풍력 발전 효율 향상을 위한 지능형 운영·유지보수 및 예측 모델 최적화

초록

본 연구는 예측 정비 모델의 효과성과 지능형 운영 및 유지보수(O&M) 시스템의 최적화가 풍력 발전 효율 향상에 미치는 영향을 탐구한다. 질적 연구 방법을 통해, 각각 터빈 운영 분야에서 풍부한 경험을 가진 5명의 풍력발전소 엔지니어 및 유지보수 관리자와의 구조화된 인터뷰를 진행하였다. 주제 분석을 통해, 예측 정비 모델이 주요 고장을 식별하여 가동 중단 시간을 효과적으로 줄이는 반면, 작고 점진적인 고장을 탐지하는 데는 어려움을 겪는 것으로 나타났다. 주요 도전 과제로는 오탐지, 센서 오작동, 그리고 기존 터빈 시스템과 새로운 모델의 통합 문제가 확인되었다. 디지털 트윈, SCADA 시스템, 상태 모니터링과 같은 첨단 기술은 터빈 유지보수 관행을 크게 개선시켰다. 그러나 이러한 기술들은 특히 AI 정제 및 실시간 데이터 통합 측면에서 여전히 개선이 필요하다. 연구 결과는 풍력 터빈 성능을 완전히 최적화하고 재생 가능 에너지의 광범위한 채택을 지원하기 위해 지속적인 개발의 필요성을 강조한다.

English

This study explores the effectiveness of predictive maintenance models and the optimization of intelligent Operation and Maintenance (O&M) systems in improving wind power generation efficiency. Through qualitative research, structured interviews were conducted with five wind farm engineers and maintenance managers, each with extensive experience in turbine operations. Using thematic analysis, the study revealed that while predictive maintenance models effectively reduce downtime by identifying major faults, they often struggle with detecting smaller, gradual failures. Key challenges identified include false positives, sensor malfunctions, and difficulties in integrating new models with older turbine systems. Advanced technologies such as digital twins, SCADA systems, and condition monitoring have significantly enhanced turbine maintenance practices. However, these technologies still require improvements, particularly in AI refinement and real-time data integration. The findings emphasize the need for continuous development to fully optimize wind turbine performance and support the broader adoption of renewable energy.

풍력 발전 효율 향상을 위한 지능형 운영·유지보수 및 예측 모델 최적화

Intelligent Operation and Maintenance and Prediction Model Optimization for Improving Wind Power Generation Efficiency

초록

Support