http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
결정경계 알고리즘을 활용한 풍력터빈 고장진단 고도화 연구
김영재(Young-Jae Kim),강현수(Hyun-Su Kang),박긍휼(Gung-Hul Park),최인욱(In-Wook Choi),김윤제(Youn-Jea Kim) 대한기계학회 2024 大韓機械學會論文集B Vol.48 No.3
풍력터빈 발전 시스템은 친환경이며, 바람의 운동에너지를 전기에너지로 변환하는 시스템이다. 풍력터빈은 고장 발생 시 보수가 어려운 해안선이나 산악지대에 설치되기에 고장 예지 및 진단이 필요하다. 본 연구에서는 결정경계 분류 알고리즘인 one-class support vector machine(OC-SVM)과 support vector data description(SVDD)를 활용하여 고장진단을 수행하였다. 훈련 및 검증을 위한 데이터의 수는 30,000개이며, 정상 및 고장 데이터는 각각 20,000개, 10,000개이다. 베이지안(Bayesian) 최적화 기법을 이용하여 초매개변수(hyperparameter) 튜닝을 통한 알고리즘 성능고도화를 수행하였다. 결과적으로 알고리즘 성능지표인 정확도에 대해 OC-SVM은 0.8232, SVDD는 0.9264이 도출되었다. A wind turbine power generation system is an eco-friendly system that converts kinetic energy of wind into electrical energy. Wind turbines are installed on coastlines or mountains, where it is difficult to repair in the event of a failure. Hence, it is necessary to predict and diagnose failures. In this study, fault diagnosis was performed by applying one-class support vector machine (OC-SVM) and support vector data description (SVDD), which are classification algorithms based on decision boundaries. The number of data points applied for training and validation corresponds to 30,000, and the numbers of data points for normal and failure data correspond to 20,000 and 10,000, respectively. Algorithm performance enhancement was performed via hyperparameter tuning using Bayesian optimization. Hence, for accuracy, which is an algorithm performance indicator, OC-SVM corresponded to 0.8232 and SVDD corresponded to 0.9264.