 모니터링이라고 하는 성능 저하 및 성능을 모니터링하게 됩니다. |
| 따라서 산업 분석의 범위에는 모든 것이 포함되어 있습니다. 그래서 우리는 IoT인 센서에 의해 들어오는 데이터의 큰 시계열을 가지고 있습니다. |
| 그리고 우리는 프로세스 최적화, 지식 발견, 의사 결정을 하고 싶습니다. 기본적으로 우리는 오염을 줄이고, 풍력 터빈이나 태양 전지판의 전력과 같은 출력 좋은 출력을 높이거나, 산업 장비의 상태나 상태를 모니터링하려고 합니다. |
| 그래서 첫 번째 아이디어는 가스터빈 제트 엔진과 같은 복잡한 기계가 기본적으로 프로세스라는 것입니다. 입력이 있고 출력이 있습니다. 이 경우 가스터빈인 입력은 공기와 연료입니다. 출력은 전기와 배기가스, 일종의 연기와 가스입니다. 그래서 우리는 이것을 깰 것입니다 |
| 압축기, 연소실 및 발전기. 가장 간단한 경우입니다. 이제 프로세스와 하위 구성 요소가 있습니다. 그래서 이제부터 프로세스와 장비라는 용어를 함께 바꿔서 바꾸어 쓰도록 하겠습니다. |
| 그렇다면 프로세스를 분해하는 데 얼마나 걸립니까? 그래서 우리는 그것을 공기역학이나 열역학 등과 같은 수학적 물리적 공식으로 실제로 설명할 수 있는 더 작고 단순한 하위 구성요소로 나누고 싶습니다. |
| 그래서 아리스토텔레스가 알려진 첫 번째 원칙. 그래서 우리는 더 작은 구성 요소로 분해하고 있습니다. |
| 이것은 제트 엔진이나 가스터빈의 고장 주기입니다. 우리가 볼 수 있듯이 시간이 지남에 따라 변경, 수정, 성능 저하가 있을 것입니다. |
| 또한 마모 때문만은 아닙니다. 작동 변경으로 인한 것일 수 있으므로 공기 온도가 변경되고 그리드의 전력 수요가 변경됩니다. |
| 결과적으로 장비의 작동 모드가 변경됩니다. 이제 우리는 작동 모드와 성능 저하를 구별하려고 합니다. 즉, 먼저 작동 모드가 무엇인지 알아야 합니다. |
| 를 위해 말해보자 |
| 풍력 터빈, 우리는 로터, |
| 저속 샤프트에는 기어 박스, 발전기 및 변압기가 있습니다. |
| 복잡한 시스템입니다. 우리는 그것을 더 작은 하위 구성 요소로 나눕니다. |
| 유압, |
| 윤활, 냉각 등. 따라서 프로세스에 대한 입력은 바람이고 출력은 전력입니다. 풍력 에너지 산업의 전력 곡선인 풍력 대 전력을 살펴보겠습니다. 그래서 |
| X 축에는 풍력 에너지, 풍속이 있고 수직 축에는 전력이 있습니다. 따라서 풍력발전기의 해석에 사용되는 전형적인 전력곡선이다. 보시다시피 복잡한 시스템입니다. 그래서 초당 4미터의 속도로, |
| 시스템이 작동하기 시작합니다. 이전에는 대기 모드에 있으며 바람이 불기를 기다리고 있습니다. 초당 4미터로 작동할 수 있는 최소 풍속이며, |
| 그래서 천천히 전기를 생산하기 시작할 것입니다. 12를 넘으면 강해지기 때문에 바람으로부터 수확하는 에너지의 양을 줄여야 하며, 이는 블레이드, 블레이드 각도를 변경하여 수행됩니다. |
| 초당 25미터 이상에서는 장비 작동이 안전하지 않아 꺼집니다. |
| 이제 라이브 데모가 있습니다. |
| 그리고 |
| 우리는 전력 곡선을 생성할 것입니다. |
| 그래서 |
| 풍속 대 전력. 따라서 등고선에서 볼 수 있듯이 높은 집중도는 공회전 모드와 낮은 풍속 주변에 있습니다. 이것이 시스템의 바람 체제입니다. |
| 그리고 바람의 속도가 빨라질수록 더 강해지고 더 많은 전기가 생산됩니다. 너무 강해지면 꺼집니다. 히스토그램을 볼 수 있습니다. 만드는 방법을 알고 싶다면 |
| JMP, 그것은 아주 간단합니다. 속도를 X 요인으로, Y에 대한 거듭제곱을 다음으로 그룹화하면 |
| 터빈. |
| 그래서 프레젠테이션으로 돌아갑니다. |
| 이제 데이터 분석을 시작합니다. 첫 번째는 일변량 분석이므로 주요 매개변수, 즉 풍속을 분석합니다. |
| 그들은 바람을 설명하는 수학적 및 통계적 모델이 있다면 기존 문헌과 기존 엔지니어링 지식을 연구할 것입니다. |
| 그리고 하나가 있고 바람 분포는 일반적으로 Weibull에 따릅니다. 그래서 우리는 바람과 Weibull을 비교할 것입니다. 우리는 그것이 매우 가깝다는 것을 알 수 있습니다. |
| 그러나 다른 터빈 사이에는 약간의 사소한 ??? 차이가 있으므로 약간의 기회, 연구 최적화 기회가 있습니다. |
| 따라서 Turbine 9는 6과 다르므로 6과 9의 바람은 다르므로 간섭, 이러한 터빈 간의 상호 작용 때문일 수 있습니다. 괜찮습니다. 업계에서 발생합니다. |
| 그리고 이것은 이러한 웨이크를 줄일 수 있는 최적화 기회이며 업계 내에서 잘 알려진 큰 주제입니다. |
| 그래서 일변량 분석 후, 우리는 전형적인 데이터 과학으로 이동합니다 |
| 전처리. 누락된 값, 0이 있습니까? 0은 실제로 0을 의미합니까 아니면 누락된 값입니까? 그래서 우리는 그것들을 처리합니다. 그것은 이 이야기의 주제가 아닙니다. 이상치, 이상치에 대해 조금 이야기하겠습니다. |
| 그래서 |
| 내 프로젝트에서 물리적으로 가능하지 않은 모든 가치를 제거합니다. 따라서 온도...기온이 100으로 기록되면 100도가 없다는 것을 알고 있으므로 제거합니다. 그러나 우리는 자신의 판단에 따라 다른 데이터를 변경하지 않으므로 매우 많이 보관합니다. |
| 그리고 날짜/시간 수렴, 그래서 우리는 JMP 형식에 맞추기 위해 일부 날짜/시간 변환을 수행합니다. 그래서 이것들은 거의 표준입니다. 그래서 univeriate의 한 방법, |
| 다변량 이상값 분석은 Mahalanobis이며 JMP에서 훌륭하게 지원되며 이에 대해 살펴보겠습니다. 따라서 기본적으로 4개의 매개변수가 있는 경우 하나의 출력을 생성합니다. |
| 그리고 우리는 이것을 봅니다. 그래서 Mahalanobis와 이것들은 이상치입니다. 우리는 이러한 이상치를 제거하지 않을 것이지만, 이것들은 우리가 그것들을 조사할 초점과 관심의 중심입니다. 라이브 데모의 경우 |
| 사용 |
| Graph Builder를 사용하면 Mahalanobis에 대해 쉽게 플롯하고 다른 터빈을 확인할 수 있습니다. |
| 예를 들어 여기에 작은 스파이크가 하나 있습니다. 관리 상한 위에 있으므로 이상값입니다. 그래서 우리는 무슨 일이 일어났는지 확인하고 매개변수가 어떻게 변경되었는지 확인할 수 있습니다. |
| 이 Mahalanobis 거리를 생성하기 위해 JMP의 다변수 기능을 사용할 수 있습니다. |
| 생산 |
| 이상치 분석에서 Mahalanobis를 선택한 다음 데이터에 저장합니다. |
| 그래서 프레젠테이션으로 돌아갑니다. |
| 그래서 전처리를 마친 후, |
| 데이터 검색을 시작하겠습니다. 우리는 데이터가 우리에게 무엇을 말해주는지 알고 싶기 때문에 전력 곡선에 대한 약간의 배경, 즉 흐름이 작동하는 방식에 대해 설명했습니다. 그럼 조금 공식화 해보자. |
| 초반에는 공회전이므로 더 강한 바람을 기다립니다. 그래서 바람이 있습니다. 우리는 시작한다. 회전 속도가 증가하면 바람이 더 많이 있습니다. |
| 우리는 그리드에 연결합니다. 즉, 터빈이 발전기에 연결되어 있습니다. 발전기는 이제 충분한 속도를 가지고 있으며 그리드에 연결되어 전기를 생산합니다. |
| 풍속이 증가합니다. 우리는 좋은 양의 전기를 생산하고 있지만 최대는 아닙니다. 바람이 거세질수록 우리는 최고 수준에 도달합니다. |
| 전기 생산. 바람이 더 강해지고 너무 많아지면 우리가 얻는 에너지를 줄여야 합니다. 바람에서 수확하거나 너무 강해서 완전히 멈추고 싶을 수도 있습니다. |
| 조건이 안정되면 바람이 다시 느려지고 공회전으로 이동합니다. 그래서 그것은 루프입니다. 흐름도입니다. 이제 데이터와 함께 해보자. |
| 여기 3차원 데이터 주차 모드가 있습니다. 우리는 대기 중입니다. 우리는 대기, 주차, 우리는 운영하지 않습니다. |
| 회전자는 최소한의 전기를 생산하는 속도를 선택합니다. 그것은 하위 등급을 생산하는 연결입니다 |
| 그리고 평가했다. 그리고 그것이 너무 강해지면, 그들은 다시 이 주차장으로 가서 작동을 끄게 될 것입니다. 여기서 우리가 가진 것은 클러스터링입니다. |
| 및 AIC 비교. 따라서 클러스터가 하나 또는 두 개 또는 세 개인 경우 클러스터링의 결과를 비교하고 다음을 제공하는 클러스터의 수를 선택합니다. |
| 최고 ... 최고라고 말할 수는 없습니다 ... 최소 오류이지만 숫자가 너무 높지는 않습니다. 그럼 실제로 어떻게 작동하는지 살펴보겠습니다. |
| 그래서 우리는 최대 10개까지 클러스터링 및 클러스터링을 수행하고 있습니다. 프레젠테이션에 너무 오래 걸리고 싶지 않았습니다. 10~15초 정도 걸립니다. 그래서 우리는 Turbine 1 내에서 클러스터를 찾고 있습니다. |
| 그래서 |
| 각 클러스터는 기본적으로 |
| 작동 모드이므로 이 터빈이 어떻게 작동하는지 알 수 있습니다. 따라서 클러스터 수에 대한 AIC가 있습니다. |
| 나는 것 |
| 그래프를 그리다 |
| AIC 대 클러스터 수. |
| 여러 반복 작업과 도구를 사용하여 빠르게 만들었기 때문에 원활하지 않습니다. 그러나 제작과 실제 작업을 위해서는 더 많은 시간이 소요될 것입니다. |
| 따라서 6, 7, 8에서 볼 수 있듯이 오류가 감소한 동안 클러스터 수는 많습니다. 오류가 조금 더 줄어듭니다. |
| 그러나 더 많은 클러스터를 계속 사용하면 복잡성이 추가되고 너무 많이 늘리면 과적합이 될 수 있습니다. |
| 그래서 |
| 지금 |
| 우리는 그들을 플롯합니다. |
| 이것은 Turbine 1을 위한 것입니다. 그리고 우리가 그것들을 플로팅할 때 볼 수 있는 바와 같이, 약간의 전환이 있습니다. 그 때 바람이 너무 강하기 때문에 강풍에서 주차로 갈 때입니다. |
| 그래서 프레젠테이션으로 돌아갑니다. |
| 이제 몇 개의 클러스터가 올바른 숫자입니까? 따라서 하나의 클러스터가 있으면 모든 것이 하나의 그룹입니다. 우리의 관심사가 아닙니다. |
| 두 개의 클러스터가 있는 경우 알고리즘이 여기에서 이 그룹을 선택하는 것을 볼 수 있습니다. 우리는 그것을 대기라고 부릅니다. 또는 세 개의 클러스터, 그것은 주차, 로터는 속도와 작동을 선택하므로 알고리즘은 이 세 가지를 선택합니다. |
| 6, 7 또는 8을 살펴보면 가장 의미가 있습니다. 나는 그것을 위해 6개를 골랐다. 그것은 이 프리젠테이션을 위한 작은 숫자이다. 작업 엔지니어는 그 중 8개 또는 9개를 더 선택할 수 있습니다. |
| 그래서 라이브 데모, 그리고 우리는 이미 이것을 보았습니다. |
| 계층적, K-평균 및 정상. 산업 프로젝트의 경우 일반적으로 일반 혼합물을 사용합니다. |
| 비즈니스 프로젝트의 경우 계층 구조는 논리를 잘 분석하기 때문에 상당히 의미가 있습니다. K-평균은 계산 집약적이며 대규모 데이터 세트에서는 시간이 너무 많이 소요됩니다. |
| 따라서 정규 혼합의 가정은 클러스터가 정규 분포에서 볼록하다는 것이므로 하나의 피크만 있음을 의미합니다. 그리고 아주 많이 그렇습니다. |
| ...에서 하나의 작동 모드가 있을 때 일반적으로 하나의 센터 내에서 해당 작동 모드 내에서 작동하므로 일반 혼합은 안전합니다. |
| 클러스터링에 사용할 알고리즘입니다. |
| 이제 상태 모니터링에 들어갑니다. 우리는 모든 클러스터링을 수행했습니다. 우리는 그들과 무엇을하고 있습니까? |
| 그들이 여기에서 무엇을 모니터링하는지 이야기해 봅시다. |
| 기어박스의 기어가 작동함에 따라 기어박스에 접점이 있습니다. 마모로 인해 이 터치 포인트는 시간이 지남에 따라 바뀔 수 있습니다. 그것이 우리가 찾고자 하는 것입니다. 하지만, |
| 복부 라인이 열심히 작동하고 거기에 너무 많은 토크가 있는 경우 터치 포인트는 토크가 너무 강하지 않을 때와 다를 수 있습니다. |
| 바람은 그렇게 강하지 않습니다. 다시 말해서 작동 모드입니다. 따라서 우리는 작동 모드가 서로 너무 다를 때가 아니라 하나의 작동 모드 내에서 이 접점을 비교하고자 합니다. 그래서 이것을 위해 |
| 모니터링, 우리는 단순 선형 회귀를 사용할 수 있습니다. |
| 그래서 선형회귀를 하면 |
| 다양한 작동 모드를 기반으로 합니다. 따라서 그리드 연결의 경우 |
| R 제곱은 99.6%입니다. 우리는 그것이 좋은 근사치임을 알 수 있습니다. 좋은 회귀선입니다. |
| 99.993. 좋은 R 제곱이므로 이것을 사용할 것입니다. |
| 정격 작업의 경우 |
| 우리는 좋은 R 제곱을 얻지 못했으므로 제외할 것입니다. 그래서 실질적으로 우리는 우리가 하고자 하는 분석에 대해 좋은 R 제곱을 제공하는 이 작동 모드에 대해 조합할 것입니다. 이제 데모로 돌아갑니다. |
| 이것은 기본적으로 오래된 선형 회귀입니다. 불과 몇 초 만에 일어난 일입니다. 보시다시피 521,000개의 레코드가 있고 2~3초 밖에 걸리지 않아 우수한 성능입니다. |
| 이것이 우리가 선택할 작동 모드입니다. 올바른 값을 선택하고 있는지 확인하기 위해 다시 한 번 살펴보겠습니다. |
| Y를 X로 맞추면 밀도 윤곽을 그릴 것입니다. 그래서 우리가 여기서 보고 싶은 것은 밀도의 중심을 통과하는 회귀선이고 이것은 통과하고 있습니다. 그것은 좋은 것입니다. |
| 그것은 그것을 놓치게 될 것이고, 그것은 우리가 사용하지 않기로 선택한 유휴 상태입니다. |
| 좋은 회귀선입니다. |
| 정격 생산의 경우 밀도 점이 누락되었으므로 이것을 사용하지 않을 것입니다. |
| R 제곱으로 관찰한 사실이 매우 확증되었습니다. |
| 그래서 우리는 이것을 했습니다. 다음은 무엇입니까? |
| 우리는 잔차를 그립니다. 터빈의 잔류물. |
| 그리고 잔차가 증가할 때 잔차를 분석합니다. 그럼 라이브 데모를 해보자. 그건 말이 될 것입니다. |
| 따라서 선택된 작동 모드에 대해서만 5개의 모든 터빈에 대한 잔차를 표시합니다. 유휴 상태이고 평가된 항목은 제외합니다. 다른 것을 플로팅하면 어떻게 될까요? 아이들링의 경우 모든 것이 끝났습니다. 아무 의미도 없고 우리에게 아무 말도 하지 않습니다. |
| 정격 생산도 마찬가지입니다. 그것은 아무 말도 하지 않습니다, 그것은 많은 것을 말하지 않습니다. |
| 그러나 이와 함께, |
| 특정 날짜에 잔차가 증가한 것을 볼 수 있습니다. 그리고 실제로 수리 기록을 보면 이것은 하나의 수리였고, 그것은 또 다른 수리였으며 여기에서 멋진 점진적 증가를 볼 수 있습니다. 그것은 또 하나의 수리였습니다. |
| Turbine 11, 우리는 기어 박스에 문제가 없었습니다. 그것은 결코... |
| 잔차는 결코 증가하지 않습니다. |
| 그리고 Turbine 6에 수리가 있었기 때문에 발생한 몇 가지 문제를 보여줄 수 있지만 그것은 무엇입니까? |
| 어떤 수준에서 ... 어떤 수준의 잔차가 실제 문제인지 말해 봅시다. |
| 주관적입니다. 수량화해야 합니다. 엔지니어가 조치를 취해야 하는 잔여 수준이 어느 정도인지 살펴봐야 합니다. 그리고 현재 이 문제는 업계에서 매우 열린 질문이며 연구를 위한 열린 주제입니다. 그러나 그것은 다음을 위해 사용되는 도구입니다. |
| 엔지니어를 돕고 있습니다. 그래서 다시 |
| 우리 프레젠테이션. 따라서 추세는 모니터링을 위한 것이며 엔지니어가 어떤 수준에서 조치를 취하고 실제로 기어박스를 방해하고 여는지에 대한 것입니다. 그것은 엔지니어링 결정입니다. 그러나 데이터 관점에서 보면 엔지니어가 결정을 내리는 데 도움이 됩니다. |
| 요약하면 복잡한 프로세스에는 여러 작동 모드가 있습니다. 모니터링하고 싶을 때 |
| 장치에서 모니터링할 작동 모드를 알아야 합니다. 각 작동 모드는 작동 프로세스의 일부를 강조 표시합니다. |
| 클러스터링 방법은 서로 다른 작동 모드를 분리하는 데 사용할 수 있습니다. 우리가 했던 것처럼 성능 저하를 감지하기 위해 작동 모드를 사용하는 상태 모니터링. 하위 구성 요소 모니터링 |
| 물리적 법칙을 고려하여 비율로 사용합니다. 시스템이 복잡하고 하나의 물리 법칙으로 설명할 수 없는 경우 다음과 같은 다른 방법을 사용합니다. |
| K-최근접 이웃 또는 신경망. 그리고 그것은 프레젠테이션의 마지막 부분에 있습니다. 관심을 가져주셔서 감사합니다. |
