설비의 예지 보전을 위한 Transformer 기반의 전력 품질 예측 및 이상 상황 탐지

Transformer-based Electric Quality Forecasting and Anomaly Detection for Predictive Maintenance

With the recent introduction of smart factories in earnest, the importance of predictive maintenance, which continuously monitors the state of health of machinery and takes necessary measures in advance, has been emphasized. The power quality is one of the important factors that affect the health status of facilities. If the quality of power is poor, many unnecessary costs are incurred. Therefore, it is necessary to predict this in advance and reduce the cost. In this paper, we propose a method that predicts the quality-related index value and detects the abnormal situation with the transformer-based long-term time series forecasting model. Here, we utilized DILATE loss function instead of MSE, due to the characteristics of the power quality time series data, the non-stationary, and the rapid change in value. As a result, the performance of both forecasting and detection is improved.

최근 본격적으로 스마트팩토리가 도입되면서 설비의 건강 상태를 지속적으로 모니터링하면서 문제가 발생하기 전에 사전에 조치를 수행하는 예지 보전에 대한 중요성이 강조되고 있다. 설비의 건강 상태에 중요한 영향을 끼치는 인자들 중 하나가 설비가 사용하는 전력의 품질이다. 전력의 품질이 좋지 않으면 생산 과정의 중지 및 재가동, 제품 품질 불량 위험 등 불필요한 비용이 발생하고, 이를 사전에 예측하여 줄여야 한다. 본 논문에서는 transformer 기반의 시계열 데이터 장기 예측 모델을 활용하여 전력 품질을 사전에 예측하고 이상 상황을 탐지하는 방법론을 제안한다. 이때, 비정상성, 값이 급격하게 변동하는 데이터의 특성을 고려하여 일반적인 예측 모델과 달리 DILATE 손실함수를 활용하였다. 그 결과, 예측 성능과 이상 탐지 성능이 향상되었다.