자동화 설비 전력 예측을 위한 제어 특성 기반한 보완적 2단계 뉴럴 네트워크
A Complementary 2-Phase Neural Network for Predicting Energy Consumptions of Automated Machines
- 주제(키워드) NILM , PLC , Neural Network , 자동화 설비
- 발행기관 아주대학교
- 지도교수 왕지남
- 발행년도 2017
- 학위수여년월 2017. 2
- 학위명 석사
- 학과 및 전공 일반대학원 산업공학과
- 실제URI http://www.dcollection.net/handler/ajou/000000024099
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
Industry 4.0 시대를 맞아 제조업을 비롯한 다양한 산업에서 Smart FEMS에 대한 연구가 계속되고 있다. Smart FEMS를 도입하는 다양한 기업들의 큰 문제 중에 하나는 에너지 계측 방법이다. 측정하고자 하는 모든 설비에 에너지 계측 센서를 부착하는 것은 비용 적으로 큰 부담이기 때문이다. 본 연구에서는 단일 에너지 계측 센서를 통해 전류를 측정하여 개별 설비 소모량을 추정하는 NILM(Non Intrusive Load Monitoring)기술을 자동화 설비에 적용하기 위한 연구로 진행 되었다. 기존의 NILM 혹은 NIALM(Non Intrusive Application Load Monitoring)은 전력 특성만을 계측하여 분석한다는 한계가 있었다. 이러한 제한적 정보로 인해 주로 가정의 기기만을 대상으로 적용되었으며, 공장의 설비에 대해서는 분석의 어려움이 있었다. 이 문제를 극복하기 위해 자동화 설비의 동작 정보인 제어로그를 수집하여 전류 소모 특징을 추출하는데 활용하였다. 이를 통해 자동화 설비로 구성된 공장 및 공정의 경우 최소한의 에너지 계측을 통해 각 설비들의 소모량 추정이 가능하게 되었다. 추가적으로 학습단계와 적용단계에서 보완적 2단계 뉴럴 네트워크 사용을 통해 NILM 알고리즘의 오차를 감소시키고, 정확도를 증가시켰다.
more목차
제 1 장 서 론 1
제 1 절 연구 배경 1
제 2 절 연구 목적 3
제 2 장 NILM 소개 및 분석 4
제 1 절 NILM 정의 및 특징 4
제 2 절 NILM 연구 동향 6
제 3 절 기존 NILM의 한계 극복 방법 8
제 3 장 PLC로 구동되는 설비의 특징 10
제 1 절 PLC 정의 및 특징 10
제 2 절 PLC 모니터링 11
제 4 장 뉴럴 네트워크 12
제 1 절 뉴럴 네트워크 12
제 2 절 뉴럴 네트워크 모델링 14
제 5 장 제어 로그를 활용한 NILM 적용 방안 15
제 1 절 Multi Sensor를 활용한 학습 15
제 2 절 Single Sensor를 활용한 적용 18
제 6 장 가상공장을 활용한 실험 및 결과 20
제 1 절 가상 공장 구축 20
제 2 절 알고리즘 적용 결과 22
제 7 장 결론 및 향후 연구 29
참고문헌 30
Abstract 33
