고분자 연료전지 공기 공급 시스템의 하이브리드 고장 진단 기술에 대한 연구 :A study on the hybrid fault diagnosis method for air supply system of polymer electrolyte membrane fuel cell

원진연

추천

검색

자료유형: 학위논문

저자정보: 원진연 (연세대학교, 연세대학교 대학원)

지도교수: 홍종섭, 김민진

발행연도: 2021

저작권: 연세대학교 논문은 저작권에 의해 보호받습니다.

이용수14

이 논문의 연구 히스토리 (3)

2021

고분자 연료전지 공기 공급 시스템의 하이브리드 고장 진단 기술에 대한 연구

원진연 기계공학과 2021.01 학위논문

2019

가정용 고분자전해질 연료전지 공기공급시스템의 모델 기반 고장 검출 기술

원진연 , 김민진 , 이원용 외 3명 한국수소및신에너지학회논문집 2019.12 학술저널

가정용 고분자전해질 연료전지 공기공급시스템의 모델 기반 고장 분류 및 진단 기술

원진연 , 김민진 , 이원용 외 3명 한국에너지학회 학술발표회 2019.10 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

고분자 연료전지 공기 공급 시스템의 하이브리드 고장 진단 기술에 대한 연구

연료전지 시스템의 보급이 증가함에 따라, 시스템 가동에 필요한 가격을 절감하기 위한 연료전지 수명 및 내구성 향상 연구가 활발히 이루어지고 있다. 이러한 노력으로 상용 수준에 도달한 연료전지 시스템은 장기 운전시 안정적 성능 유지와 신뢰성 향상을 위한 고장 진단 연구는 미흡한 상태이다. 연료전지 시스템은 역할에 따라 연료 공급 시스템, 공기 공급 시스템, 열관리 시스템, 물관리 시스템으로 이루어져 있다. 연료전지 시스템은 일부 부위의 고장이 시스템으로 전파되고 나아가 스택의 열화를 미치는 복잡한 상관관계를 갖는 시스템이기 때문에 고장 발생시 조기에 검출하고 정확한 원인 진단을 통해 조속한 대처를 할 수 있는 고장 진단 기술 개발이 필요하다.
본 연구를 진행하기 앞서 한국에너지기술연구원에서 진행하고 있는 고분자 연료전지 스마트 고장 진단 기술 개발 과제의 일원으로 계층적인 고장 진단 방법인 FCHMS(Fuel cell health management system) 개발을 수행하였다. 이 방법은 고장 발생시 어느 하위 시스템의 고장인지 검출하고, 해당 하위 시스템의 고장 진단 기술을 적용하여 원인을 파악하는 방법이다.
본 연구에서는 연료전지 하위 시스템 중 성능과 내구성에 영향이 큰 공기 공급 시스템을 대상으로 고장 진단 기술을 개발하였다. 기존의 공기 공급 시스템 대상 고장 진단 기술은 센서나 액츄에이터의 고장이 진단 가능하였고, 잔차를 이용한 모델 기반 진단을 이용하였다. 공기 공급 시스템 대상 사전 진단 기술은 위치 별 라인 막힘과 누설 진단이 어렵고, 스택의 열화에 영향을 미치는 초기 고장 상태에서의 원인 진단이 어려운 한계점이 있다. 이러한 한계점을 개선하기 위하여 공기 공급 시스템에서 발생 할 수 있는 부품 별 위치 별 여섯 가지 고장을 정의하였고, 초기 고장 진단 정확도를 개선하기 위해 잔차를 이용한 모델 기반 진단 방법에 인공 신경망 분류기(Artificial Neural Network Classifier)를 적용한 하이브리드 고장 진단 기술을 제안하였다.
진단 기술의 성능을 검증하기 위하여 상용 1 kW 고분자 연료전지 시스템을 구성하고, 고장 모사 실험을 시행하였다. 새롭게 정의한 여섯 가지 고장을 시행한 검증 데이터에 기존의 모델 기반 진단 방법을 적용하고 진단 결과와 제안된 하이브리드 진단 방법을 적용한 진단 결과의 진단 가능한 고장 크기, 진단 정확도, 블로워 소비전력, 스택 손실 전압, 시스템 효율을 중심으로 진단 기술의 성능을 분석하였다.

핵심 되는 말 : 고분자 연료전지, 공기 공급 시스템, 고장 진단 기술, 모델 기반 진단 기술, 인공 신경망

A study on the hybrid fault diagnosis method for air supply system of polymer electrolyte membrane fuel cell

As the spread of fuel cell systems increases, studies on improving the life and durability of fuel cells to reduce the cost required for system operation are being actively conducted. Although the fuel cell system has reached the commercial level through active research, fault diagnosis research to maintain stable performance and improve reliability during long-term operation are insufficient. The fuel cell system consists of a fuel supply system, an air supply system, a thermal management system, and a water management system. In a PEMFC system, a partial minor fault can propagate into a severe fault and damage the stack; thus, accurate and early diagnosis is necessary after the occurrence of the initial fault.
Prior to proceeding with this study, the development of a hierarchical fault diagnosis method, FCHMS (Fuel cell health management system), was carried out as a part of the development of smart fault diagnosis technology for polymer fuel cells at the Korea Institute of Energy Research. This method detects which sub-system is a faults when a fault occurs, and determines the cause by applying the fault diagnosis method of the sub-system.
In this study, failure diagnosis technology was developed for the air supply system, which has a large impact on performance and durability among fuel cell sub-systems. In the previous research of fault diagnosis method for air supply systems, it is possible to diagnose a failure of a sensor or actuator, and a model-based diagnosis using residuals was used. The previous research of air supply systems has limitations in that it is difficult to diagnose clogging and leakage in each location, and it is difficult to diagnose the cause of the initial fault state that affects the stack degradation. To improve these limitations, six faults for each part and location that can occur in the air supply system are defined. And to improve the diagnosis accuracy in initial fault state, a hybrid fault diagnosis method applied with an artificial neural network classifier to a model-based diagnosis method using residuals is proposed
To verify the performance of the diagnostic technology, a 1 kW PEM fuel cell system test bench was constructed and a fault simulation test was conducted. The result of applying the model-based diagnosis method and the hybrid fault diagnosis method to the validation data through fault simulation experiment is derived. And The performance of the diagnosis method was analyzed based on the diagnosis accuracy, DFM(Diagnosable fault magnitude), blower power consumption, stack loss voltage, and system efficiency.

Key words: Polymer electrolyte membrane fuel cell, air supply system, fault diagnosis method, model-based diagnosis, artificial neural network

#고분자 연료전지 #공기 공급 시스템 #고장 진단 기술 #모델 기반 진단기술 #인공 신경망 #Polymer electrolyte membrane fuel cell #air supply system #fault diagnosis method #model-based diagnosis #artificial neural network

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)