본문 바로가기
HOME> 논문 > 논문 검색상세

학위논문 상세정보

시계열 비모수 회귀분석을 이용한 발전소 상태감시 및 예측 원문보기

  • 초록

    원자력 발전소는 주기적인 감시와 시험을 통해 진단을 하고 유지보수를 통해 안전하게 유지되도록 운영한다. 이런 주기적인 감시와 진단 및 예측은 크게 물리적 모델과 경험적 모델을 사용할 수 있으며, 경험적 모델은 또 다시 모수적 접근방법과 비모수적 접근방법으로 나눌 수 있다. 비모수 모델을 사용하는 방법은 데이터의 변화를 기반으로 하여 각 변수들을 이전에 기록된 데이터와 비교함으로써 현재 어떤 시나리오로 진행되고 있는지 진단하고, 그에 따라 잔여수명시간은 어느 정도인지 예측하는 과정으로 진행된다. 하지만, 이 방법은 주기성을 보이는 데이터에 적용할 경우 큰 오차가 발생하는 것을 확인했다. 주기성을 보이는 데이터에 비모수 접근방법을 이용하여 동일한 관측 점만을 비교함으로써 결과를 예측하게 되면 일치하는 관측 점이 많아 정확한 결과를 예측하기 어렵다. 본 논문에서는 주기성이 있는 시계열 데이터를 비모수 회귀분석법을 이용하여 예측하는 데 있어 데이터의 증감도 반영한 예측방법을 제시하였다. 이 때 결과를 예측하는 데 영향을 끼치는 여러 가지 변수들 중에서 어떤 변수가 가장 영향을 많이 끼치는 지 상관도분석을 통해 파악하여, 그 변수의 중요도를 더 높여 거리차이 계산하는 데 반영하였다. 또한, 다양한 단위를 갖고 있는 변수들을 동시에 계산하기 위해서 무차원 정규화라는 과정을 통해 변수들의 단위를 제거해주었다. 이를 통해 변수들이 모두 같은 의미를 지닌 수치를 갖게 됨으로써 결과예측에 도움을 주었다. 그리고 이전에는 동일한 관측 점만을 비교했다면, 그 점이 가지고 있는 증가, 감소의 추세를 파악한 후, 또 하나의 변수로 고려하여 예측을 진행하였다. 이로써 이전에 기록된 데이터로부터 새로운 데이터와 더 유사한 데이터 집합을 찾을 수 있다. 본 논문에서는 제시된 방법론을 전력수요량 예측하는 데 필요한 데이터 집합에 적용하였다. 적용한 결과를 이전의 결과와 비교함으로써 제시된 방법론이 얼마나 더 효율적인 예측을 가능하게 하는지 분석해 보았다. 앞으로 본 방법론을 시계열 데이터나 주기성을 보이는 데이터를 이용한 예측에 적용함으로써 더 정확한 예측결과를 얻을 수 있을 것이다.


    Nuclear power plants can be operated safely by diagnosing through periodic monitoring, testing and by keeping proper maintenance. This periodic monitoring, diagnosis and prognosis are carried out by using physical and empirical model. Empirical model is divided into parametric approach and non-parametric approach. In our laboratory, we have been carried out a number of studies about non-parametric empirical model. Non-parametric approach proceeds as follows: by comparing each of variables to previously recorded data, as a result the current scenario of the nuclear power plant is diagnosed. According to diagnosed scenario, remaining useful lifetime is estimated. However, this method is difficult to apply to data which have periodicity. If non-parametric approach is applied to periodicity data, the points which are consistent with the new data are too large. So it is difficult to estimate. In this research, by considering the variation of data, the methodology of estimation using periodicity time series data and non-parametric regression is proposed. In order to reflect the degree of influence on results, the correlation coefficient is calculated and then it reflects the difference between data as weight. Also, in order to calculate the variables those have the various units at the same time, the units of variables are removed through dimensionless normalization. Through this process, all variables have same meaning and seem easy for the calculation for results estimation. Therefore, the new data is only compared to same viewpoint. But, the estimation is performed using the variation of data. Through this, more similar data sets were selected. In this paper, the methodology is applied to estimation of power demand. By comparing the results applied methodology to the results of the previous method, proposed methodology is analyzed how much more efficient estimation is possible. Through the result of estimation, proposed methodology is applied to the case of estimation using periodicity time series data and more accurate results will be obtained.


 활용도 분석

  • 상세보기

    amChart 영역
  • 원문보기

    amChart 영역