H.S. An et al.: Failure Rate of Solar Monitoring System Hardware using Relex 47 Relex 를이용한태양광모니터링시스템하드웨어고장률연구 1 안현식, 2 박지훈, *3 김영철 1 홍익대학교, ahn@selab.hongik.ac.kr 2 홍익대학교, pjh@selab.hongik.ac.kr 3 홍익대학교, bob@selab.hongik.ac.kr Failure Rate of Solar Monitoring System Hardware using Relex 1 Hyun-sik An, 2 Ji-hoon Park, *3 Young-chul Kim 1 Hongik University, ahn@selab.hongik.ac.kr 2 Hongik University, pjh@selab.hongik.ac.kr *3 Hongik University, bob@selab.hongik.ac.kr 요약하드웨어산업에서의예측분석은생산설비의고장을방지하기위해적절한시점에유지보수를수행할수있고관리비용을절감할수있다. 이는고장원인분석의자동화를통해보다효율적이고과학적인유지보수를수행할수있도록도와준다. 그중에서도예측관리는정보기술을활용하여설비상태의수집, 분석, 과학적데이터관리를통해예측모델을구성하며, 이를바탕으로이상상태를파악하고개선함으로써이상상태가발생하는것을사전에예방하는것을목적으로한다. 본연구에서는 Relex 도구를통해결함트리 (Fault Tree) 를만들고하드웨어들의에러코드를분석하여안전성을연구했다. Abstract Predictive analysis in the hardware industry can be performed at an appropriate point in time to prevent failure of production facilities and reduce management costs. This helps to pe rform more efficient and scientific maintenance through automation of failure analysis. Among them, predictive management aims to prevent the occurrence of anomalous state by identifying and improving the abnormal state based on the gathering, analysis, and scientific data management of facilities using information technology and constructing prediction model do. In this study, we made a fault tree through the Relex tool and analyzed the error code of the hardware to study the safety. Keywords: Solar Power Generation, Monitoring System, Fault Tree, Failure Prediction, Relex 1. 서론 빠르게대량의데이터에서적절한시기에효과적인비용으로인사이트 (insights) 를추출할수있어야하는빅데이터의시대이다. 빅데이터의활용으로많은데이터가축적되며 * Corresponding Author Received: Aug. 17, 2018, Revised: Sept. 11, 2018, Accepted: Sept. 28, 2018 이논문은한국아이씨티플랫폼학회 2018 년하계학술대회에서추천되었음
48 JOURNAL OF PLATFORM TECHNOLOGY VOL. 6, NO. 3, SEPTEMBER 2018 데이터의폭증을유발하고있지만실제로기업에서는 lack of insight, inability to predict, inefficient access 와같은문제점이발생한다. 이 3 가지문제에서알수있듯이많은데이터를수집하는기술력은상당히발전한것에비해, 데이터를활용하는부분에서는발전이미진하다. 하드웨어산업에서의생산설비의고장을방지하기위해예측분석 (Predictive Maintenance) 을이용함으로써적절한시점에예방적유지보수를진행할수있게되고관리비용을절감할수있다. 예측관리는최신의설비진단및정보기술을활용하여설비상태의수집, 분석, 과학적데이터관리를통해예측모델을구성함으로써생산설비의문제점과이상상태를파악하고개선함으로써생산설비의고장이발생하는것을사전에예방하는것을목적으로한다 [1]. 이러한고장원인분석및예측분석을 Relex 도구를통해결함트리 (Fault Tree) 를통해공통고장원인을식별하고확률적으로검토분석하여이의안전성을평가하였다. 본논문의구성은다음과같다. 2 장에서태양광모니터링시스템과 Fault Tree Analysis, Relex 에대해언급한다. 3 장에서 Relex 를이용한고장률연구사례를설명한다. 마지막 4 장에서결론및향후연구를언급한다. 2. 관련연구 2.1 태양광모니터링시스템 그림 1 은태양광발전모니터링시스템의전체구성도이다. 태양광발전모니터링시스템은태양광발전으로생산한전기를 ESS(Energy Storage System) 에저장하여사용또는발전소로보내는데이때관측되는온도, 전력의양, 기울기센서등을사용자의모니터에표시해준다. 그림 1 과같이접속반에연결되어있는여러개의태양전지들이붙어있는태양광패널에서생산된전기가인버터에전달한다. 인버터에서는전달받은데이터들을데이터화한다. 이때, 인버터의종류마다사용하는포맷의패킷이달라 XMI 코드로만들어메타모델화하여생성된데이터를 RS232, RS422/485 를통해로컬모니터링서버에전달한다. 여기서의미하는로컬모니터링서버란태양광발전시스템이설치된지역에서관리하는모니터링시스템을의미한다. 모든로컬모니터링서버의데이터들은통합모니터링서버에저장되고각발전소별로모니터링을할수있다. 본연구에서는빅데이터시스템을통해실시간발전량, 센서데이터와기존발전량, 센서데이터에서에러코드를분석하여 Fault Tree 를제작하여예측연구를진행하였다 [2,3]. Figure 1. Solar Power Monitoring System overall configuration diagram
H.S. An et al.: Failure Rate of Solar Monitoring System Hardware using Relex 49 2.2 결함트리 (Fault Tree) 결함트리 (Fault Tree) 는하드웨어의고장과특정이벤트간의상호관계를트리형태로표현한것이다. 트리의맨하단부분에서특정원인에의해이벤트가시작됨을보여주는논리다이어그램이다. 다음그림 2 는태양광발전모니터링시스템에서현재까지특정원인에의해발생하는고장의종류와고장발생빈도수에따른발생확률로수치화하여정리해놓은것이다. Figure 2. List of fault diagnosis through Fault Tree Analysis. 그림 2 를보면태양전지모듈고장, 태양광접속반고장, 태양광인버터고장, 센서고장 4 가지의 OR 게이트에서각에러들로이루어져있다. 태양전지모듈고장의이벤트는그림 1 의 A 에서발생하고, 태양광접속반고장의이벤트는 B 에서발생한다. 센서고장의이벤트는 C, 태양광인버터고장의이벤트는 D 에서발생한다. 각각의이벤트들의확률을모두더하면게이트 ( 오류코드 ) 가발생할확률이된다. 각각의에러들의고장이유와발생확률은그림 2 에설명되어있다. 현재태양광모니터링시스템은 18 개의 OR 게이트와 13 개의이벤트를갖는다. 기존태양광모니터링시스템의결함트리는게이트와이벤트의개수가적고, 종류가다양하지않기
50 JOURNAL OF PLATFORM TECHNOLOGY VOL. 6, NO. 3, SEPTEMBER 2018 때문에계산하는데큰어려움은없었다. 하지만태양광발전소들이더추가되어크고복잡해진시스템에서는사람이할수있는계산실수나중복이벤트검출, 게이트의다양화에따른복잡한계산에어려움을가질수있다. 본논문에서는이러한문제점을해결하기위해 Relex Software 도구를이용하여결함트리를생성하였다. Relax 를이용하여결함트리를작성하면각에러이벤트의확률만입력하여모든계산을확실한값으로받을수있다 2.3 Relex 본연구에서사용한도구인 Relex Software 는전세계 RAMS 분석관련소프트웨어시장의 90% 이상을점유하고있다. Relex Software 는분석은물론고장원인분석과사전예방을통한 PM 활동의최적화및신뢰성향상, 비용및운용인원감소의효과가있다. Relex Software 의특장점으로는시스템의신뢰도, 유지보수도예측및시스템에큰지장을줄수있는고장모드를평가한다. RAMS, LSA, ILS 분석활동들을하나의통합환경에서구현하였고, 다양한산업의국제표준에서 RAMS 분석프로세스와기술을적용하여사용이가능하다. 실제로국방, 항공, 자동차, 원자력, 항만등높은신뢰도를요구하는사업에서널리쓰이고있는도구이다 [4]. 3. Main text 다음표 1 은그림 1 의 A, 태양전지모듈고장의원인이되는이벤트들을분석한것이다. 발전출력저하와모듈전압저하가발생하면태양전지모듈고장을의심할수있고발생이벤트들은모듈다이오드고장, 모듈케이블손상, 모듈파손을유발한다. Table 1. List of Solar Cell Module Fault Event Error Code Event Probability of occurrence Power output decreasing 0.0005 Solar cell module failure Module voltage decreasing 0.0005 Figure 3. Fault Tree of Solar Module Fault
H.S. An et al.: Failure Rate of Solar Monitoring System Hardware using Relex 51 그림 3 은태양전지모듈고장의 Fault Tree 이다. 각각의에러이벤트들은발생확률을가지고있다. 그리고 OR 게이트들은중복되지않는모든에러이벤트들의합을발생확률로갖는다. Table 2. List of PV connection failure events Error Code Event Probability of occurrence Output current = 0 0.05 Output current drop 0.0001 Output voltage drop 0.0005 Power output = 0 0.05 PV connection failure Power output drop 0.0005 Output voltage = 0 0.05 Output current rise 0.0001 Output voltage rise 0.0005 Internal temperature rise in connection panel 0.0008 표 2 는그림 1 의 B, 태양광접속반고장의원인이되는이벤트들을분석한것이다. 다음이벤트들이발생하면태양광접속반에문제가생겼음을예상할수있다. 또한 PCB 보드열화발생, 다수스트링중고장스트링발생, 역전류다이오드파손, 차단기강제오프를유발한다. Figure 4. Fault Tree of PV connection failure
52 JOURNAL OF PLATFORM TECHNOLOGY VOL. 6, NO. 3, SEPTEMBER 2018 그림 4 는태양광접속반고장의 Fault Tree 이다. 그림 3 과마찬가지로각각의에러이벤트들과 OR 게이트들을가지고있다. 에러이벤트가보라색과녹색으로두가지이다. 보라색에러이벤트는전체에서그곳에서만발생할수있는에러이벤트이다. 녹색에러이벤트는다른곳에서도발생할수있는에러이벤트이다. Table 3. List of Sensor fault event Error Code Event Probability of occurrence Current weather!= Temperature 0.0001 Sensor failure Current weather!= Radiation 0.0001 Data value = 0 0.0001 표 3 은그림 1 의 C, 센서고장의원인이되는이벤트들을분석한것이다. 현재날씨에해당하는온도와현재센서에서측정되는온도가같지않거나현재날씨에해당하는일사량과측정되고있는일사량이같지않으면데이터값이상을의심할수있고, 데이터값이 0 일경우통신에오류가있거나센서고장을유발한다. Figure 5. Fault Tree of Sensor Fault 다음그림 5 는센서고장의 Fault Tree 이다. 마찬가지로 OR 게이트와에러이벤트들로이루어져있다. 그중에통신오류는 AND 게이트로설정되어있다. OR 게이트는에러이벤트들의확률합이지만 AND 게이트는에러이벤트들의확률곱이므로발생확률이더낮은에러라고볼수있다.
H.S. An et al.: Failure Rate of Solar Monitoring System Hardware using Relex 53 Table 4 List of Solar Inverter Fault Event Error Code Event Probability of occurrence Power output = 0 0.05 Solar inverter failure Power output drop 0.0005 다음표 4 는그림 1 의 D, 태양광인버터고장의원인이되는이벤트들을분석한것이다. 발전출력값이 0 이거나발전출력이저하되면태양광인버터고장을의심할수있다. 이이벤트들은계통차단기오프, 인버터 LCD 에표시없음전력변환제어이상, 내부스위치소자이상을유발할수있다. Figure 6 Fault Tree of Solar Inverter Fault 다음그림 6 은태양광인버터고장의 Fault Tree 이다. 마찬가지로 OR 게이트와에러이벤트들로이루어져있다. 에러이벤트가발전출력 =0, 발전출력저하 2 가지뿐이므로모든 OR 게이트의발생확률이같다. 이벤트가발생할확률은통합모니터링서버에축적된데이터들을기반으로통계를내어정의한값이다. 이벤트들의확률을모두더하면게이트가발생할확률이된다. 상위게이트는하위이벤트들중중복된이벤트는한번씩만더하고나머지중복되지않은이벤트확률을모두더하면발생할확률이계산된다. 이런방식으로각각의게이트들이발생할확률을구하는계산법을다음식으로표현했다. 4. 결론 본연구에서 Fault Tree 를통해고장예측을진행하였다. Fault Tree 를사용함으로써예측모델과실측량과의비교를통해공통고장원인을식별할수있다. 또한고장의원인이되는이벤트와 Error Code 들을가시화하고고장이났을때이벤트를확인하면빠르게고장의원인을파악할수있게된다.
54 JOURNAL OF PLATFORM TECHNOLOGY VOL. 6, NO. 3, SEPTEMBER 2018 이렇게실시간고장원인파악과예방적유지보수를진행하여관리비용을절감할수있고태양광발전시스템의부품들이고장나더라도즉각적인보수가이루어짐으로써효율적인발전이가능하다. 5. 감사의글 이논문은 2015 년교육부와한국연구재단의지역혁신창의인력양성사업 (NRF- 2015H1C1A1035548) 과 2017 년도정부 ( 교육부 ) 의재원으로한국연구재단의지원을받아수행된기초연구사업임 (NRF-2017R1D1A3B03035421) 과 2018 년도정보통신산업진흥원의정보통신, 방송연구개발사업 ( 개방형 OS 환경개발및보급, 확산사업 ) 의지원을받아수행된연구임 (S1113-18-1001). 6. 참고문헌 [1] Jung Sung Won, Predictive Analytics for Scientific Manufacturing Industry, http://image.bikorea.net/biworld2013/images/2013_bi_conference/05_track1-1_2013_bi_conference_spss.pdf [2] Hyun Seung Son, R. Young Chul kim, "Modeling a Photovoltaic Monitoring System based on Maintenance perspective for New & Renewable Energy", The Institute of Internet, Broadcasting and Communication 2016, AACL 07, pp.144-147, 2016. [3] Son Hyun Seung and Kim Young Chul, Automatic Tree Model Generation in Metamodel for Model Conversion of Heterogeneous Photovoltaic Systems, Korea Smart Media Society & The Korea Electronics Institute, Vol.5 No.2 pp295-298, 2016. [4] J. Paulus, A. Klapuri, Music structure analysis using a probabilistic fitness measure and a greedy search algorithm, IEEE Trans. Audio, Speech, Language Process., Vol. 17, No. 1, pp. 1159 1170, Aug. 2009. [5] Relex, http://www.moasoftware.co.kr/product/relex.asp