Project Overview

<aside>

• 프로젝트명: 화력발전설비 이상 징후 예측 AI 플랫폼 구축
• 프로젝트 기간: 2024/12/30 ~ 2025/2/28
• 목표: 화력 발전 설비 내 폭발을 감지 및 상태 진단 AI 모델 설계
• 역할: EDA를 통해 데이터간의 관계 파악 및 모델에 사용될 주요 특징을 추출
• 기술 스택: Python (pandas, scikit-learn, tsfresh, ydata-profiling, sweetviz), MongoDB, Apache Airflow
• 분석 대상: 석탄화력발전기 2년간 초단위의 수십개의 센서 데이터 </aside>

화력발전설비 AI 플랫폼 구축 사업으로, 발전기의 2년간 초단위 센서 데이터를 분석하여 보일러 이상 징후를 사전에 감지하는 진단 시스템을 개발하였습니다.

수십 개의 센서 변수에서 도메인 지식 기반 피처를 설계하고, 비지도 학습으로 운전 패턴을 분류하여 정상과 이상 상태를 정량적으로 구분했습니다

실제 발생한 보일러 사고 데이터를 역추적 분석해 사고 수 시간 전 선행 신호를 발견했으며, 동일 패턴의 재현을 확인하여 예방 점검의 데이터 근거를 제시했습니다.

My Role

데이터 분석 직무로서 데이터 탐색부터 피처 엔지니어링, 운전 패턴 분류까지 분석 파이프라인의 핵심 과정을 주도적으로 수행했으며, 분석 결과를 팀 내 발표 자료로 정리하여 의사결정에 기여했다.

• 데이터 탐색 및 품질 진단
• 도메인 학습 및 변수 선별
• Feature Engineering
• 운전 패턴 분류
• 발표 및 커뮤니케이션

1. 문제 정의

화력발전소 보일러는 고온·고압 환경에서 24시간 운전되기 때문에, 보일러 튜브 누설은 발전기 정지를 넘어 폭발 사고로 이어질 수 있는 최고 수준의 위험 요인임

제공된 데이터 내 해당 발전기에서 보일러 튜브 폭발 사고가 1번 포함되어 있음

데이터:

• 수십 개의 센서 변수 (온도·유량·압력·음향 등) — 초 단위 시계열
• 폭발 사고 데이터는 단 1건 (지도학습 불가)