데이터와 머신러닝을 사용해 풍력 터빈의 운영 성능을 향상시키다

모던 데이터 플랫폼을 통한 효과적인 풍력 터빈 아이싱 관리

유틸리티 기업이 운영 및 유지 보수(O&M)에 지출하는 비용은 둔화의 조짐 없이 계속해서 증가 추세에 있습니다. 운영 성능은 기업 조직이 인력 배치 수준 최적화와 비용 절감을 동시에 달성하고 싶을 때 가장 자주 검토하는 항목입니다. 이 사용 사례에서는 모던 데이터 플랫폼이 풍력 터빈 아이싱 관리 및 운영 성능 개선에 어떤 도움을 줄 수 있는지 살펴봅니다.

풍력 에너지는 전 세계 녹색 에너지 이니셔티브의 핵심으로 빠르게 자리잡고 있으며, 이에 따라 풍력 에너지의 운영에 대한 면밀한 조사가 이루어지고 있습니다. 동 산업 내 타 운영과 달리 풍력 터빈의 운영은 다소 다른 방식으로 평가되어야 하는데, 각 터빈이 위치에 따라 기상 조건, 고도 및 기타 요소에 의해 다양한 영향을 받기 때문입니다.

머신러닝 및 첨단 분석을 통한 풍력 터빈 성능 개선

풍력 터빈의 성능을 최적화할 때는 몇 가지 다양한 요소들을 고려해야 합니다. 터빈 및 블레이드의 에너지 사양, 위치, 성능에 영향을 미치는 날씨 등이 여기에 포함됩니다. 이 모든 데이터를 이해하기 위해서는 데이터를 결합해 이를 머신러닝(ML)에 최대한 빠르게 적용함으로써 운영 성능 최적화에 필요한 인사이트를 제공하는 데이터 플랫폼이 필요합니다. 풍력 터빈의 경우 블레이드에 쌓이는 얼음, 심지어 서리조차도 터빈의 공기역학 효율성에 상당한 영향을 미치며, 전력 생산량을 최대 80% 감소시킬 수 있는 것으로 나타났습니다. ML 및 첨단 분석 기능을 사용해 이와 같은 손실을 신속히 파악, 대비, 관리하는 능력은 운영 효율성에 대한 전반적인 영향을 최소화하고 효율성을 유지하는 데 필수적입니다.

이 이미지는 에너지 및 수자원을 위한 Oracle Data Platform이 운영 성능, 그중에서도 풍력 터빈 아이싱과 관련된 운영 성능의 사용 사례를 지원하는 데 어떻게 활용될 수 있는지 보여줍니다. 본 플랫폼의 구성 요소들은 다음의 5가지 제품군으로 분류됩니다:

1. 1. 데이터 소스, 검색
2. 2. 수집, 변환
3. 3. 유지, 선별, 생성
4. 4. 분석, 학습, 예측
5. 5. 측정, 실행

데이터 소스, 검색 제품군에는 3가지 범주의 데이터가 포함됩니다.

1. 1. 제1자 데이터는 자산 메타데이터, GIS 데이터, 비디오로 구성됩니다.
2. 2. 애플리케이션에는 SCADA, 기기 데이터 허브, 정전 및 유지 보수 관리 시스템이 포함됩니다.
3. 3. 제3자 데이터에는 GPS 및 날씨 출처로부터 수집된 데이터가 포함됩니다.

수집, 변환 제품군은 3가지 기능으로 구성됩니다.

1. 1. 일괄 수집은 OCI Data Integration 및 Data Studio를 사용합니다.
2. 2. 변경 데이터 캡처는 OCI GoldenGate를 사용합니다.
3. 3. 스트리밍 수집은 OCI Streaming과 OCI Connector Hub로 구성됩니다.

3가지 기능 모두 유지, 선별, 생성 제품군 내의 서빙 데이터 스토어 및 클라우드 스토리지에 단방향으로 연결됩니다.

유지, 선별, 생성 제품군은 4가지 기능으로 구성됩니다.

1. 1. 서빙 데이터 저장소는 Oracle Autonomous Data Warehouse를 사용합니다.
2. 2. 클라우드 스토리지는 OCI Object Storage를 사용합니다.
3. 3. 일괄 처리는 OCI Data Integration, Functions, Data Flow를 사용합니다.
4. 4. 거버넌스는 OCI Data Catalog를 사용합니다.

이상의 기능들은 해당하는 제품군 내에서 서로 연결됩니다. 클라우드 스토리지는 서빙 데이터 저장소에 단방향으로 연결되고, 일괄 처리와는 양방향으로 연결됩니다.

메타데이터 라인은 서빙 데이터 저장소 및 클라우드 스토리지에서 거버넌스로 단방향으로 연결됩니다.

2가지 기능이 분석, 학습, 예측 제품군에 연결됩니다: 서빙 데이터 저장소는 분석 및 시각화,예측, 학습, AI 서비스에 단방향으로 연결됩니다. 반면 클라우드 스토리지는 학습에 양방향으로 연결되지만 분석, 시각화, 학습, AI 서비스에는 단방향으로 연결됩니다.

분석, 학습, 예측 제품군은 6가지 기능으로 구성됩니다.

1. 1. 분석 및 시각화는 Oracle Analytics Cloud, Spatial Studio를 사용합니다.
2. 2. 데이터 제품, API는 OCI API Gateway, Oracle Integration Cloud, OCI Functions를 사용합니다.
3. 3. 예측은 OCI Data Science, Oracle Machine Learning 서비스를 사용합니다.
4. 4. 학습은 OCI Data Science, Oracle Machine Learning Notebooks를 사용합니다.
5. 5. AI 서비스는 OCI Vision, OCI Language, 서드파티 서비스를 사용합니다.
6. 6. 예측 기능은 데이터 제품, API 기능에 단방향으로 연결됩니다.

측정, 실행 제품군은 데이터 분석을 풍력 터빈 아이싱 제공 모델 및 성능 모니터링 지원에 적용할 수 있는 방법을 수집합니다. 이 애플리케이션들은 2개의 그룹으로 구분됩니다.

첫 번째 그룹인 Peoples and Partners에는 운영 및 유지 보수가 포함됩니다.

두 번째 그룹인 Applications에는 Oracle Field Service, Oracle Utilities Work, Asset Management, 엔터프라이즈 자산 관리, 업무 관리 시스템, 현장 서비스 관리가 포함됩니다.

3가지 주요 제품군(수집 및 변환, 유지 및 선별, 생성 및 분석, 학습 및 예측)에는 인프라, 네트워크, 보안 솔루션, IAM 등이 지원됩니다.

풍력 터빈 운영 성능의 논리적 아키텍처

데이터를 아키텍처에 주입해 유틸리티 기업이 풍력 터빈을 위한 운영 성능 전략을 효과적으로 평가할 수 있게 하는 3가지 주요 방법이 있습니다.

• 우리는 일괄 수집 방식을 사용해 스트리밍을 지원하지 않는 시스템으로부터 데이터를 가져올 계획입니다(예: 구형 SCADA(감시 제어 데이터 수집) 시스템 또는 유지 보수 관리 시스템). 이 사용 사례에서는 자산 데이터, 기상 데이터 및 GPS, 유지 보수, 정전 관리 시스템의 데이터가 다양한 간격으로 수집됩니다. OCI Data Integration을 사용해 이 데이터 세트를 Oracle Cloud Infrastructure(OCI) Object Storage에 로드하거나 Oracle Autonomous Data Warehouse(ADW)에 직접 로드합니다.
• 또한 Oracle Cloud Infrastructure GoldenGate를 사용해 변경 데이터 수집을 통해 정전 시스템, 유지 보수 관리 시스템, 자산 데이터 허브 등 운영 시스템으로부터 데이터를 수집합니다.
• 기상 데이터와 같은 모든 스트리밍 데이터의 경우 OCI Streaming과 OCI Connector Hub의 원활한 조합을 활용해 OCI Object Storage에서 직접 데이터를 수집, 집계 및 로드합니다.

데이터 지속성 및 처리는 3개의 구성 요소를 기반으로 구축됩니다.

• 모든 소스로부터 수집된 원시 데이터는 클라우드 스토리지에 저장됩니다. 필요한 조치가 무엇인지에 따라 OCI Events Service와 같은 OCI 내 자동화된 기능들을 사용해 일괄 처리 이벤트를 시작할 수 있습니다. 이 사용 사례에서는 기상 데이터를 수집하여 이를 나중에 사용할 수 있도록 읽기 쉬운 형식으로 변환합니다. 그다음 일괄 처리를 위해 OCI Data Integration, OCI Functions 또는 OCI Data Flow를 사용하여 수집된 데이터를 필요에 따라 통합, 선별, 개선합니다. 데이터 파이프라인은 OCI Data Integration을 사용하여 구축 및 유지 관리됩니다. OCI Data Integration에는 다양한 데이터 자산(데이터베이스, 애플리케이션, 객체 스토리지, REST API 등)을 위한 광범위한 커넥터가 함께 제공되지만 사용자의 니즈 모두를 충족시키지 못할 수도 있습니다. 이 경우 OCI Data Flow 애플리케이션을 구축해 Spark를 통해 이용 가능한 모든 커넥터를 활용할 수 있습니다. 이 예에서는 자산 데이터 허브, GPS, 날씨, 정전 기록, 유지 보수 데이터를 결합하여 주의가 필요한 물리적 자산의 위치를 파악하는 모델을 구축합니다. 이 정보는 이후 운영 유지 보수 프로그램의 개선에도 사용될 수 있습니다.
• 이제 ADW가 제공한 서빙 데이터 저장소에서 선별 및 쿼리 성능에 최적화되고 관계형 양식으로 유지할 준비가 된, 처리된 데이터세트가 생성되었습니다. 이를 통해 모델 예측의 결과를 시각화할 수 있습니다. 심지어 내장형 공간 기능을 사용해 즉각적인 주의가 필요한 터빈을 시각화할 수도 있습니다.

분석, 학습, 예측 기능은 3가지 기술을 통해 촉진됩니다.

• 분석 및 시각화 서비스(예: Oracle Analytics Cloud, Spatial Studio)는 이미지 정보를 시각화하고 날씨가 특정 터빈 또는 터빈 발전소에 미칠 수 있는 영향을 예측하는 데 사용되는 인터랙티브 대시보드를 제공할 수 있습니다. 이 서비스들은 다음과 같은 기능을 제공합니다
  • 히스토그램 및 차트와 함께 현재 및 과거의 아이싱 추세를 보여주는 데 사용할 수 있는 묘사 분석(Descriptive analytics)은 즉각적인 유지 보수가 필요한 영역을 파악할 수 있게 지원합니다
  • 장기적인 운영 및 장기 유지 보수 니즈를 계획 및 결정하는 데 사용할 수 있는 예측 분석(Predictive analytics)은 트렌드를 파악하고 불확실한 결과의 발생 가능성을 확인할 수 있게 해 줍니다
  • 처방 분석(Prescriptive analytics)은 전략적 운영 성능 관리 의사결정 최적화를 위한 적합한 조치를 제안합니다
• 고급 분석의 활용 외에도, OCI Data Science를 사용해 머신러닝 모델을 개발, 훈련, 배포할 수 있습니다. 이 모델들은 머신러닝을 사용해 대량의 자산, 날씨, 유지 보수, 지리 정보 시스템(GIS) 및 기타 다양한 데이터를 분석해 각 풍력 터빈의 운영 성능을 보다 잘 이해하고 개선할 수 있게 해 줍니다. 이토록 세분화된 정보는 터빈 운영 중단과 같은 작업을 계속해서 우선순위로 지정하고, 수행해야 할 작업과 이를 수행하는 데 필요한 팀을 가장 효과적이고 비용 효율적인 방식으로 선정하는 데 도움을 줄 수 있습니다. 가장 흔히 사용되는 모델에는 XGBoost 알고리즘과 순환 신경망, 딥 뉴럴 네트워크, 전이 학습 등 딥 러닝에 사용되는 모델이 있습니다. 모델에 대한 훈련이 끝나면 사용자의 선호 방식에 따라 각 모델들을 다양한 방식으로 배포할 수 있습니다. 이 모델들은 OCI Data Science 플랫폼 또는 데이터베이스 내 Oracle Machine Learning Services REST API를 사용해 REST 엔드포인트를 통해 호출할 수 있습니다. 또한 사용자는 이 모델들을 Open Neural Network Exchange(ONNX) 형식으로 패키지화한 뒤 이를 애플리케이션의 일부로 배포할 수 있습니다.
• 테스트를 거쳐 엄선된 Oracle의 고품질 데이터 및 모델은 OCI Data Catalog와 기타 서비스를 함께 사용해 거버넌스 규칙 및 정책을 적용할 수 있고 데이터 메시 아키택처 내 '데이터 제품(API)'으로 노출되어 조직 전반에 배포할 수도 있습니다.

향상된 운영 성능을 바탕으로 한 유틸리티 기업의 수익 증대

비효율적인 유지 보수 전략은 운영 효율성과 수익성을 저해하고 고객 불만족을 야기할 수 있습니다. 이 풍력 터빈 아이싱 사용 사례는 ML 및 예측, 처방 분석 등 기타 첨단 분석 기능을 사용해 운영 성능 전략을 미세 조율하는 방법을 보여주는 한 가지 예에 불과합니다. 이와 같은 기능을 사용하면 동결 및 자산 고장 등과 같은 사고를 예측하고 실시간으로 실행 가능한 인사이트를 생성할 수 있습니다. 이와 같은 인사이트는 처방적 워크플로를 트리거하기 때문에 사전에 예방적인 조치를 취하고 유지 보수를 최적화할 수 있습니다. 다음은 운영 성능 개선을 위해 적절한 데이터 플랫폼을 사용할 경우 실현할 수 있는 결과를 보여주는 예입니다:

• 안정성 향상
• 사전 예방적/예방적 유지 보수 응답 시간 단축
• 저렴한 비용
• 복구 시간 단축
• 공급 편의성 증대