스피커 | 성적 증명서 |
| 앨런 레자자데 | 안녕하세요 여러분, 이 프레젠테이션에 참여해 주셔서 감사합니다. 저는 Southern Alberta Institute of Technology에서 일하는 Alan Rezazadeh입니다. 내 입장은 |
| 연구 분석 과학자. 우리는 풍력 터빈과 풍력 터빈의 상태 모니터링에 더 중점을 두고 산업 분석에 대해 이야기할 것입니다. |
| 감사의 말 |
| CFREF, Canada First Research Excellence Fund, 이번 컨퍼런스에 참가할 수 있게 해주셔서 감사합니다. |
| 스페인의 EDP Renewable Energy Wind Farm은 연구 및 교육용으로 무료로 사용할 수 있는 운영 데이터를 공유해 주셔서 감사합니다. 그리고 무엇보다도 이 환상적인 통계적 발견 소프트웨어를 구축한 JMP에게 감사드립니다. |
| 의제. 산업 분석에 포함된 산업 분석의 범위에 대해 이야기하겠습니다. |
| 산업 장비를 프로세스로 간주하는 방법; 데이터 준비 및 이해 하위 구성 요소 정의, 하위 구성 요소 정의에서 목표를 찾는 방법; 마지막에는 상태 기반 모니터링이라고 하는 성능 저하 및 성능 모니터링이 수행됩니다. |
| 따라서 산업 분석의 범위에는 모든 것이 포함되어 있습니다. 그래서 우리는 IoT인 센서에 의해 들어오는 많은 데이터의 시계열을 가지고 있습니다. |
| 그리고 우리는 프로세스 최적화, 지식 발견, 의사 결정을 원합니다. 기본적으로 우리는 오염을 줄이고 싶고, 풍력 터빈이나 태양 전지판의 전력과 같은 좋은 출력을 높이고 싶거나 산업 장비의 상태나 상태를 모니터링하고 싶습니다. |
| 그래서 첫 번째 아이디어는 가스 터빈 제트 엔진과 같은 복잡한 기계는 기본적으로 프로세스입니다. 입력이 있으면 출력이 있습니다. 이 경우 가스 터빈인 입력은 공기와 연료입니다. 출력은 전기와 배기 가스, 일종의 연기와 가스입니다. 그래서 우리는 이것을 깨뜨릴 것입니다 |
| 압축기, 연소실 및 발전기. 가장 간단한 경우입니다. 이제 프로세스와 하위 구성 요소가 있습니다. 그래서 지금부터는 프로세스와 장비라는 용어를 이들과 혼용하여 바꿔 쓸 수 있습니다. |
| 그렇다면 프로세스를 세분화하는 데 얼마나 걸립니까? 그래서 공기 역학이나 열역학 등과 같은 수학적 물리 공식으로 실제로 설명할 수 있는 더 작고 간단한 하위 구성 요소로 분해하려고 합니다. |
| 아리스토텔레스는 사물을 알려 주는 첫 번째 원리입니다. 그래서 우리는 더 작은 구성 요소로 분해하고 있습니다. |
| 이것은 제트 엔진이나 가스 터빈의 고장 주기입니다. 그래서 우리가 볼 수 있듯이 시간이 지남에 따라 약간의 변화, 약간의 수정, 우리가 그것을 부르는 경우 약간의 저하가 있을 것입니다. |
| 또한 마모 때문만은 아닙니다. 운영상의 변화로 인해 공기 온도가 변하고 그리드의 전기 수요가 변할 수 있습니다. |
| 결과적으로 장비의 작동 모드가 변경됩니다. 이제 우리는 작동 모드와 성능 저하를 구분하고자 합니다. 즉, 먼저 작동 모드가 무엇인지 알아야 합니다. |
| 예를 들어 |
| 풍력 터빈, 로터가 있습니다. |
| 저속 샤프트, 기어 박스, 발전기 및 변압기가 있습니다. |
| 복잡한 시스템입니다. 더 작은 하위 구성 요소로 나눕니다. |
| 유압 장치, |
| 윤활, 냉각 등. 따라서 프로세스에 대한 입력은 바람이고 출력은 전력입니다. 풍력 에너지 산업의 전력 곡선인 풍력 대 전력을 살펴보겠습니다. 그래서 |
| X축에는 풍력 에너지, 풍속이 있고 수직축에는 힘이 있습니다. 따라서 풍력발전기의 해석에 사용되는 대표적인 전력곡선이다. 보시다시피 복잡한 시스템입니다. 그래서 초속 4미터로, |
| 시스템이 작동하기 시작합니다. 이전에는 유휴 모드에서 바람이 불기를 기다리고 있습니다. 초속 4미터로 작동할 수 있는 최소 풍속이며, |
| 천천히 전기를 생산하기 시작할 것입니다. 12도 이상에서는 강해지기 때문에 바람에서 수확하는 에너지의 양을 줄여야 합니다. 이는 블레이드와 블레이드 각도를 변경하여 이루어집니다. |
| 초당 25미터 이상에서는 장비 작동이 안전하지 않으므로 전원이 꺼집니다. |
| 이제 라이브 데모가 있습니다. |
| 그리고 |
| 우리는 전력 곡선을 생성할 것입니다. |
| 그래서 |
| 풍속 대 전력. 윤곽선에서 볼 수 있듯이 높은 농도는 유휴 모드와 낮은 풍속 주변에 있습니다. 이것이 시스템의 풍력 체제입니다. |
| 그리고 풍속이 빨라지면 점점 더 강해지고 더 많은 전기가 생산됩니다. 너무 강해지면 꺼집니다. 히스토그램을 볼 수 있습니다. 만드는 방법이 궁금하시다면 |
| JMP라면 아주 간단할 것입니다. X 인자로서의 속도와 Y에 대한 힘을 다음과 같이 그룹화할 때 |
| 터빈. |
| 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 공학 지식을 조사할 것입니다. |
| 그리고 바람분포는 보통 Weibull에 따른다. 그래서 우리는 Weibull과 바람을 비교할 것입니다. 우리는 그것이 매우 가깝다는 것을 알 것입니다. |
| 그러나 다른 터빈 사이에는 약간의 작은 ??? 차이가 있으므로 약간의 기회, 연구 최적화 기회가 있습니다. |
| 9번 터빈은 6번과 다르므로 6번과 9번의 바람이 다르므로 이러한 터빈 사이의 간섭, 상호 작용으로 인한 것일 수 있습니다. 업계에서 발생합니다. |
| 그리고 이러한 후유증을 줄이는 것이 최적화 기회이며 업계 내에서 잘 알려진 큰 주제입니다. |
| 따라서 일변량 분석 후 일반적인 데이터 과학으로 이동합니다. |
| 전처리. 누락된 값, 0이 있습니까? 0은 실제로 0을 의미합니까, 아니면 누락된 값입니까? 그래서 우리는 그것들을 처리합니다. 이 이야기의 주제가 아닙니다. 이상치, 이상치에 대해 조금 이야기하겠습니다. |
| 그래서 |
| 내 프로젝트에서는 물리적으로 가능하지 않은 모든 값을 제거합니다. 따라서 온도...기온이 100으로 기록되면 100도가 아니라는 것을 알고 제거합니다. 그러나 우리는 우리 자신의 판단에 따라 다른 데이터를 변경하지 않을 것이므로 매우 많이 유지합니다. |
| 그리고 날짜/시간 수렴, JMP 형식에 맞추기 위해 일부 날짜/시간 변환을 수행합니다. 따라서 이들은 매우 표준입니다. 따라서 단수화의 한 가지 방법은 |
| 다변량 이상값 분석은 Mahalanobis이며 JMP에서 훌륭하게 지원되며 살펴보겠습니다. 따라서 기본적으로 4개의 매개변수가 있는 경우 하나의 출력을 생성합니다. |
| 그리고 우리는 이것을 봅니다. 그래서 Mahalanobis와 이것들은 특이치입니다. 이러한 이상값을 제거하지는 않겠지만 이러한 이상값은 우리가 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 상한보다 높으므로 이상치입니다. 그래서 무슨 일이 일어났는지 확인하고 매개변수가 어떻게 변경되었는지 확인할 수 있습니다. |
| 이 Mahalanobis 거리를 생성하기 위해 JMP의 다변량 기능을 사용할 수 있습니다. |
| 생산 |
| 특이치 분석에서 Mahalanobis를 선택한 다음 데이터에 저장합니다. |
| 프레젠테이션으로 돌아갑니다. |
| 그래서 전처리를 마친 후, |
| 데이터 검색을 시작하겠습니다. 우리는 데이터가 우리에게 알려주는 것이 무엇인지 알고 싶기 때문에 흐름이 어떻게 작동하는지에 대한 검정력 곡선에 대한 약간의 배경 지식을 제공했습니다. 그래서 그것을 조금 공식화합시다. |
| 처음에는 공회전이므로 더 강한 바람을 기다립니다. 그래서 뭔가 바람이 있습니다. 우리는 시작한다. 회전 속도가 증가하고 더 많은 바람이 있습니다. |
| 그리드에 연결하면 터빈이 발전기에 연결됩니다. 발전기는 이제 충분한 속도를 가지고 있으며 그리드에 연결되어 전기를 생산합니다. |
| 풍속이 증가합니다. 우리는 상당한 양의 전기를 생산하고 있지만 최대치는 아닙니다. 바람이 거세질수록 최대치에 도달한다. |
| 전기 생산. 바람이 점점 강해지고 바람이 너무 세게 불어서 우리가 얻는 에너지를 줄여야 합니다...바람에서 수확을 하거나 바람이 너무 강해서 완전히 멈추고 싶을 수도 있습니다. |
| 조건이 안정되면 바람이 다시 느려지고 공회전합니다. 따라서 루프입니다. 흐름도입니다. 이제 데이터로 해봅시다. |
| 그래서 여기에 3차원 데이터 주차 모드가 있습니다. 우리는 기다리고 있습니다. 우리는 기다리고 있습니다, 주차, 우리는 작동하지 않습니다. |
| 회전자는 최소한의 전기를 생산하는 속도를 선택합니다. 그것은 하위 등급 생산을 연결하고 있습니다. |
| 및 평가. 그리고 너무 강해지면 다시 이 주차장으로 가서 작동을 끕니다. 여기 있는 것은 클러스터링입니다. |
| AIC를 비교합니다. 따라서 클러스터가 하나이거나 둘 또는 셋이면 클러스터를 비교하고...클러스터링 결과를 제공하는 클러스터 수를 선택합니다. |
| 최고...최상이라고는 말할 수 없습니다...최소 오차, 그 수치는 그리 높지 않습니다. 그럼 실제로 어떻게 작동하는지 봅시다. |
| 그래서 10개까지 클러스터링과 클러스터링을 하고 있습니다. 나는 프레젠테이션 내에서 너무 오래 걸리고 싶지 않았습니다. 10~15초 정도 소요됩니다. 따라서 Turbine 1 내에서 클러스터를 찾고 있습니다. |
| 그래서 |
| 각 클러스터는 기본적으로 |
| 작동 모드이므로 이 터빈이 어떻게 작동하는지 알 수 있습니다. 따라서 AIC와 클러스터 수를 비교했습니다. |
| 나는 할 것이다 |
| 그래프를 그리다 |
| AIC 대 클러스터 수. |
| 따라서 많은 반복과 도구를 사용하고 빠르게 만들었기 때문에 원활하지 않습니다. 하지만 제작과 실제 작업을 위해서는 더 많은 시간이 소요될 것입니다. |
| 따라서 6, 7, 8에서 볼 수 있듯이 클러스터 수는 충분하지만 오류는 줄었습니다. 오류가 약간 더 떨어집니다. |
| 그러나 더 많은 클러스터를 계속 사용하면 복잡성이 추가되고 너무 많이 늘리면 과적합이 될 수 있습니다. |
| 그래서 |
| 지금 |
| 우리는 그것들을 계획합니다. |
| 이것은 Turbine 1에 대한 것입니다. 그래프를 그릴 때 약간의 전환이 있고 바람이 너무 강하기 때문에 강풍에서 주차장으로 이동하는 것을 볼 수 있습니다. |
| 프레젠테이션으로 돌아갑니다. |
| 이제 올바른 숫자는 몇 개의 클러스터입니까? 따라서 하나의 클러스터가 있으면 모든 것이 하나의 그룹입니다. 그것은 우리의 관심사가 아닙니다. |
| 두 개의 클러스터가 있는 경우 알고리즘이 여기에서 이 그룹을 선택하는 것을 볼 수 있습니다. 우리는 그것을 유휴, 대기라고 부릅니다. 또는 3개의 클러스터, 그것은 주차이고 로터는 속도와 작업을 선택하므로 알고리즘은 이 3개를 선택합니다. |
| 6개, 7개 또는 8개를 살펴보면 가장 이해가 잘 됩니다. 6개를 골랐습니다. 이 프레젠테이션에서는 작은 숫자이기 때문입니다. 작업 엔지니어는 그 이상, 8개 또는 9개를 선택할 수 있습니다. |
| 그래서 라이브 데모이고 우리는 이미 이것을 보았습니다. |
| 계층적, K-평균 및 정상. 산업 프로젝트의 경우 보통 일반 혼합물을 사용합니다. |
| 비즈니스 프로젝트의 경우 계층 구조는 논리를 잘 분석할 수 있기 때문에 상당히 의미가 있습니다. K-평균은 계산 집약적이며 대용량 데이터 세트에서는 너무 많은 시간이 소요됩니다. |
| 따라서 정규 혼합에 대한 가정은 클러스터가 정규 분포에서 볼록하다는 것이므로 피크가 하나만 있음을 의미합니다. 그리고 그것은 매우 사실입니다. |
| 에...하나의 작동 모드가 있는 경우 일반적으로 하나의 센터 내에서 해당 작동 모드 내에서 작동하므로 정상적인 혼합이 안전합니다. |
| 클러스터링에 사용할 알고리즘입니다. |
| 이제 상태 모니터링에 들어갑니다. 우리는 모든 클러스터링을 수행했습니다. 우리는 그들과 무엇을하고 있습니까? |
| 그들이 여기서 무엇을 모니터링할 것인지에 대해 이야기해 봅시다. |
| 기어박스의 기어가 작동할 때 기어박스에 접촉점이 있습니다. 마모로 인해 이 터치 포인트는 시간이 지남에 따라 바뀔 수 있습니다. 그것이 우리가 찾고자 하는 것입니다. 하지만, |
| 복부 라인이 열심히 작동하고 토크가 너무 많으면 토크가 강하지 않을 때와 터치 포인트가 다를 수 있습니다. |
| 바람이 강하지 않습니다. 즉, 다시 작동 모드를 의미합니다. 따라서 작동 모드가 서로 너무 다를 때가 아니라 하나의 작동 모드 내에서 이 접점을 비교하려고 합니다. 그래서 이것을 위해 |
| 모니터링을 위해 간단한 선형 회귀를 사용할 수 있습니다. |
| 그래서 선형회귀를 하면 |
| 다양한 작동 모드를 기반으로 합니다. 그리드 연결을 위해 |
| R 제곱은 99.6%입니다. 근사치라는 것을 알 수 있습니다. 좋은 회귀선입니다. |
| 99.993. 그것은 좋은 R 제곱이므로 이것을 사용할 것입니다. |
| 정격 작동의 경우, |
| 좋은 R 제곱을 얻지 못했으므로 제외하겠습니다. 그래서 실질적으로 우리는 우리가 원하는 분석을 위해 좋은 R 제곱을 제공하는 이 작동 모드를 위해 모을 것입니다. 이제 데모로 돌아갑니다. |
| 이것은 기본적으로 오래된 선형 회귀입니다. 불과 몇 초 사이에 일어난 일입니다. 보시다시피 521,000개의 레코드가 있고 2~3초에 불과한 뛰어난 성능입니다. |
| 이것이 우리가 선택할 작동 모드입니다. 올바른 값을 선택했는지 확인하기 위해 한 번 더 살펴보겠습니다. |
| Y를 X로 피팅하면 밀도 등고선을 그릴 수 있습니다. 그래서 우리가 여기서 보고 싶은 것은 밀도의 중심을 통과하는 회귀선이고 이것은 통과입니다. 좋은 것입니다. |
| 그것은 그것을 놓칠 것이고 그것은 우리가 사용하지 않기로 선택한 유휴입니다. |
| 좋은 회귀선입니다. |
| 정격 생산의 경우 밀도 포인트가 누락되어 있으므로 이것을 사용하지 않을 것입니다. |
| 그것은 우리가 R 제곱으로 가졌던 관찰을 매우 많이 확인했습니다. |
| 그래서 우리는 이것을 했습니다. 다음은 무엇입니까? |
| 잔차를 그립니다. 터빈의 잔류물. |
| 그리고 잔차가 증가할 때 잔차를 분석합니다. 라이브 데모를 봅시다. 그것은 말이 될 것입니다. |
| 따라서 선택한 작동 모드에 대해서만 5개 터빈 모두에 대한 잔차를 플로팅합니다. 그래서 유휴 및 평가, 우리는 그들을 제외합니다. 다른 것들을 플롯하면 어떻게 될까요? 유휴 상태의 경우 모든 것이 끝났고 아무 의미가 없으며 아무 것도 알려주지 않습니다. |
| 정격 생산과 동일합니다. 그것은 아무 말도 하지 않습니다, 그것은 많이 말하지 않습니다. |
| 그러나 이와 함께, |
| 일부 특정 날짜에 잔차가 증가한 것을 볼 수 있습니다. 그리고 실제로 수리 기록을 보면 이것은 하나의 수리였고 저것은 또 다른 수리였으며 여기에서 점진적인 증가를 볼 수 있습니다. 그것은 또 하나의 수리였습니다. |
| 터빈 11, 기어박스에는 문제가 없었습니다. 그것은 결코 ... |
| 잔차는 절대 증가하지 않습니다. |
| 그리고 Turbine 6에 수리가 있었기 때문에 몇 가지 문제가 발생한 것으로 표시될 수 있지만 어떤 일이 있었는지... |
| 어떤 수준에서...어떤 수준의 잔차가 실제 문제인지 말해 봅시다. |
| 주관적입니다. 우리는 정량화해야 합니다. 우리는 엔지니어가 어떤 조치를 취하기 위해 어느 수준의 잔차가 필요한지 살펴봐야 합니다. 그리고 지금 이 순간, 그것은 산업계에서 매우 공개적인 질문이며 연구를 위한 공개 주제입니다. 단, 사용하는 도구이다. |
| 엔지니어를 돕습니다. 그래서 다시 |
| 우리 프레젠테이션. 따라서 추세는 모니터링을 위한 것이며 엔지니어가 조치를 취하고 실제로 개입하여 기어박스를 여는 수준입니다. 그것은 엔지니어링 결정입니다. 그러나 데이터 관점에서 보면 엔지니어가 결정을 내리는 데 도움이 됩니다. |
| 요약하면 복잡한 프로세스에는 여러 작동 모드가 있습니다. 모니터링하고 싶을 때 |
| 모니터링할 작동 모드를 알아야 합니다. 각 작동 모드는 작동 프로세스의 일부를 강조 표시합니다. |
| 클러스터링 방법은 서로 다른 작동 모드를 분리하는 데 사용할 수 있습니다. 성능 저하를 감지하기 위해 작동 모드를 사용하는 상태 모니터링. 하위 구성 요소 모니터링 |
| 물리 법칙을 고려하여 비율로 사용합니다. 시스템이 복잡하고 하나의 물리적 법칙으로 설명할 수 없는 경우 다음과 같은 다른 방법을 사용합니다. |
| K-최근접 이웃 또는 신경망. 프레젠테이션의 마지막 부분입니다. 관심을 가져주셔서 감사합니다. |
