데이터 분석법을 통한 전력계통설비의 고장확률 예측에 관한 연구

Abstract

본 연구에서는 고장실적을 바탕으로 데이터 분석법을 통한 와이블(Weibull) 확률분포 함수를 이용하여 조건부 확률(Conditional Probability)과 신뢰도 모델(Combined Reliability Model)을 구현하여 전력계통 설비의 고장확률 예측 방법을 제시하고, 예측된 고장확률을 신뢰도 기반 유지보수(RCM : Reliability Centered Maintenance)의 기초 연구로써 적용하였다. 전력산업의 개방에 따라 전력시장은 날로 빠르게 변화하고 있다. 이에 따라 전력계통 신뢰도(Reliability)에 관한 연구는 지난 수십 년간 상당히 연구되고 있다. 또한 전력회사들은 보다 낮은 가격으로 계통을 유지하고 운영 및 계획해야 하는 문제에 직면해 있다. 이러한 문제를 해결하기 위해 시도되는 여러 방법들 중에 전력계통 설비들의 고장확률 예측은 사고에 빠르게 대처하고 계통을 효율적으로 운영할 수 있게 할 수 있다. 기존의 신뢰도(Reliability) 평가에서는 설비의 수명과 관련하여 수리할 수 있는 고장(Repairable Failure)에 대하여만 고려되어 왔지만, 수리할 수 없는 고장 (Nonrepairable Failure) 즉, 노화고장(Aging Failure)을 고려해야만 정확한 신뢰도 평가를 할 수 있다. 따라서 수명관리에 대한 신뢰도 평가에서 가장 많이 쓰이는 와이블(Weibull) 확률분포 함수를 사용하여 고장이 발생하지 않은 설비에 대한 생존확률(Survival Probability)을 고려하였고 계통설비의 평균수명을 계산하고 고장확률을 예측 하였다. 와이블(Weibull) 확률분포는 형태 모수(Shape Parameter)와 척도 모수(Scale Parameter)를 가지고 있다. 각 모수는 빠르고 비교적 정확한 모수 추정이 가능한 데이터 분석방법(Type II Censoring)을 이용하여 추정하였고 추정된 모수를 바탕으로 조건부 확률(Conditional Probability)과 신뢰도 모델(Combined Reliability Model)을 적용하여 설비의 고장확률을 예측하였다. 본 연구에서는 실제 한전계통의 과거 발전설비의 고장실적을 이용하였다. 발전기는 특성상 수명이 길기 때문에 고장실적 취득에 어려움이 있어 비교적 수명이 짧은 복합화력 발전기에 대한 수명 고장실적을 바탕으로 고장확률을 예측하였다. 제안하는 고장확률 예측 기법을 통하여 전력계통 설비의 계획, 운영 및 유지보수에 이용한다면 보다 경제성과 효율성을 향상 시킬 수 있을 것이다.; This paper presents a method to predict failure probability related to the aging of generating units in power system. To calculate failure probability, the Weibull distribution is used due to age-related reliability. The Weibull distribution has shape and scale parameters. The parameters of Weibull distribution can be estimated by using gradient descent method. This method has the relative accuracy of results, but the extremely complexity of calculating process. Therefore each estimated parameter is obtained from Data Analytic Method (Type II Censoring) which is relatively simpler and faster than the traditional calculation methods for estimating parameters. Besides, this paper shows the calculation procedures of a probabilistic failure prediction through a stochastic data analysis. Consequently, the proposed methods would be likely to permit utilities to reduce overall costs in the new deregulated environment while maintaining appropriate reliability level.