본문에서는 발전소 설비 상태 분석에 대한 양자화 학습 신경망 (LVQ) 및 깊이 순환 단기 기억 (LSTM) 신경망 알고리즘의 상세 분석이 진행되었습니다. LSTM 신경망을 사용하여 석탄 분쇄기 장비의 상태 분석에 이용되었으며, LSTM 신경망의 마지막 숨겨진 층의 활성화 함수를 Softmax 함수로 설정하였으며 그 출력값은 장비 상태의 건강도 및 가능한 사고 확률을 나타내고 있으며 이를 비교를 위해 LVQ 신경망을 이용하여 장비 상태를 분석하였습니다. 결과적으로, LSTM 신경망을 이용한 훈련 모델을 사용하여 장비 상태를 더 높은 정확도로 분류 할 수 있으며, 장비 상태 판단에서 누락률과 오류보고율을 줄일 수 있음을 확인하였습니다.

발전소 설비; 기계학습; 딥 러닝; 상태 분석; 분쇄기; LSTM 신경망; LVQ 신경망