KR102317883B1 - Thermal imaging monitoring switchboard using artificial intelligence - Google Patents

Thermal imaging monitoring switchboard using artificial intelligence Download PDF

Info

Publication number
KR102317883B1
KR102317883B1 KR1020210073426A KR20210073426A KR102317883B1 KR 102317883 B1 KR102317883 B1 KR 102317883B1 KR 1020210073426 A KR1020210073426 A KR 1020210073426A KR 20210073426 A KR20210073426 A KR 20210073426A KR 102317883 B1 KR102317883 B1 KR 102317883B1
Authority
KR
South Korea
Prior art keywords
unit
data
artificial intelligence
information
switchboard
Prior art date
Application number
KR1020210073426A
Other languages
Korean (ko)
Inventor
박대전
Original Assignee
이앤에이치(주)
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 이앤에이치(주) filed Critical 이앤에이치(주)
Priority to KR1020210073426A priority Critical patent/KR102317883B1/en
Application granted granted Critical
Publication of KR102317883B1 publication Critical patent/KR102317883B1/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02B—BOARDS, SUBSTATIONS OR SWITCHING ARRANGEMENTS FOR THE SUPPLY OR DISTRIBUTION OF ELECTRIC POWER
    • H02B13/00—Arrangement of switchgear in which switches are enclosed in, or structurally associated with, a casing, e.g. cubicle
    • H02B13/02—Arrangement of switchgear in which switches are enclosed in, or structurally associated with, a casing, e.g. cubicle with metal casing
    • H02B13/025—Safety arrangements, e.g. in case of excessive pressure or fire due to electrical defect
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66F—HOISTING, LIFTING, HAULING OR PUSHING, NOT OTHERWISE PROVIDED FOR, e.g. DEVICES WHICH APPLY A LIFTING OR PUSHING FORCE DIRECTLY TO THE SURFACE OF A LOAD
    • B66F7/00—Lifting frames, e.g. for lifting vehicles; Platform lifts
    • B66F7/06—Lifting frames, e.g. for lifting vehicles; Platform lifts with platforms supported by levers for vertical movement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/48—Thermography; Techniques using wholly visual means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/52—Testing for short-circuits, leakage current or ground faults
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold

Abstract

The present invention relates to a thermal image monitoring switchboard using artificial intelligence capable of preventing disasters such as a power outage and electric fire due to a failure of a switchboard by making environmental information, sensor information of a field, and thermal image information as big data to predict a state of the switchboard and to request a visit of a field manager by operating an alarm system based on the predicted information. The thermal image monitoring switchboard using artificial intelligence comprises: an enclosure; a deterioration detector installed inside the enclosure and including an arc sensor to sense arc generation and a thermal imaging camera to acquire thermal images; a moving platform installed inside the enclosure for moving a detection area of the deterioration detector to enlarge a detection range; an environmental information receiver installed inside the enclosure to acquire weather information by communication from an external organ; a big data storing unit to detection information of the deterioration detector and weather information of the environmental information receiver; an artificial intelligence determination unit for comparing real time monitoring data of the deterioration detector with data learned by machine running using an artificial neural network based on data of the big data storing unit to calculate a predicted value as a danger degree; and a threshold value alarm unit for determining whether the danger degree predicted value of the artificial intelligence determination unit with a stored threshold value to transfer alarm to a manager when the danger degree predicted value exceeds the threshold value.

Description

인공지능을 활용한 열화상 감시 수배전반{Thermal imaging monitoring switchboard using artificial intelligence}Thermal imaging monitoring switchboard using artificial intelligence

본 발명은 인공지능을 활용한 열화상 감시 수배전반에 관한 것으로서, 더욱 구체적으로는 환경적인 정보와 현장의 센서정보 및 열화상 이미지 정보를 빅데이터화하여 수배전반의 상태를 예측하여, 예측된 정보를 기반으로 알람시스템이 작동하여 현장의 관리자 방문을 요청함으로써 수배전반의 고장으로 인한 정전사고 및 전기화재와 같은 재해를 사전에 예방할 수 있도록 한 인공지능을 활용한 열화상 감시 수배전반에 관한 것이다.The present invention relates to a thermal image monitoring switchgear using artificial intelligence, and more specifically, environmental information, on-site sensor information, and thermal image information are converted into big data to predict the state of the switchgear, and based on the predicted information It is about a thermal imaging monitoring switchboard using artificial intelligence that enables the alarm system to operate and request a manager's visit to the site so that disasters such as blackout accidents and electric fires due to switchboard failure can be prevented in advance.

일반적으로 수배전반은 발전소, 변전소 등의 운전이나 제어, 전동기의 운전 등을 위해 스위치, 계기, 릴레이 등을 설치한 배전반이 마련되며 전원을 분배하는 기기이다. 특히 대규모 공장이나 통신업체 등에는 PLC판넬, 고저압 판넬, 리페어(Repair) 판넬, 특고 수전반, 통신시스템 판넬 등 다양한 종류의 전자부품이 배전반에 설치되어 있다.In general, a switchboard is a device for distributing power with a switchboard installed with switches, instruments, relays, etc. for operation or control of power plants and substations, and operation of electric motors. In particular, in large-scale factories and telecommunication companies, various types of electronic components such as PLC panels, high and low voltage panels, repair panels, special high voltage power boards, and communication system panels are installed on the switchboards.

이러한 수배전반은 각종 전기부품 및 배선들이 복잡하게 설치되어 과전류나 합선 등의 이유로 화재의 발생위험이 크다 할 수 있으며, 화재가 크게 발생하기 이전에 수배전반 내부의 각종 위험요소가 감지되면 관리자를 즉각 투입하여 적절한 조치가 이루어지도록 해야 한다.In such a switchboard, various electrical parts and wiring are installed in a complicated manner, so it can be said that there is a high risk of fire due to overcurrent or short circuit. Appropriate action should be taken.

종래에는 수배전반이나 전력설비의 온도 및 노후화에 따른 열화 정도를 측정하기 위해서 별도의 온도측정기나 열화상 카메라를 이용하여 측정하고자 하는 부분에 직접 투사하여 온도를 측정하고, 열화 상태의 점검을 위하여 주기적으로 측정하고, 외관의 상태를 점검하여 그 상태를 추정하는 경우가 대부분이다 보니 수배전반의 설비 건전성 및 열화에 의한 사고를 사전에 예방하지 못하는 문제점이 있었다.Conventionally, in order to measure the degree of deterioration due to the temperature and aging of the switchgear or power facility, a separate temperature measuring device or thermal imaging camera is used to directly project the temperature to the part to be measured, and periodically to check the deterioration state. In most cases, the condition is estimated by measuring and checking the condition of the exterior, so there is a problem in that it is not possible to prevent accidents due to deterioration and facility integrity of the switchgear.

관련 선행기술로서, 등록특허 제10-2154854호(빅데이터와 인공지능을 활용한 수배전반 감시 시스템)에는 수배전반에서 전력정보를 수집하도록 수배전반에 장착되며, IOT센서를 이용하여 수배전반 내부의 데이터를 수집하는 디지털 전력정보 수집부와, 상기 디지털 전력정보 수집부에 저장된 데이터를 전송받는 수용가 설치서버와, 상기 수용가 설치서버에 전송되는 데이터를 수신하여 각 수용가의 수배전반 전력정보를 타입별로 DB화하며, 상기 DB화된 전력정보 타입별 수배전반의 이상징후 예측모델을 도출하는 빅데이터 분석서버 및 상기 수용가 설치서버를 통해 입력된 데이터와 상기 빅데이터 분석서버에서 전송되는 DB화된 데이터를 수신하여, 이를 토대로 현재 상기 수용가 설치서버로 전송되는 데이터의 상태를 자체 분석하는 인공지능 서버를 포함하는 기술이 개시되어 있다.As a related prior art, registered patent No. 10-2154854 (switchboard monitoring system using big data and artificial intelligence) is mounted on a switchboard to collect power information from the switchboard, and uses IOT sensors to collect data inside the switchboard. A digital power information collection unit, a customer installation server receiving the data stored in the digital power information collection unit, and receiving data transmitted to the customer installation server to form a DB for each customer's switchboard power information by type, the DB A big data analysis server that derives an abnormal symptom prediction model of a switchboard for each type of electric power information and data input through the customer installation server and DB data transmitted from the big data analysis server are received, and based on this, the current installation of the customer A technology including an artificial intelligence server for self-analyzing the state of data transmitted to the server is disclosed.

상기 선행기술에 사용되는 인공지능은 단순히 전류/전압에 대한 센서데이터를 통해 문제를 판단하는 것으로서, 빅데이터에 제공되는 정보가 매우 한정적일 수 밖에 없고, 빅데이터를 업데이트하는 과정에 있어서도 측정되는 값에 의존해서 업데이트가 이루어지기 때문에, 정확도를 높이기 어려운 문제점이 있다.The artificial intelligence used in the prior art simply determines a problem through sensor data on current/voltage, and the information provided to big data is inevitably limited, and values measured in the process of updating big data Since the update is made depending on the

KR 제10-2154854호KR 10-2154854

본 발명은 상기와 같은 문제점을 해결하기 위해 안출한 것으로서, 수배전반에 설치되는 센서정보 및 열화상 이미지 정보와 수배전반 외부의 환경정보를 빅데이터로 저장하여, 이를 기반으로 수배전반의 상태를 예측하여 알람시스템이 작동하도록 하고, 해당 수배전반으로 현장 관리자가 즉각적으로 방문할 수 있도록 하여 수배전반의 고장으로 인한 정전사고 및 전기화재와 같은 재해를 사전에 예방할 수 있도록 한 인공지능을 활용한 열화상 감시 수배전반을 제공함에 목적을 두고 있다.The present invention has been devised to solve the above problems, and it stores sensor information installed in the switchboard, thermal image information, and environmental information outside the switchboard as big data, and predicts the status of the switchboard based on this as an alarm system To provide a thermal imaging monitoring switchboard using artificial intelligence to prevent disasters such as blackout accidents and electric fires due to the failure of the switchgear in advance by allowing the site manager to immediately visit the switchboard. has a purpose

또한 본 발명은 열화상 이미지의 정확도를 높이기 위해 열화상 카메라의 촬영 범위가 크게 확대될 수 있도록 열화상 카메라에 이동수단을 마련하도록 하면서, 이동수단의 구조를 개선하여 열화상 카메라로 촬영되는 이미지의 노이즈를 최소화하고, 장시간 사용하여도 자체적으로 정상화가 가능한 인공지능을 활용한 열화상 감시 수배전반을 제공함에 또 다른 목적을 두고 있다.In addition, the present invention provides a moving means in the thermal imaging camera so that the photographing range of the thermal imaging camera can be greatly expanded in order to increase the accuracy of the thermal image, and the structure of the moving means is improved so that the image captured by the thermal imaging camera is improved. Another purpose is to provide a thermal image monitoring switchboard using artificial intelligence that minimizes noise and can self-normalize even after long-term use.

본 발명은 함체와, 상기 함체 내부에 설치되어 아크발생을 감지하는 아크센서 및 열화상 이미지를 획득하는 열화상 카메라로 구성되는 열화감지부와, 상기 함체 내부에 설치되어 열화감지부의 감지영역을 이동시켜 감지범위를 확장시키는 이동플랫폼과, 상기 함체 내부에 설치되어 외부기관으로부터 통신에 의해 날씨정보를 획득하는 환경정보 수신부와, 상기 열화감지부의 감지정보와 환경정보 수신부의 날씨정보를 함께 저장하는 빅데이터 저장소와, 상기 빅데이터 저장소의 자료를 기반으로 인공신경망을 이용한 머신러닝으로 학습한 데이터와 실시간 열화감지부의 감지데이터를 비교하여 위험정도를 예측값을 연산하는 인공지능 판단부와, 상기 인공지능 판단부의 위험정도 예측값이 미리 저장된 임계치를 초과하였는 지 비교하고 임계치 초과시 관리자에게 알람이 전달되도록 한 임계치 알람부;로 이루어지는 것을 특징으로 한다.The present invention relates to a housing, a deterioration detection unit comprising an arc sensor installed inside the housing to detect arc generation, and a thermal imaging camera to acquire a thermal image, and installed inside the housing to move the detection area of the deterioration detection unit A mobile platform that expands the detection range by using the system, an environmental information receiver installed inside the enclosure to acquire weather information through communication from an external organization, and a big that stores the weather information of the deterioration detection part and the environmental information receiver together An artificial intelligence determination unit that compares the data learned by machine learning using an artificial neural network with the data detected by the real-time deterioration detection unit based on the data of the big data storage and the data of the big data storage and calculates the predicted value of the degree of risk; and the artificial intelligence determination and a threshold alarm unit that compares whether the negative risk level predicted value exceeds a pre-stored threshold and sends an alarm to the manager when the threshold is exceeded.

또한 상기 함체 외부에는 외기의 온도 및 습도를 측정할 수 있도록 한 환경센서가 더 포함되어, 측정된 환경정보를 환경정보 수신부로 제공되어 날씨정보가 복합적으로 관리되도록 한 것을 특징으로 한다.In addition, an environmental sensor capable of measuring the temperature and humidity of the outside air is further included on the outside of the housing, and the measured environmental information is provided to the environmental information receiver so that the weather information is managed in a complex manner.

또한 상기 인공지능 판단부는; 내부 부품의 기본정보와, 현재 전류 및 전압값, 상기 열화감지부의 감지정보에 해당하는 아크센서의 측정값, 열화상 카메라의 픽셀별 온도측정값, 환경정보 수신부의 외부 온도 및 습도를 학습데이터로 입력하고, 인공신경망을 이용하여 반복학습이 이루어지는 러닝머신 학습부와, 상기 러닝머신 학습부에서 각각의 결과값을 라벨링하여 저장하는 모델DB부와, 상기 모델DB부의 학습결과와 실시간으로 측정되는 열화감지부의 감지데이터를 비교하여 위험정도를 예측값을 연산하는 비교예측부;로 구성되는 것을 특징으로 한다.In addition, the artificial intelligence determination unit; Basic information of internal parts, current and voltage values, arc sensor measurement values corresponding to the detection information of the deterioration detection unit, temperature measurement values for each pixel of the thermal imaging camera, and external temperature and humidity of the environmental information receiver are used as learning data. A treadmill learning unit that inputs and performs repetitive learning using an artificial neural network, a model DB unit that labels and stores each result value in the treadmill learning unit, and a deterioration measured in real time with the learning results of the model DB unit It is characterized in that it is composed of; a comparison prediction unit that compares the detection data of the detection unit to calculate a predicted value of the degree of risk.

또한 상기 함체에는 현장을 방문한 관리자의 결과데이터를 수신하는 현장데이터 수신부;를 더 포함하여 상기 빅데이터 저장소로 데이터를 전송하여 기존 데이터와 함께 머신러닝으로 학습하도록 한 제1업데이트경로와, 상기 임계치 알람부로 데이터를 전송하여 임계치를 조정하는 제2업데이트경로로 이루어지는 것을 특징으로 한다.In addition, the housing includes a field data receiving unit for receiving the result data of the manager who has visited the site; a first update path that transmits data to the big data storage to learn by machine learning together with the existing data; and the threshold alarm It is characterized in that it consists of a second update path for adjusting the threshold by transmitting data to the unit.

또한 상기 이동플랫폼은; 수직방향으로 설치되는 프레임과, 상기 프레임의 상부에 설치되어 구동모터에 의해 회전하는 구동풀리 및 프레임의 하부에는 공회전되도록 설치되는 종동풀리와, 상기 구동풀리와 종동풀리를 연결하는 형태로 결합되어 구동모터에 의해 궤도운동을 하는 벨트와, 상기 프레임에 수직으로 설치되는 가이드홈과, 상기 벨트에 고정되고 가이드홈을 따라 상하로 안내되는 하는 승강블록과, 상기 승강블록의 전면부에 설치되어 틸팅모터에 의해 수직축을 기준으로 좌우 방향으로 회전되도록 하고, 전면부에 아크센서 또는 열화상 카메라가 설치되는 틸팅패널;로 구성되는 것을 특징으로 한다.In addition, the mobile platform; A frame installed in the vertical direction, a driving pulley installed on the upper part of the frame and rotated by a driving motor, and a driven pulley installed to idle at the lower part of the frame, and the driving pulley and the driven pulley are coupled and driven A belt performing orbital motion by a motor, a guide groove vertically installed on the frame, a lifting block fixed to the belt and guided up and down along the guide groove, and a tilting motor installed on the front of the lifting block is rotated in the left and right directions based on the vertical axis by the tilting panel in which an arc sensor or a thermal imaging camera is installed in the front part; characterized in that it is composed of a.

본 발명은 수배전반에 설치되는 센서정보 및 열화상 이미지 정보와 수배전반 외부의 환경정보를 빅데이터로 저장하여, 이를 기반으로 수배전반의 상태를 예측하여 알람시스템이 작동하도록 하고, 해당 수배전반으로 현장 관리자가 즉각적으로 방문할 수 있도록 하여 수배전반의 고장으로 인한 정전사고 및 전기화재와 같은 재해를 사전에 예방할 수 있는 효과가 있다.The present invention stores sensor information installed in the switchboard, thermal image information, and environmental information outside the switchboard as big data, based on this, predicts the status of the switchboard so that the alarm system operates, and the on-site manager immediately with the switchboard It has the effect of preventing disasters such as blackout accidents and electric fires due to the failure of the switchgear in advance.

또한 본 발명은 열화상 이미지의 정확도를 높이기 위해 열화상 카메라의 촬영 범위가 크게 확대될 수 있도록 열화상 카메라에 이동수단을 마련하도록 하면서, 이동수단의 구조를 개선하여 열화상 카메라로 촬영되는 이미지의 노이즈를 최소화하고, 장시간 사용하여도 자체적으로 정상화가 가능한 효과가 있다.In addition, the present invention provides a moving means in the thermal imaging camera so that the photographing range of the thermal imaging camera can be greatly expanded in order to increase the accuracy of the thermal image, and the structure of the moving means is improved so that the image captured by the thermal imaging camera is improved. It minimizes noise and has the effect of being able to normalize itself even after using it for a long time.

도 1은 본 발명의 인공지능을 활용한 열화상 감시 수배전반의 전체 구성을 나타낸 도면
도 2는 본 발명의 수배전반에 설치되는 이동플랫폼을 나타낸 사시도
도 3은 본 발명에 의한 이동플랫폼의 승강블록 및 틸팅패널을 나타낸 배면사시도
도 4는 본 발명의 이동플랫폼에 설치되는 텐션조절부재를 나타낸 사시도
도 5 내지 6은 본 발명에 의한 텐션조절부재의 작동예시를 나타낸 도면1 is a view showing the overall configuration of a thermal image monitoring switchboard using the artificial intelligence of the present invention;
Figure 2 is a perspective view showing a mobile platform installed in the switchboard of the present invention
3 is a rear perspective view showing a lifting block and a tilting panel of the mobile platform according to the present invention;
4 is a perspective view showing a tension adjusting member installed on the mobile platform of the present invention;
5 to 6 are views showing an operation example of the tension adjusting member according to the present invention;

이하 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 상세히 설명하면 다음과 같다. 그리고 본 발명을 설명함에 있어서, 관련된 공지기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. In the description of the present invention, if it is determined that a detailed description of a related known function or configuration may unnecessarily obscure the gist of the present invention, the detailed description thereof will be omitted.

본 발명의 인공지능을 활용한 열화상 감시 수배전반은 도 1에 도시한 바와 같이 함체(100)와, 상기 함체(100) 내부에 설치되어 아크발생을 감지하는 아크센서(210) 및 열화상 이미지를 획득하는 열화상 카메라(220)로 구성되는 열화감지부(200)와, 상기 함체(100) 내부에 설치되어 열화감지부(200)의 감지영역을 이동시켜 감지범위를 확장시키는 이동플랫폼(300)과, 상기 함체(100) 내부에 설치되어 외부 기관으로부터 통신에 의해 날씨정보를 획득하는 환경정보 수신부(400)와, 상기 열화감지부(200)의 감지정보와 환경정보 수신부(400)의 날씨정보를 함께 저장하는 빅데이터 저장소(500)와, 상기 빅데이터 저장소(500)의 자료를 기반으로 인공신경망을 이용한 머신러닝으로 학습한 데이터와 실시간 열화감지부(200)의 감지데이터를 비교하여 위험정도를 예측값을 연산하는 인공지능 판단부(600)와, 상기 인공지능 판단부(600)의 위험정도 예측값이 미리 저장된 임계치를 초과하였는 지 비교하고 임계치 초과시 관리자에게 알람이 전달되도록 한 임계치 알람부(700);로 이루어지는 것을 특징으로 한다.As shown in FIG. 1, the thermal image monitoring switchboard using the artificial intelligence of the present invention includes a housing 100, an arc sensor 210 installed inside the housing 100 to detect arc generation, and a thermal image. A deterioration detection unit 200 composed of a thermal imaging camera 220 to acquire, and a moving platform installed inside the housing 100 to move the detection area of the deterioration detection unit 200 to expand the detection range (300) And, the environmental information receiving unit 400 installed inside the housing 100 to obtain weather information through communication from an external organization, and the detection information of the deterioration detecting unit 200 and the weather information of the environmental information receiving unit 400 The degree of risk by comparing the data learned by machine learning using an artificial neural network with the big data storage 500 that stores together An artificial intelligence determination unit 600 that calculates a predicted value, and a threshold alarm unit 700 that compares whether the risk level predicted value of the artificial intelligence determination unit 600 exceeds a pre-stored threshold, and sends an alarm to the manager when the threshold is exceeded );

본 발명의 열화감지부(200)는 함체(100) 내부에 설치되어 열변화를 감지할 수 있는 수단을 의미한다. 상기 열화감지부(200)에 적용되는 구성은 아크발생을 감지하는 아크센서(210)와, 열화상 이미지를 촬영하는 열화상 카메라(220)로 이루어진다.The deterioration detection unit 200 of the present invention is installed inside the housing 100 and means a means capable of detecting a thermal change. The configuration applied to the deterioration detection unit 200 includes an arc sensor 210 that detects arc generation and a thermal imaging camera 220 that captures a thermal image.

이러한 열화감지부(200)는 함체(100) 내부에 설치된 이동플랫폼(300)에 의해 감지영역을 이동시켜 감지범위를 확장시킬 수 있다.The deterioration detection unit 200 may expand the detection range by moving the detection area by the moving platform 300 installed inside the housing 100 .

본 발명은 상기 열화감지부(200)를 통해 측정된 데이터와 환경정보 수신부(400)를 통해 얻어진 날씨정보를 빅데이터 저장소(500)에 함께 저장하여 종합적으로 판단하여 정확도를 높이는 것에 특징이 있다. 상기 환경정보 수신부(400)는 외부기관(예:기상청)으로부터 통신에 의해 날씨정보(온도 및 습도)를 획득하는 것이 바람직하나, 상기 함체(100) 외부에 외기의 온도 및 습도를 측정할 수 있도록 한 환경센서(410)가 더 포함되어, 측정된 환경정보를 환경정보 수신부(400)로 제공되어 날씨정보가 복합적으로 관리되도록 할 수 있다.The present invention is characterized in that the data measured by the deterioration detecting unit 200 and the weather information obtained through the environmental information receiving unit 400 are stored together in the big data storage 500 to comprehensively determine and increase the accuracy. It is preferable that the environmental information receiving unit 400 obtains weather information (temperature and humidity) by communication from an external organization (eg, the Korea Meteorological Administration), but so as to measure the temperature and humidity of the outside air outside the housing 100 . One environmental sensor 410 is further included, so that the measured environmental information is provided to the environmental information receiving unit 400 so that the weather information can be managed in a complex manner.

상기 환경정보 수신부(400)는 온도 및 습도의 정확도를 높이기 위해 외부기관을 통해 제공되는 온도 및 습도의 정보값과 환경센서(410)를 통해 직접적으로 측정되는 온도 및 습도 측정값의 중간값으로 적용할 수 있다. 물론 양쪽의 격차가 지나치게 심할 경우, 관리자에게 통보하여 환경센서(410)의 점검이 이루어지도록 하는 것이 좋다.The environmental information receiving unit 400 is applied as an intermediate value between the temperature and humidity information values provided through an external organization and the temperature and humidity measurement values directly measured through the environmental sensor 410 in order to increase the accuracy of temperature and humidity. can do. Of course, if the gap between the two sides is excessive, it is good to notify the manager so that the environmental sensor 410 is checked.

본 발명의 인공지능 판단부(600)는 빅데이터 저장소(500)의 자료를 기반으로 인공신경망을 이용한 머신러닝으로 학습한 데이터와 실시간 열화감지부(200)의 감지데이터를 비교하여 위험정도를 예측값을 연산하게 된다.The artificial intelligence determination unit 600 of the present invention compares the data learned by machine learning using an artificial neural network based on the data of the big data storage 500 with the sensed data of the real-time deterioration detection unit 200 to predict the degree of risk. will be computed.

상기 인공지능 판단부(600)의 구성을 좀 더 구체적으로 하면, 도면에 도시한 바와 같이 내부 부품의 기본정보와, 현재 전류 및 전압값, 상기 열화감지부(200)의 감지정보에 해당하는 아크센서(210)의 측정값, 열화상 카메라(220)의 픽셀별 온도측정값, 환경정보 수신부(400)의 외부 온도 및 습도를 학습데이터로 입력하고, 인공신경망을 이용하여 반복학습이 이루어지는 러닝머신 학습부와, 상기 러닝머신 학습부에서 각각의 결과값을 라벨링하여 저장하는 모델DB부(620)와, 상기 모델DB부(620)의 학습결과와 실시간으로 측정되는 열화감지부(200)의 감지데이터를 비교하여 위험정도를 예측값을 연산하는 비교예측부(630);로 구성된다.If the configuration of the artificial intelligence determination unit 600 is more specific, as shown in the figure, basic information of internal parts, current current and voltage values, and arc corresponding to the detection information of the deterioration detection unit 200 . A treadmill in which the measurement value of the sensor 210, the temperature measurement value for each pixel of the thermal imaging camera 220, and the external temperature and humidity of the environmental information receiving unit 400 are input as learning data, and repeated learning is performed using an artificial neural network. A learning unit, a model DB unit 620 that labels and stores the respective result values in the learning machine learning unit, and the learning result of the model DB unit 620 and the deterioration detection unit 200 measured in real time. and a comparison prediction unit 630 that compares data and calculates a predicted value of the degree of risk.

상기 러닝머신 학습부는 빅데이터 저장소(500)의 데이터를 정규화하여 RNN 또는 CNN과 같은 인공신경망을 이용하여 반복적으로 학습하게 된다. 이렇게 학습된 데이터는 라벨링 하여 모델DB부(620)에 각각의 데이터가 저장되며, 이렇게 라벨링된 데이터는 과거의 자료로 활용되어 다시 러닝머신 학습부의 학습자료로 활용되는 것이다.The learning machine learning unit normalizes the data of the big data storage 500 and repeatedly learns it using an artificial neural network such as RNN or CNN. The data learned in this way is labeled and each data is stored in the model DB unit 620, and the labeled data is used as past data and is again utilized as learning data of the treadmill learning unit.

상기 비교예측부(630)는 말 그대로 위험정도를 예측하는 것으로서, 모델DB부(620)에 저장된 학습결과와 실시간으로 측정되는 열화감지부(200)의 감지데이터를 비교하여 위험정도를 예측값을 연산하게 된다.The comparison prediction unit 630 literally predicts the degree of risk, and compares the learning result stored in the model DB unit 620 with the sensed data of the deterioration detection unit 200 measured in real time to calculate the risk level predicted value. will do

이렇게 위험정도 예측값이 임계치 알람부(700)로 보내져, 미리 저장된 임계치를 초과하였는지 비교한 다음 관리자에게 푸쉬알람이 이루어지도록 한다. 상기 임계치 알람부(700)를 통해 알람을 받은 관리자는 해당 현장으로 방문하여 적절한 조치가 이루어지도록 할 수 있다.In this way, the predicted level of risk is sent to the threshold alarm unit 700, compares whether a pre-stored threshold is exceeded, and then a push alarm is issued to the manager. The manager who receives the alarm through the threshold alarm unit 700 may visit the site and take appropriate measures.

아울러, 본 발명의 함체(100)에는 도면에 도시한 바와 같이 현장을 방문한 관리자의 결과데이터를 수신하는 현장데이터 수신부(800);를 더 포함할 수 있다. 그리고 현장데이터 수신부(800)의 데이터를 이용하여 업데이트가 이루어질 수 있는데, 상기 빅데이터 저장소(500)로 데이터를 전송하여 기존 데이터와 함께 머신러닝으로 학습하도록 한 제1업데이트경로(810)와, 상기 임계치 알람부(700)로 데이터를 전송하여 임계치를 조정하는 제2업데이트경로(820)로 이루어질 수 있다.In addition, the housing 100 of the present invention, as shown in the drawing, the site data receiving unit 800 for receiving the result data of the manager who visited the site; may further include. And the update can be made using the data of the field data receiving unit 800, the first update path 810 by transmitting the data to the big data storage 500 to learn by machine learning together with the existing data; The second update path 820 may be configured by transmitting data to the threshold alarm unit 700 to adjust the threshold.

이와 같이 이루어지는 본 발명은 열화감지부(200)와 환경정보 수신부(400)의 지속적으로 제공되는 데이터와, 열화감지부(200)의 실시간 데이터를 학습함과 아울러, 현장으로 방문한 관리자의 결과데이터까지 업데이트 함으로써, 판단 정확도를 크게 향상시킬 수 있는 것이다.The present invention made in this way learns the data continuously provided by the deterioration detecting unit 200 and the environmental information receiving unit 400 and the real-time data of the deterioration detecting unit 200, as well as the result data of the manager who visited the site. By updating, the judgment accuracy can be greatly improved.

본 발명의 이동플랫폼(300)은 열화감지부(200)가 설치되어 앞서 설명한 바와 같이 열화감지부(200)의 감지영역을 이동시켜 감지범위를 확장시키는 구성에 해당한다. 상기 이동플랫폼(300)의 구성은 도 2 내지 3에 도시한 바와 같이 수직방향으로 설치되는 프레임(310)과, 상기 프레임(310)의 상부에 설치되어 구동모터(321)에 의해 회전하는 구동풀리(320) 및 프레임(310)의 하부에는 공회전되도록 설치되는 종동풀리(330)와, 상기 구동풀리(320)와 종동풀리(330)를 연결하는 형태로 결합되어 구동모터(321)에 의해 궤도운동을 하는 벨트(340)와, 상기 프레임(310)에 수직으로 설치되는 가이드홈(350)과, 상기 벨트(340)에 고정되고 가이드홈(350)을 따라 상하로 안내되는 하는 승강블록(360)과, 상기 승강블록(360)의 전면부에 설치되어 틸팅모터(371)에 의해 수직축을 기준으로 좌우 방향으로 회전되도록 하고, 전면부에 아크센서(210) 또는 열화상 카메라(220)가 설치되는 틸팅패널(370);로 구성된다.The moving platform 300 of the present invention corresponds to a configuration in which the deterioration detecting unit 200 is installed to move the sensing area of the deterioration detecting unit 200 to expand the sensing range as described above. The configuration of the mobile platform 300 includes a frame 310 installed in a vertical direction as shown in FIGS. 2 to 3 , and a driving pulley installed on the frame 310 and rotated by a driving motor 321 . A driven pulley 330 installed to idle at the lower portion of the 320 and the frame 310 is coupled in a form to connect the driving pulley 320 and the driven pulley 330 to orbital movement by the driving motor 321 . A belt 340 that does the following, a guide groove 350 installed vertically on the frame 310, and a lifting block 360 that is fixed to the belt 340 and guided up and down along the guide groove 350 And, it is installed on the front part of the elevating block 360 so as to be rotated in the left and right directions based on the vertical axis by the tilting motor 371, and the arc sensor 210 or the thermal imaging camera 220 is installed on the front part The tilting panel 370; consists of.

상기 이동플랫폼(300)은 프레임(310)의 상,하로 구동풀리(320)와 종동풀리(330)가 설치되고, 상기 구동풀리(320)와 종동풀리(330)를 감는 형태로 벨트(340)가 체결되어 있다. 그리고 벨트(340)에 고정되는 승강블록(360)이 상,하로 움직이도록 한 구조로 되어 있다.The moving platform 300 has a drive pulley 320 and a driven pulley 330 installed in the upper and lower portions of the frame 310, and the driving pulley 320 and the driven pulley 330 are wound around the belt 340. is contracted And the lifting block 360 fixed to the belt 340 has a structure to move up and down.

이와 같이 상,하로 승강되는 방식을 풀리와 벨트(340)방식으로 적용됨에 따라 긴 이동거리에도 모터의 부하를 최소화할 수 있고 진동이 적은 이점을 갖는다.As such, as the method of lifting up and down is applied to the pulley and belt 340 method, it is possible to minimize the load of the motor even for a long moving distance and has the advantage of less vibration.

상기 승강블록(360)은 도면에 도시한 바와 같이 후면부에는 벨트(340)의 고정 및 가이드홈(350)을 따라 이동할 수 있는 구성이 마련되어 있고, 전면부에는 틸팅패널(370)이 설치되어 있다.As shown in the drawing, the lifting block 360 has a configuration capable of fixing the belt 340 and moving along the guide groove 350 on the rear portion, and a tilting panel 370 is installed on the front portion.

상기 틸팅패널(370)은 승강블록(360)의 전면부에 설치되는 것으로서, 브라켓을 통해 틸팅모터(371)가 설치되고, 틸팅모터(371)에 의해 수직축을 기준으로 좌우 방향으로 회전되도록 한 구성이다. 상기 틸팅패널(370)의 전면부에는 아크센서(210) 또는 열화상 카메라(220)가 설치된다.The tilting panel 370 is installed on the front part of the elevating block 360, a tilting motor 371 is installed through a bracket, and the tilting motor 371 rotates in the left and right directions based on the vertical axis. am. An arc sensor 210 or a thermal imaging camera 220 is installed on the front portion of the tilting panel 370 .

아울러, 본 발명의 이동플랫폼(300)에는 도 4에 도시한 바와 같이 벨트(340)의 이동구간에 텐션조절부재(900)가 더 설치되어, 벨트(340)의 변형이나 각 구성간의 결합문제로 인해 벨트(340)의 장력이 느슨해졌을 때 팽팽한 상태로 벨트(340)의 장력을 조절하여 승강블록(360)의 이동에 영향을 주지 않도록 하여 원활한 감시가 이루어지도록 하는 것이 좋다.In addition, in the moving platform 300 of the present invention, a tension adjusting member 900 is further installed in the moving section of the belt 340 as shown in FIG. When the tension of the belt 340 is loosened, it is preferable to adjust the tension of the belt 340 in a taut state so as not to affect the movement of the elevating block 360 so that smooth monitoring is performed.

상기 텐션조절부재(900)는 도면에 도시한 바와 같이 프레임(310)에 고정설치되는 설치대(910)와, 상기 설치대(910)에 회전가능하게 결합되되 " V " 자 형상으로 이루어져 일측은 지지롤러(930)가 결합되어 벨트(340)와 밀착되도록 하고, 타측은 연결링크(940)가 결합되어 있는 작동막대(920)와, 상기 연결링크(940)의 반대편에 결합되되 모터장치(951)의 회전축으로부터 편심된 위치에 연결링크(940)가 결합되는 텐션구동부(950);로 이루어진다.The tension adjusting member 900 is rotatably coupled to the mounting base 910 fixed to the frame 310 and the mounting base 910 as shown in the drawing, and is formed in a “V” shape so that one side is a support roller 930 is coupled to be in close contact with the belt 340, and the other side is coupled to the opposite side of the operating rod 920 to which the connection link 940 is coupled, and the connection link 940 to the opposite side of the motor device 951. and a tension driving unit 950 to which the connection link 940 is coupled to an eccentric position from the rotation shaft.

이와 같이 이루어지는 텐션조절부재(900)는 도 5 내지 6에 도시한 바와 같이 장력조절이 필요할 때 텐션구동부(950)의 모터장치(951)가 회전하면서 연결링크(940)를 움직이게 되고, 연결링크(940)와 연결된 작동막대(920)가 함께 움직이면서 롤러가 벨트(340)방향으로 더 이동하게 되어 느슨해진 벨트(340)를 좀 더 팽팽하게 장력을 조절할 수 있게 된다.The tension adjusting member 900 made in this way moves the connecting link 940 while the motor 951 of the tension driving unit 950 rotates when tension adjustment is required as shown in FIGS. 5 to 6, and the connecting link ( As the operation bar 920 connected to the 940 moves together, the roller moves more in the direction of the belt 340 , so that the tension of the loosened belt 340 can be adjusted more taut.

아울러, 상기 텐션조절부재(900)는 이동플랫폼(300)에 진동을 감지할 수 있는 진동감지센서(미도시)를 더 설치하여, 진동값에 의해 자동으로 텐션조절이 이루어지도록 하는 것이 좋다.In addition, it is preferable that the tension adjusting member 900 further installs a vibration detection sensor (not shown) capable of detecting vibration on the moving platform 300 so that the tension is automatically adjusted according to the vibration value.

이상에서 본 발명은 상기 실시예를 참고하여 설명하였지만 본 발명의 기술사상 범위 내에서 다양한 변형실시가 가능함은 물론이다.Although the present invention has been described above with reference to the above embodiments, it goes without saying that various modifications are possible within the scope of the technical spirit of the present invention.

100 : 함체 200 : 열화감지부
210 : 아크센서 220 : 열화상 카메라
300 : 이동플랫폼 310 : 프레임
320 : 구동풀리 321 : 구동모터
330 : 종동풀리 340 : 벨트
350 : 가이드홈 360 : 승강블록
370 : 틸팅패널 371 : 틸팅모터
400 : 환경정보 수신부 410 : 환경센서
500 : 빅데이터 저장소 600 : 인공지능 판단부
610 : 러신머닝 학습부 620 : 모델DB부
630 : 비교예측부 700 : 임계치 알람부
800 : 현장데이터 수신부 810 : 제1업데이트경로
820 : 제2업데이트경로 900 : 텐션조절부재
910 : 설치대 920 : 작동막대
930 : 지지롤러 940 : 연결링크
950 : 텐션구동부 951 : 모터장치100: housing 200: deterioration detection unit
210: arc sensor 220: thermal imaging camera
300: mobile platform 310: frame
320: drive pulley 321: drive motor
330: driven pulley 340: belt
350: guide groove 360: elevating block
370: tilting panel 371: tilting motor
400: environmental information receiver 410: environmental sensor
500: big data storage 600: artificial intelligence judgment unit
610: learning machine learning unit 620: model DB unit
630: comparison prediction unit 700: threshold alarm unit
800: field data receiving unit 810: first update path
820: second update path 900: tension adjusting member
910: mounting base 920: operating bar
930: support roller 940: connection link
950: tension driving unit 951: motor device

Claims (5)

함체(100)와, 상기 함체(100) 내부에 설치되어 아크발생을 감지하는 아크센서(210) 및 열화상 이미지를 획득하는 열화상 카메라(220)로 구성되는 열화감지부(200)와, 상기 함체(100) 내부에 설치되어 열화감지부(200)의 감지영역을 이동시켜 감지범위를 확장시키는 이동플랫폼(300)과,
상기 이동플랫폼(300)은;
수직방향으로 설치되는 프레임(310)과, 상기 프레임(310)의 상부에 설치되어 구동모터(321)에 의해 회전하는 구동풀리(320) 및 프레임(310)의 하부에는 공회전되도록 설치되는 종동풀리(330)와, 상기 구동풀리(320)와 종동풀리(330)를 연결하는 형태로 결합되어 구동모터(321)에 의해 궤도운동을 하는 벨트(340)와, 상기 프레임(310)에 수직으로 설치되는 가이드홈(350)과, 상기 벨트(340)에 고정되고 가이드홈(350)을 따라 상하로 안내되는 승강블록(360)과, 상기 승강블록(360)의 전면부에 설치되어 틸팅모터(371)에 의해 수직축을 기준으로 좌우 방향으로 회전되도록 하고, 전면부에 아크센서(210) 또는 열화상 카메라(220)가 설치되는 틸팅패널(370);로 구성되며,
상기 이동플랫폼(300)에는 벨트(340)의 이동구간에 텐션조절부재(900)가 더 설치되되, 상기 텐션조절부재(900)는 프레임(310)에 고정설치되는 설치대(910)와, 상기 설치대(910)에 회전가능하게 결합되되 " V " 자 형상으로 이루어져 일측은 지지롤러(930)가 결합되어 벨트(340)와 밀착되도록 하고, 타측은 연결링크(940)가 결합되어 있는 작동막대(920)와, 상기 연결링크(940)의 반대편에 결합되되 모터장치(951)의 회전축으로부터 편심된 위치에 연결링크(940)가 결합되는 텐션구동부(950);로 이루어지고,
상기 함체(100) 내부에 설치되어 외부기관으로부터 통신에 의해 날씨정보를 획득하는 환경정보 수신부(400)와, 상기 열화감지부(200)의 감지정보와 환경정보 수신부(400)의 날씨정보를 함께 저장하는 빅데이터 저장소(500)와, 상기 빅데이터 저장소(500)의 자료를 기반으로 인공신경망을 이용한 머신러닝으로 학습한 데이터와 실시간 열화감지부(200)의 감지데이터를 비교하여 위험정도 예측값을 연산하는 인공지능 판단부(600)와, 상기 인공지능 판단부(600)의 위험정도 예측값이 미리 저장된 임계치를 초과하였는 지 비교하고 임계치 초과시 관리자에게 알람이 전달되도록 한 임계치 알람부(700);로 이루어지는 것을 특징으로 하는 인공지능을 활용한 열화상 감시 수배전반

A deterioration detection unit 200 comprising a housing 100, an arc sensor 210 installed inside the housing 100 to detect arc generation, and a thermal imaging camera 220 to acquire a thermal image, and the A moving platform 300 installed inside the housing 100 to move the sensing area of the deterioration sensing unit 200 to expand the sensing range;
The mobile platform 300 is;
The frame 310 installed in the vertical direction, the drive pulley 320 installed on the upper portion of the frame 310 and rotated by the drive motor 321, and the driven pulley installed so as to be idle on the lower portion of the frame 310 ( 330), a belt 340 that is coupled in a form connecting the driving pulley 320 and the driven pulley 330 to perform orbital motion by a driving motor 321, and the frame 310 is installed vertically A guide groove 350, a lifting block 360 fixed to the belt 340 and guided up and down along the guide groove 350, and a tilting motor 371 installed on the front of the lifting block 360 is rotated in the left and right direction with respect to the vertical axis by the tilting panel 370 in which the arc sensor 210 or the thermal imaging camera 220 is installed in the front part;
A tension adjusting member 900 is further installed in the moving section of the belt 340 in the moving platform 300 , and the tension adjusting member 900 is fixed to the frame 310 with a mounting base 910 and the mounting base. Doedoe rotatably coupled to the 910, it is made in a "V" shape so that one side of the support roller 930 is coupled to the belt 340 to be in close contact, and the other side is an operation bar 920 to which the connecting link 940 is coupled. ) and a tension driving unit 950 coupled to the opposite side of the connection link 940 and coupled to the connection link 940 at an eccentric position from the rotational axis of the motor device 951;
The environmental information receiver 400 is installed inside the housing 100 to obtain weather information by communication from an external organization, and the detection information of the deterioration detector 200 and the weather information of the environmental information receiver 400 are combined together. The big data storage 500 to store and the data learned by machine learning using an artificial neural network based on the data of the big data storage 500 are compared with the detected data of the real-time deterioration detection unit 200 to obtain a risk level prediction value. The artificial intelligence determination unit 600 that calculates, and the threshold alarm unit 700 that compares whether the predicted value of the degree of risk of the artificial intelligence determination unit 600 exceeds a pre-stored threshold, and sends an alarm to the manager when the threshold is exceeded; with; Thermal image monitoring switchboard using artificial intelligence, characterized in that

 제 1항에 있어서,
상기 함체(100) 외부에는 외기의 온도 및 습도를 측정할 수 있도록 한 환경센서(410)가 더 포함되어, 측정된 환경정보를 환경정보 수신부(400)로 제공되어 날씨정보가 복합적으로 관리되도록 한 것을 특징으로 하는 인공지능을 활용한 열화상 감시 수배전반
The method of claim 1,
An environmental sensor 410 capable of measuring the temperature and humidity of the outside air is further included outside the housing 100, and the measured environmental information is provided to the environmental information receiving unit 400 so that the weather information can be managed in a complex manner. Thermal image monitoring switchboard using artificial intelligence, characterized in that
 제 1항에 있어서,
상기 인공지능 판단부(600)는;
내부 부품의 기본정보와, 현재 전류 및 전압값, 상기 열화감지부(200)의 감지정보에 해당하는 아크센서(210)의 측정값, 열화상 카메라(220)의 픽셀별 온도측정값, 환경정보 수신부(400)의 외부 온도 및 습도를 학습데이터로 입력하고, 인공신경망을 이용하여 반복학습이 이루어지는 러닝머신 학습부와,
상기 러닝머신 학습부에서 각각의 결과값을 라벨링하여 저장하는 모델DB부(620)와,
상기 모델DB부(620)의 학습결과와 실시간으로 측정되는 열화감지부(200)의 감지데이터를 비교하여 위험정도 예측값을 연산하는 비교예측부(630);로 구성되는 것을 특징으로 하는 인공지능을 활용한 열화상 감시 수배전반
The method of claim 1,
The artificial intelligence determination unit 600;
Basic information of internal parts, current current and voltage values, the measurement value of the arc sensor 210 corresponding to the detection information of the deterioration detection unit 200, the temperature measurement value for each pixel of the thermal imaging camera 220, and environmental information A treadmill learning unit that inputs the external temperature and humidity of the receiver 400 as learning data, and repeats learning using an artificial neural network;
A model DB unit 620 that labels and stores each result value in the learning machine learning unit, and
Artificial intelligence comprising; a comparison prediction unit 630 that compares the learning result of the model DB unit 620 with the sensed data of the deterioration detection unit 200 measured in real time to calculate a risk level prediction value; Thermal imaging monitoring switchboard
 제 1항에 있어서,
상기 함체(100)에는 현장을 방문한 관리자의 결과데이터를 수신하는 현장데이터 수신부(800);를 더 포함하여 상기 빅데이터 저장소(500)로 데이터를 전송하여 기존 데이터와 함께 머신러닝으로 학습하도록 한 제1업데이트경로(810)와, 상기 임계치 알람부(700)로 데이터를 전송하여 임계치를 조정하는 제2업데이트경로(820)로 이루어지는 것을 특징으로 하는 인공지능을 활용한 열화상 감시 수배전반







The method of claim 1,
The housing 100 includes a field data receiving unit 800 for receiving the result data of the manager who has visited the site; and transmitting the data to the big data storage 500 to learn by machine learning together with the existing data. Thermal image monitoring switchgear using artificial intelligence, characterized in that it consists of a first update path 810 and a second update path 820 that transmits data to the threshold alarm unit 700 to adjust the threshold







 삭제delete
KR1020210073426A 2021-06-07 2021-06-07 Thermal imaging monitoring switchboard using artificial intelligence KR102317883B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210073426A KR102317883B1 (en) 2021-06-07 2021-06-07 Thermal imaging monitoring switchboard using artificial intelligence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210073426A KR102317883B1 (en) 2021-06-07 2021-06-07 Thermal imaging monitoring switchboard using artificial intelligence

Publications (1)

Publication Number Publication Date
KR102317883B1 true KR102317883B1 (en) 2021-10-27

Family

ID=78287113

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210073426A KR102317883B1 (en) 2021-06-07 2021-06-07 Thermal imaging monitoring switchboard using artificial intelligence

Country Status (1)

Country Link
KR (1) KR102317883B1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102470006B1 (en) * 2022-06-08 2022-11-23 주식회사 아이씨티솔루션스 Data logger system and Method for Operation and Maintenance of warer quality measuring equipment
KR102613987B1 (en) * 2023-04-24 2023-12-14 주식회사 덴텀 Apparatus for measuring volume and delivery service terminal comprising the same

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050042768A (en) * 2005-04-15 2005-05-10 김민구 Remote monitoring system and method for power supply equipment
KR102154854B1 (en) 2020-02-11 2020-09-10 세종전기공업 주식회사 The detection system of the electrical panel using AI and big data
JP2020195241A (en) * 2019-05-29 2020-12-03 パナソニックＩｐマネジメント株式会社 Arc detection system, arc detection method, program, and distribution board
KR20200140963A (en) * 2019-06-07 2020-12-17 전주술 Combiner box for photovoltaic module with intelligent safety management
KR102214964B1 (en) * 2019-09-10 2021-02-10 주식회사 유진테크놀로지 Switchgear with deterioration diagnosis system that eliminates blind spots

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050042768A (en) * 2005-04-15 2005-05-10 김민구 Remote monitoring system and method for power supply equipment
JP2020195241A (en) * 2019-05-29 2020-12-03 パナソニックＩｐマネジメント株式会社 Arc detection system, arc detection method, program, and distribution board
KR20200140963A (en) * 2019-06-07 2020-12-17 전주술 Combiner box for photovoltaic module with intelligent safety management
KR102214964B1 (en) * 2019-09-10 2021-02-10 주식회사 유진테크놀로지 Switchgear with deterioration diagnosis system that eliminates blind spots
KR102154854B1 (en) 2020-02-11 2020-09-10 세종전기공업 주식회사 The detection system of the electrical panel using AI and big data

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102470006B1 (en) * 2022-06-08 2022-11-23 주식회사 아이씨티솔루션스 Data logger system and Method for Operation and Maintenance of warer quality measuring equipment
KR102613987B1 (en) * 2023-04-24 2023-12-14 주식회사 덴텀 Apparatus for measuring volume and delivery service terminal comprising the same

Similar Documents

Publication Publication Date Title
KR102317883B1 (en) Thermal imaging monitoring switchboard using artificial intelligence
BRPI0717127A2 (en) REMOTE CARRY MATOR MONITORING SYSTEM
CN109079798A (en) A kind of intelligent O&M extension rail crusing robot and its method for inspecting for underground pipe gallery
KR100625256B1 (en) A vinyl house remote management apparatus
KR102309077B1 (en) Solar power generation system and method applying sensor-based safety diagnosis technology
US20100044567A1 (en) In-cabinet thermal monitoring method and system
KR20120108625A (en) Method and system for control of indoor environment
KR102154854B1 (en) The detection system of the electrical panel using AI and big data
KR101665523B1 (en) Monitoring system and method for tensioning device
KR20220085125A (en) Safety management system using unmanned detector
KR102214964B1 (en) Switchgear with deterioration diagnosis system that eliminates blind spots
KR102306208B1 (en) Solar power generation system and method to which safety diagnosis technology is applied
CN111021916A (en) Door and window system for smart home
KR20090078186A (en) System of transmition surveillance information using self-diagnosis ability and method thereof
KR102607512B1 (en) A System for Detecting Abnormal Condition and a Method for Detecting the Same
CN107402064B (en) Noise detection method and system
CN109346966A (en) Miniature electric power intelligent patrol detection platform and method for inspecting based on multisensor module
KR102254007B1 (en) Apparatus for monitoring position of underground power distribution line
CN111935458A (en) Control method, device and system of belt conveyor
KR102058861B1 (en) Monitor for in supply line of electric power
US20190227112A1 (en) Device, system and method for indicating and predicting a status of an outdoor object
CN111891689B (en) Belt deviation detection system for belt conveyor
KR20150040395A (en) Remote Control System For Floodgate Using Power Control Device
KR101850353B1 (en) A wireless monitoring device for managing underground buried objects using camera
CN114745615A (en) Industrial equipment operation data acquisition monitoring method and device

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant