KR101355585B1 - 수배전반의 열화 진단장치 및 그 제어방법 - Google Patents

수배전반의 열화 진단장치 및 그 제어방법 Download PDF

Info

Publication number
KR101355585B1
KR101355585B1 KR1020130109472A KR20130109472A KR101355585B1 KR 101355585 B1 KR101355585 B1 KR 101355585B1 KR 1020130109472 A KR1020130109472 A KR 1020130109472A KR 20130109472 A KR20130109472 A KR 20130109472A KR 101355585 B1 KR101355585 B1 KR 101355585B1
Authority
KR
South Korea
Prior art keywords
information
housing
temperature
corona
arc
Prior art date
Application number
KR1020130109472A
Other languages
English (en)
Inventor
김영일
Original Assignee
지투파워 (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 지투파워 (주) filed Critical 지투파워 (주)
Priority to KR1020130109472A priority Critical patent/KR101355585B1/ko
Application granted granted Critical
Publication of KR101355585B1 publication Critical patent/KR101355585B1/ko

Links

Images

Classifications

    • 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
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
    • 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
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/1218—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using optical methods; using charged particle, e.g. electron, beams or X-rays
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01H—ELECTRIC SWITCHES; RELAYS; SELECTORS; EMERGENCY PROTECTIVE DEVICES
    • H01H33/00—High-tension or heavy-current switches with arc-extinguishing or arc-preventing means
    • H01H33/02—Details
    • H01H33/26—Means for detecting the presence of an arc or other discharge
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
    • H02H1/00—Details of emergency protective circuit arrangements
    • H02H1/0092—Details of emergency protective circuit arrangements concerning the data processing means, e.g. expert systems, neural networks

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Testing Electric Properties And Detecting Electric Faults (AREA)

Abstract

수전반, 배전반, 전동기 제어반, 고압반, 저압반, 분전반을 내부에 포함하는 하우징의 열화 상태를 진단하는 장치로서, 상기 하우징 내부의 접촉온도, 공간온도, 아크 발생 횟수, 코로나 발생 횟수 중 적어도 하나의 환경정보를 검출하는 감지 수단, 상기 감지 수단으로부터 검출된 환경정보에 기초하여 상기 하우징 내부의 열화 상태 정보를 추론하는 진단하는 진단수단 및 상기 진단 수단으로부터 진단된 상기 하우징 내의 열화 상태 정보에 따라 상기 하우징의 내부 상태를 제어하는 제어수단을 포함하고, 상기 진단 수단은 상기 감지 수단으로부터 수신한 상기 하우징 내부의 접촉온도, 공간온도, 아크 발생 횟수, 코로나 발생 횟수에 기초하여 상기 하우징 내부의 접촉온도정보, 공간온도정보, 아크 발생 횟수정보, 코로나 발생 횟수 정보를 추출하는 특징 추출부, 상기 특징 추출부로부터 수신한 상기 접촉온도정보, 공간온도정보, 아크 발생 횟수정보, 코로나 발생 횟수 정보에 기초하여 상기 하우징 내부의 열화 상태를 추론할 수 있는 결과 값을 산출하는 추론부 및 상기 추론부의 결과 값과 미리 설정된 기준을 비교하여 상기 하우징 내부의 열화 상태를 판단하는 판단부를 포함하는 것을 특징으로 한다.

Description

수배전반의 열화 진단장치 및 그 제어방법{Apparatus and method for diagnosing deterioration of distributing board}
본 발명은 수배전반 또는 수배전 장치(이하, "수배전반"이라 한다)의 열화 진단장치 및 그 제어방법에 관한 것으로, 특히 열화 정도를 정확히 검출하여 수배전반을 제어하는 수배전반의 열화 진단장치 및 그 제어방법에 관한 것이다.
일반적으로 공장, 학교, 건물 등의 여러 분야의 작업장에서, 전력을 사용하여 소정의 작업을 행하는 장비는 전원을 공급하는 본체, 이 본체로부터 전원을 공급받아 실제 작업을 수행하는 작업기 및 본체로부터 작업기까지 전력을 전송하는 케이블로 이루어져 있다.
대부분의 작업장에서 본체와 작업기는 인접해 있기보다는 비교적 원거리로 격리되어 있다. 또한, 여러 분야의 작업장의 소비 전력의 상태를 감지하는 중앙 통제소가 있으며, 이 중앙 통제소는 작업장에 과부하로 인한 화재 발생 위험을 감시하고, 이 감시 결과를 작업장이 상주해 있는 작업자에게 알려주며, 작업자는 이에 대한 조치를 취하여 화재 발생을 막을 수 있다.
이와 같이, 전력의 감시를 위하여 모든 작업장에서는 중앙 통제소의 감시 결과를 통제받는 작업자가 항상 대기하고 있어야 하므로, 이는 인건비 상승의 원인이 되고, 또한 작업자가 적절한 제어 동작을 취하지 않은 경우 전력 손실은 물론 엄청한 재해가 종종 발생할 수도 있는 위험성이 항상 내재해 있었다.
상기 수배전반은 사용하는 과정에서 인체의 감전 및 화재에 대한 안전성을 고려하여 외부와의 직접적인 접촉제한 및 내부 점검이나 유지보수를 위한 개폐형 배전함 도어가 장착된 절연 함체와 수배전반 몸체와 연속적이며 균일한 공급전압에 대한 신뢰성을 감안하여 함체 내부에 차단기나 피뢰기와 같은 각종 보호장비의 설치가 필수적인 설비요건이 되고 있다
상술한 바와 같은 수배전반, 분전반, 전동기 제어반 등의 열화 진단장치는 실외에 설치가 가능하도록 함과 아울러 침수에 의한 누전 등이 발생되지 않도록 하고, 외부인의 침입에 의한 안전사고를 방지하기 위하여 벽면과 지붕에 의해 외측면이 차단되도록 하되, 일 측에 출입문이 형성된 하우징을 형성하고, 하우징의 내측에 각종 전력장치들이 설치되도록 하고 있다.
따라서, 고압의 전류가 흐르는 각종 전력장비들이 실외 환경에 노출되지 않으면서 안정적인 전력의 공급이 이루어질 수 있을 뿐만 아니라, 전력장비들이 계절에 관계없이 최적의 온도조건 하에서의 작동을 보장받을 수 있게 되는 것이다.
이러한 기술의 일 예가 하기 문헌 등에 개시되어 있다.
예를 들어, 하기 특허문헌 1에는 내부공간을 가지는 하우징, 상기 하우징의 내부공간에 설치되며 공급되는 전기를 제어하기 위한 전력 기기, 외부의 전력공급원과 상기 전력 기기 사이를 전기적으로 연결하기 위한 버스바를 포함하는 수배전반의 고압부 계통전원 접속불량 감시장치에 있어서, 전자기유도현상을 이용하여 교류의 전압이나 전류의 값을 변화시키는 변압기, 상기 변압기에 일 측이 연결되어 타측은 외부의 기기와 연결되는 버스바, 상기 버스바의 일정 부분에 설치되어 자기장을 이용하여 접속불량을 무선으로 검출하는 무선 열감응 센서 모듈을 포함하는 고압 전기시설물의 접속부 열화 검출에 의한 수배전반 불량감시장치 및 방법에 관에 대해 개시되어 있다.
또 하기 특허문헌 2에는 수배전반 및 전동기 제어반, 분전반은 수배전반 및 전동기 제어반, 분전반 내부의 전력 기기에서 발생되는 방전으로 방사되는 전자파 신호의 주파수를 측정하는 전자파 검출부, 수배전반 및 전동기 제어반, 분전반 내 전력기기에서 발생되는 방전으로 인해 방사되는 자외선의 파장을 측정하는 자외선 검출부, 수배전반 및 전동기 제어반, 분전반 내부의 온도를 측정하는 온도 검출부, 상기 전자파 검출부에 의해 측정된 전자파 신호의 주파수가 속하는 주파수 대역의 중간주파수 및 상기 중간주파수에 대해 기설정된 전파강도로 기준신호를 발생시키는 기준전파 발생부, 상기 전자파 검출부를 통해 전자파 신호를 수신하면 일정 시간 경과 후 상기 기준전파 발생부를 제어하여 상기 기준신호를 발생시키고, 그 발생된 기준신호를 수신하여 수신된 기준신호의 수신강도가 허용범위를 벗어나는지 여부에 따라 상기 전자파 검출부의 정상여부를 판단하고, 그 판단결과에 따라 상기 측정된 전자파 신호의 주파수를 수집하며 상기 자외선 검출부 및 온도 검출부에 의해 측정된 자외선의 파장 및 온도를 수집하는 수집부, 상기 수집부에 의해 수집되는 측정데이터들을 분석하여 방전 형태를 진단하는 진단부를 구비한 열화진단 시스템을 구비한 수배전반에 대해 개시되어 있다.
또한 하기 특허문헌 3에는 수배전반 내부에 설치, 운전 중인 기기들의 경년 열화 및 사고로 인한 아크발생 시 감지해내는 아크 감지센서, 변압기 부품의 경년 열화로 인한 급격한 권선온도 상승시 감지해내는 열 감지센서, 수배전반 내부화재시 발생하는 일산화탄소(CO) 및 이산화탄소(CO2)를 감지해 내는 가스 감지센서, 입력받은 미세 신호를 사용가능한 신호로 증폭시키는 증폭부, 증폭된 아날로그 신호를 디지털 신호로 변환하는 A/D 변환부 수배전반 내부의 위험판단을 수행하는 CPU 프로세서, 사고발생시 현장근무자에게 위험을 경고하는 경보 릴레이, 사고발생시 원방근무자에게 위험을 경고하는 위험신호 전송을 구비하는 최대수요전력 관리장치에 대해서도 개시되어 있다.
한국등록특허 제10-0932187호 (2009년 12월 08일) 한국등록특허 제10-1232750호 (2013년 02월 06일) 한국공개특허 제2007-0050900호 (2007년.05월 16일)
그러나, 상술한 바와 같은 종래의 기술에서는 단지 과전류나 누전차단을 위한 감지만 가능하였으며, 하우징 내부의 온도, 부스바의 온도, 아크의 발생, 코로나의 발생 등을 종합적으로 검토하여 수배전반 내부의 열화 상태를 실시간으로 정확하게 모니터링을 하지 못한 문제가 있다.
본 발명의 목적은 상술한 바와 같은 문제점을 해결하기 위해 이루어진 것으로서, 수배전반의 열화 상태를 정확하게 검출할 수 있는 수배전반의 열화 진단장치 및 그 제어방법을 제공하는 것이다.
본 발명의 다른 목적은 하우징 내부의 온도, 부스바의 온도, 아크의 발생, 코로나의 발생 등을 종합적으로 추론하여 수배전반의 열화 상태를 추정할 수 있는 수배전반의 열화 진단장치 및 그 제어방법을 제공하는 것이다.
상기 목적을 달성하기 위해 본 발명에 따른 열화 진단장치는 수전반, 배전반, 전동기 제어반, 고압반, 저압반, 분전반을 내부에 포함하는 하우징의 열화 상태를 진단하는 장치로서, 상기 하우징 내부의 접촉온도, 공간온도, 아크 발생 횟수, 코로나 발생 횟수 중 적어도 하나의 환경정보를 검출하는 감지 수단, 상기 감지 수단으로부터 검출된 환경정보에 기초하여 상기 하우징 내부의 열화 상태 정보를 추론하는 진단하는 진단수단 및 상기 진단 수단으로부터 진단된 상기 하우징 내의 열화 상태 정보에 따라 상기 하우징의 내부 상태를 제어하는 제어수단을 포함하고, 상기 진단 수단은 상기 감지 수단으로부터 수신한 상기 하우징 내부의 접촉온도, 공간온도, 아크 발생 횟수, 코로나 발생 횟수에 기초하여 상기 하우징 내부의 접촉온도정보, 공간온도정보, 아크 발생 횟수정보, 코로나 발생 횟수 정보를 추출하는 특징 추출부, 상기 특징 추출부로부터 수신한 상기 접촉온도정보, 공간온도정보, 아크 발생 횟수정보, 코로나 발생 횟수 정보에 기초하여 상기 하우징 내부의 열화 상태를 추론할 수 있는 결과 값을 산출하는 추론부 및 상기 추론부의 결과 값과 미리 설정된 기준을 비교하여 상기 하우징 내부의 열화 상태를 판단하는 판단부를 포함하는 것을 특징으로 한다.
본 발명에 따른 열화 진단장치에 있어서, 상기 진단 수단으로부터의 상기 하우징 내부의 열화 상태 정보를 상기 하우징 외부에서 알 수 있도록 경고하는 경고수단을 더 포함하는 것을 특징으로 한다.
본 발명에 따른 열화 진단장치에 있어서, 상기 감지 수단은 상기 하우징 내부의 부스바의 접촉부분의 온도를 감지하는 부스바 온도 감지부, 상기 하우징의 내부 공간은 온도를 감지하는 내부 온도 감지부, 상기 하우징 내부의 아크 발생횟수를 감지하는 아크 감지부 및 상기 하우징 내부의 코로나 발생횟수를 감지하는 코로나 방전 감지부를 포함하는 것을 특징으로 한다.
본 발명에 따른 열화 진단장치에 있어서, 상기 진단 수단은 상기 환경정보를 미리 설정된 주기 및 미리 설정된 개수로 검출하는 것을 특징으로 한다.
본 발명에 따른 열화 진단장치에 있어서, 상기 추론부는 상기 특징 추출부로부터 수신된 상기 하우징 내부의 접촉온도정보, 공간온도정보, 아크 발생 횟수정보, 코로나 발생 횟수 정보 중 적어도 하나의 환경정보(특징점)를 FCM(Fuzzy C-means) 알고리즘을 이용하여, 상기 환경정보에 대한 소속행렬 및 클러스터 중심 값을 결정하는 전반부모듈 및 다항식 형태의 수학식 모델로 표현되고, WLSE(Weighted Least Square Estimator)로 학습되어, 상기 다항식의 계수를 결정하고, 상기 전반부모듈에서 결정된 상기 환경정보에 대한 소속행렬 및 클러스터 중심 값에 기초하여 상기 하우징 내부의 열화 상태를 추론할 수 있는 결과 값을 FRBFNN(Fuzzy clustering based RBF Neural Network) 이용하여 산출하는 후반부모듈을 포함하는 것을 특징으로 한다.
또한, 상기 목적을 달성하기 위해 본 발명에 따른 열화 진단장치의 제어방법은 수전반, 배전반, 전동기 제어반, 고압반, 저압반, 분전반을 내부에 포함하는 하우징의 열화 상태를 진단하는 방법으로서, (a) 상기 하우징 내부의 접촉온도, 공간온도, 아크 발생 횟수, 코로나 발생 횟수 중 적어도 하나에 기초하여 상기 하우징 내부의 접촉온도정보, 공간온도정보, 아크 발생 횟수정보, 코로나 발생 횟수 정보를 추출하여 환경정보를 검출하는 단계, (b) 상기 검출된 환경정보에 기초하여 상기 하우징 내부의 열화 상태 정보를 산출하는 단계 및 (c) 상기 산출된 열화 상태 정보에 기초하여 상기 하우징 내부의 열화 상태를 판단하는 단계를 포함하고, 상기 단계 (b)는 (b1) 상기 하우징 내부에 기초하여 상기 하우징 내부의 접촉온도정보, 공간온도정보, 아크 발생 횟수정보, 코로나 발생 횟수 정보를 추출하는 단계, (b2) 상기 접촉온도정보, 공간온도정보, 아크 발생 횟수정보, 코로나 발생 횟수 정보를 추론할 수 있는 결과 값을 산출하는 단계 및 (b3) 상기 결과 값과 미리 설정된 기준을 비교하여 상기 하우징 내부의 열화 상태를 판단하는 단계를 포함하는 것을 특징으로 한다.
또 본 발명에 따른 열화 진단장치의 제어방법에 있어서, (d) 상기 하우징 내부의 열화 정보 상태를 상기 하우징 외부에서 알 수 있도록 경고하는 단계를 더 포함하는 것을 특징으로 한다.
또 본 발명에 따른 열화 진단장치의 제어방법에 있어서, 상기 단계 (a)는 상기 환경정보를 미리 설정된 주기 및 미리 설정된 개수로 검출하는 것을 특징으로 한다.
또 본 발명에 따른 열화 진단장치의 제어방법에 있어서, 상기 단계 (b2)는, (b21) 상기 수신된 하우징 내부의 수신된 상기 하우징 내부의 접촉온도정보, 공간온도정보, 아크 발생 횟수정보, 코로나 발생 횟수 정보 중 적어도 하나의 환경정보(특징점)를 FCM(Fuzzy C-means) 알고리즘을 이용하여, 상기 환경정보에 대한 소속행렬 및 클러스터 중심 값을 결정하는 단계 및 (b22) 다항식 형태의 수학식 모델로 표현되고, WLSE(Weighted Least Square Estimator)로 학습되어, 상기 다항식의 계수를 결정하고, 상기 환경정보에 대한 소속행렬 및 클러스터 중심 값에 기초하여 상기 하우징 내부의 청정도를 추론할 수 있는 결과 값을 FRBFNN(Fuzzy clustering based RBF Neural Network) 이용하여 산출하는 단계를 포함하는 것을 특징으로 한다.
상술한 바와 같이, 본 발명에 따른 수배전반의 열화 진단장치 및 그 제어방법에 의하면, 하우징 내부의 온도, 부스바의 온도, 아크의 발생, 코로나의 발생 등을 종합적으로 검토하여 수배전반의 열화 상태를 검출할 수 있다는 효과가 얻어진다.
또, 본 발명에 따른 수배전반의 열화 진단장치 및 그 제어방법에 의하면, FRBFNN(Fuzzy clustering based RBF Neural Network) 이용하여 열화 상태를 산출하여 수배전반 내부의 열화 정도를 정확히 산출할 수 있으며, 산출된 열화 상태에 기초하여 수배전반 내부의 상태를 모니터링하므로, 과열 등에 의해 야기되는 화재 등을 미연에 방지할 수 있다는 효과도 얻어진다.
또한, 본 발명에 따른 수배전반의 열화 진단장치 및 그 제어방법에 의하면, 수배전반 내부의 상태를 외부로 경고하여 관리자가 수배전반에 적절한 조치를 취할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시 예에 따른 수배전반의 열화 진단장치의 예시도,
도 2는 본 발명에 다른 진단 추론 제어부의 구성도,
도 3은 본 발명에 따른 진단 추론 제어부(130)의 모듈의 베이스 보드 구조 및 어드레스 할당 구성을 나타내는 도면,
도 4는 본 발명에 따른 진단 추론 제어부(130)의 모듈 장착 예를 나타내는 도면,
도 5는 본 발명에 따른 진단 추론 제어부(130)의 모듈이 장착된 경우 전체 블록도,
도 6은 본 발명의 일 실시 예에 따른 수배전반의 열화 진단장치의 추론부의 구성을 나타내는 블록도,
도 7은 본 발명의 일 실시 예에 따른 수배전반의 열화 진단장치의 추론부를 학습시키지 위한 학습데이터를 나타내는 예시도,
도 8은 본 발명의 일 실시 예에 따른 수배전반의 열화 진단장치를 제어하는 방법을 나타내는 흐름도.
본 발명의 상기 및 그 밖의 목적과 새로운 특징은 본 명세서의 기술 및 첨부 도면에 의해 더욱 명확하게 될 것이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. '및/또는' 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명의 구성을 도면에 따라서 설명한다.
도 1은 본 발명의 일 실시 예에 따른 수배전반의 열화 진단장치의 예시도 이다.
도 1에 도시된 바와 같이, 수배전반은 대용량의 전력을 사용하는 건축물 또는 공장 등지에 설치되는 것으로서, 그 용도에 따라 수전반, 배전반, 분전반 등으로 구분되며, 하우징(10)의 내측에 전력을 분배하고 안정적으로 공급하기 위한 다양한 전력장비들이 설치된다. 예를 들어 수배전반은 상, 하, 전, 후의 공간으로 구분되는 제1~제4 공간부로 구획되며 그 전후 양측에 형성된 도어를 갖는 하우징(10), 상기 하우징(10) 내의 제1 공간부에 마련된 고장구간 자동개폐기, 제2 공간부에 마련된 변압기, 제3 공간부의 전면에 마련된 주차단기와 배선용 차단기를 갖는 전원차단 제어부, 제4 공간부의 상부에 형성된 파워퓨즈와 피뢰기 및 그 하부에 형성된 계기용 변압기를 포함한다. 이와 같은 하우징(10)은 수배전반의 외함으로서, 금속으로 제작되며, 외함 접지되고, 외부 전파를 차폐한다.
본 발명에 따른 수배전반의 열화 진단장치는 이러한 하우징(10) 내의 각각의 기기 상태를 감지하기 위한 감지 수단을 마련하여 수배전반의 열화 상태를 감지하는 것이다.
이러한 감지 수단은 도 1에 도시된 바와 같이, 부스바의 접촉부분의 온도를 감지하는 부스바 온도 감지부(121), 하우징(10)의 내부 공간은 온도를 감지하는 내부 온도 감지부(122)를 구비한 온도 검출부를 포함한다.
상기 온도 검출부는 하우징(10) 내부의 특정 부분의 온도를 측정하는 센서와 상기 특정 부분의 주변온도를 측정하는 센서 등 복수 개의 센서를 포함할 수 있어, 하우징(10) 내부의 특정 부분의 온도 및 특정 부분의 주변 온도를 검출할 수 있으며, 5~14㎛ 파장 대역의 적외선 온도 센서를 포함할 수 있고, 적외선 온도 센서와 연결되어 특정 부분의 온도를 전기적인 신호로 출력할 수 있다.
따라서, 온도 검출부는 하우징(10) 내부의 특정 부분의 온도와 상기 특정 부분의 주변온도를 검출할 수 있어, 후술할 진단 추론 제어부(130)의 특징 추출부에서 온도상승정보를 산출하기 위한 정보를 제공할 수 있다.
또한, 온도 검출부는 예를 들어, 비접촉 적외선 센서일 수 있으며, 하우징(10) 내부의 온도(특정 부분의 주변 온도)와 특정 부분의 표면 온도를 검출하는 센서로서 검출 거리에 따라 검출하고자 하는 부위를 향하도록 장착될 수 있다.
여기서, 특정 부분은 예를 들어, 하우징(10) 내부에 있는 수배전반의 고압 모선 접촉부분, 차단기 및 개폐기의 접속부분, 변압기 접속부분, 케이블 접속부분, MOF 단자 접속부분, 부스바 부분, 단자대 부분 등이 될 수 있다.
또한, 온도 검출부는 온도 센서에서 출력되는 전기적인 신호를 미리 설정된 주기로, 미리 설정된 개수의 데이터를 입력받아, A/D 변환하여 출력할 수 있다.
여기서, 미리 설정된 주기는 예를 들어, 10초 일 수 있으며, 미리 설정된 개수는 5000개의 데이터일 수 있다.
또 상기 감지 수단은 아크 발생횟수를 감지하는 아크 감지부(123), 코로나 발생횟수를 감지하는 코로나 방전 감지부(124), 배전반의 전압/전류를 감지하는 전압/건류 감지부(127)를 포함한다.
상기 아크 감지부(123)와 코로나 방전 감지부(124)는 각각 하우징(10) 내부에서 직렬 아크 방전 또는 코로나 방전이 발생할 때 방사되는 광 또는 전자파를 검출한다. 상기 직렬 아크 방전은 수배전반 내의 노후된 케이블이나 열화된 터미널에서 발생하고, 코로나 방전은 수배전반 내부에 설치된 계기용 변압변류기(metering outfit, MOF) 및 변압기의 부싱이나 지지 애자 등의 전력 기기에서 발생한다.
이에 따라 상기 아크 감지부(123)와 코로나 방전 감지부(124)는 각각 광감지 센서를 마련하거나, 특정 주파수 대역의 전자파를 수신하는 수신 안테나와 상기 수신안테나를 통해 수신되는 전자파 신호의 크기를 증폭시키는 증폭기를 포함한다. 상기 수신 안테나는 예를 들어 0.1㎒~800㎒의 주파수 대역을 측정하는 평판형(원판형) 안테나에 의해 구현될 수 있다.
또한 상기 아크 감지부(123)는 예를 들어 자외선 검출에 의해 실현할 수 있다. 즉, 아크 감지부(123)는 수배전반 내부에 설치되는 전력 기기에서 발생되는 직렬 아크 방전에 의해 나타나는 광 스펙트럼을 측정하고, 아크 방전 발생 시 발생되는 자외선 성분을 검출하는 자외선 센서 및 자외선 센서에 의해 측정된 신호를 증폭하는 증폭기를 포함하는 구성에 의해 아크의 발생 횟수를 감지한다. 상기 자외선 센서는 예를 들어 210㎚~395㎚의 자외선 파장 대역을 측정한다.
상기 증폭기는 미소한 전자파 및 자외선을 검출하기 위한 것으로서, 예를 들어 전자파 검출용의 증폭기는 이득 40㏈, 50kHz∼35MHz(-3㏈)의 주파수 응답을 가지며, 자외선 검출용의 증폭기는 이득 20dB, DC∼45kHz(-3dB)의 주파수 응답을 갖는다.
또한 상기 감지 수단은 하우징(10) 내부의 습도, 분진량 및 압력 중 적어도 하나의 환경정보를 검출하도록, 복수 개의 습도 감지부, 분진량 감지부 및 압력 감지부를 포함할 수 있다. 예를 들어 습도 감지부는 하우징(10) 내부의 습도를 검출할 수 있도록, 상대 습도를 0~100%로 구분하여 하우징 내부의 습도를 검출할 수 있다. 또 분진량 감지부는 하우징(10) 내부의 분진량을 검출하기 위해 적외선 센서를 포함할 수 있다. 적외선 센서는 하우징(10) 외부에서 내부로 침투하는 미세먼지나 그을림에 의한 입자, 주변환경의 오손으로 인한 분진 등을 검출할 수 있다. 또한 압력 감지부는 하우징(10) 내부의 압력을 검출할 수 있는 압력센서를 포함하도록 구성하여도 좋다.
한편, 상기 전압/건류 감지부(127)의 구성 및 특징은 상술한 바와 같은 특허 문헌에 개시된 기술에 의해 용이하게 실현할 수 있으므로, 이에 대한 구체적인 설명은 생략한다.
또한 본 발명에 따른 수배전반의 열화 진단장치는 도 1에 도시된 바와 같이, 하우징(10) 내에 마련된 감지 수단에 의해 감지된 상태에 따라 수배전반의 열화 상태를 판단하는 진단 추론 제어부(130), 상기 하우징(10)의 외부에 마련되고 진단 추론 제어부(130)에 의해 진단된 상태를 표시하는 표시부(140), 상기 진단 추론 제어부(130)에 의해 진단된 상태 정보를 통신망을 통해 전송받는 관리자 단말기(150)를 포함한다.
상기 진단 추론 제어부(130)는 상기 감지 수단에서 감지된 감지 정보를 수집하여 처리하는 마이크로프로세서 및 상기 감지 정보에 따라 추론을 하기 위한 프로그램이 저장되는 메모리를 포함한다.
상기 표시부(140)는 통상의 LCD, LED 등의 디스플레이 장치로 마련되고, 미리 설정된 조건에 따라 진단 상태, 예를 들어 수배전반의 열화 상태를 표시한다.
또 상기 관리자 단말기(150)는 본 발명에 따른 수배전반이 장착된 중앙관제소의 컴퓨터 시스템이지만, 이에 한정되는 것은 아니고, 관리자의 휴대용 통신기기, 예를 들어 스마트폰, PDA 등이어도 좋다.
또한, 본 발명에 따른 수배전반의 열화 진단장치는 하우징(10) 내부의 열화 상태 정보를 하우징(10) 외부에서 알 수 있도록 경고하는 스피커 등이 장착된 경고수단을 더 포함할 수 있다.
또 상기 설명에서는 진단 추론 제어부(130)가 감지 정보에 따라 추론하여 진단하는 것을 설명하였지만, 이에 한정되는 것은 아니고, 상기 관리자 단말기(150)의 지시에 따라 수배전반의 내부 기기 등을 제어할 수도 있다.
다음에 상기 진단 추론 제어부(130)의 대략적인 구성에 대해 도 2에 따라 구체적으로 설명한다.
도 2는 본 발명에 따른 진단 추론 제어부(130)의 구성도이다.
도 2에 도시된 바와 같이, 진단 추론 제어부(130)는 감지 수단으로부터 검출된 수배전반의 환경정보에 기초하여 하우징(10) 내부의 열화 상태정보를 추출하여 진단하도록, 특징 추출부(131), 추론부(132), 판단부(133) 및 제어부(134)를 포함할 수 있다.
상기 특징 추출부(131)는 부스바 온도 감지부(121) 및 내부 온도 감지부(122)로부터 수신한 하우징(10) 내부의 특정 부분의 온도 및 특정 부분의 주변 온도 정보, 아크 감지부(123) 및 코로나 방전 감지부(124)로부터 수신한 하우징(10) 내부의 직렬 아크 방전 및 코로나 방전 정보에 기초하여 하우징(10) 내부의 열화 상태를 판단하기 위해 사용되는 특징점인 온도상승정보, 광 감지 정보, 전자파 정보를 추출할 수 있다.
구체적으로, 특징 추출부(131)는 상술한 감지 수단으로부터 수신한 미리 설정된 개수의 데이터인 하우징(10) 내부의 특정 부분의 온도 정보, 특정 부분의 주변 온도 정보, 광 감지 정보 또는 전자파 정보 중 적어도 하나를 기초로 하여 특징점을 추출할 수 있다. 여기서, 특징점은 부스바의 접촉부의 접촉온도정보, 배전반 내부의 공간온도정보, 아크 발생 횟수정보, 코로나 발생 횟수 정보 중 적어도 어느 하나를 의미할 수 있다.
여기서, 특징 추출부(131)는 하우징(10) 내부의 접촉온도정보, 공간온도정보, 아크 발생 횟수정보, 코로나 발생 횟수 정보를 상기 감지 수단에서 계측된 값 그대로 사용하며, 각각의 정보에 대한 오류 데이터를 필터링할 수 있다.
예를 들어 구체적으로, 공간온도정보는 하우징(10) 내부의 특정 부분의 온도와 특정 부분의 주변온도와의 차이를 의미할 수 있으며, 온도의 차이가 클수록 하우징(10) 내부의 열화 정도가 큰 것으로 볼 수 있고, 하우징(10) 내부의 열화로 인하여 하우징(10) 내부의 상태가 저하된 것으로 볼 수 있다.
상기 추론부(132)는 특징 추출부(131)로부터 수신한 접촉온도정보, 공간온도정보, 아크 발생 횟수정보, 코로나 발생 횟수 정보인 특징점에 기초하여 하우징(10) 내부의 열화 상태를 추론할 수 있는 결과 값을 산출할 수 있으며, 후술할 도 6에서 구체적으로 설명한다.
상기 판단부(133)는 추론부(132)에서 계산된 결과 값과 미리 설정된 열화 상태 기준을 비교하여 하우징(10) 내부의 열화 상태를 판단할 수 있다. 예를 들어, 추론부(132)에서 산출된 결과 값이 미리 설정된 기준을 만족하지 않을 경우에 판단부(133)는 하우징(10) 내부의 상태가 열화되었다고 판단할 수 있다.
상기 제어부(134)는 상기 판단부(133)로부터 산출된 열화 상태정보에 기초하여 상기 표시부(140)에 표시하여 관리자가 인식하게 하거나, 통신망을 통해 관리자 단말기(150)로 수배전반의 열화 상태를 통지한다.
다음에 본 발명에 따른 진단 추론 제어부의 구체적인 구성에 대해 도 3 내지 도 5에 따라 설명한다.
도 3은 본 발명에 따른 진단 추론 제어부(130)의 모듈의 베이스 보드 구조 및 어드레스 할당 구성을 나타내는 도면이고, 도 4는 본 발명에 따른 진단 추론 제어부(130)의 모듈 장착 예를 나타내는 도면이며, 도 5는 본 발명에 따른 진단 추론 제어부(130)의 모듈이 장착된 경우 전체 블록도를 나타내는 도면이다.
도 3 내지 도 5에 도시된 바와 같이, 본 발명에 따른 진단 추론 제어부(130)에 의한 감시제어 장치 구성에 있어서, 각 모듈에는 DPRAM(Dual-ported RAM)을 내장하여 통신에 필요한 정보(계측 값, 제어 값, 설정 값 등)를 미리 지정된 어드레스에 쓰거나 읽고, 메인 CPU 모듈에서는 DPRAM에 액세스하여 데이터를 읽거나 쓰는 방식으로 DPRAM을 두 개의 프로세서가 공유하는 방식이다. 이때 DPRAM에는 양방향에서 동시에 액세스가 되지 않도록 록(Lock)이 기능이 되어 있으며 데이터가 충돌되는 것을 방지한다.
도 3은 모듈과 CPU 상호 간 메모리 버스(Memory BUS) 통신을 위한 베이스 ㅂ보드 구조 및 어드레스 할당을 도식적으로 나타내며, CPU는 ARM11 core를 사용한다. ARM은 내부적으로 EBI(External Bus Interface) 기능이 있으며 0x30000000이상의 어드레스 영역은 외부장치와 인터페이스를 위해 사용할 수 있다.
본 발명에 적용되는 원방 감시제어 장치는 전원과 CPU 모듈의 제외하고 최대 16개의 모듈의 장착할 수 있도록 설계되었으며, 기본 모델은 8개까지 장착할 수 있도록 제작되었다. 더 많은 모듈의 장착이 필요한 경우에는 증설베이스를 이용하여 확장 가능한 구조이다.
각각의 슬롯에는 4k byte까지 어드레싱할 수 있도록 설계된다. 각각의 슬롯에 장착되는 모듈은 하위 16비트 어드레스를 이용하여 액세스하도록 설계되었다. 그중 상위 4비트(12~15번)은 슬롯을 선택하기 위한 용도로 사용한다. 4×16 디코더를 사용하여 각 슬롯을 선택하기 위한 선택 신호(Selection signal)를 만들고 나머지 12비트는 각 슬롯에 장착되는 모듈의 메모리에 접근하기 위한 어드레스로 사용된다.
만약에 CPU에서 0x30000000에서 데이터를 읽어오면 1번 슬롯에 장착된 모듈의 메모리의 0번지에서 데이터를 읽어오게 되고, 0x30007000에서 데이터를 읽어오면 8번 슬롯에 장착된 모듈의 0번지에서 데이터를 읽어오게 된다.
도 4에 도시된 바와 같이, 모듈의 종류 및 수량은 응용분야에 따라 변경될 수 있다. CPU 모듈은 Embedded Linux OS환경에서 동작되며 자체적으로 개발된 디바이스 플랫폼을 내장하고 있다. 플랫폼의 일부 기능 중의 하나는 모든 모듈에 대하여 개별적으로 디바이스 드라이버(Device Driver)가 개발되어 플러그 인(Plug-in) 방식으로 구동된다.
즉 임의의 모듈이 장착되면 모듈을 자동적으로 인식하고 모듈과 통신을 통하여 데이터를 CPU 자체의 레지스터에 저장한다. 응용프로그램(제어프로그램, 상위로 데이타전송, 데이터분석 등)에서는 계측모듈과 별도로 통신할 필요없이 CPU의 레지스터에 저장된 정보를 이용하여 처리하는 방식으로 구성된다.
각각의 모듈별 상세기능 및 CPU 모듈과 통신 방법은 다음과 같다.
상술한 바와 같이, 메인 CPU 모듈과 다른 모듈의 CPU 상호 간에는 메모리 ㅂ버스를 이용한 통신을 한다.
DI모듈이나 DO모듈은 데이터량이 적기 때문에 별도의 프로세서가 없이 버퍼를 사용하였으며 통신 모듈은 외부의 장비와 직렬통신하기 위한 통신 포트 확장모듈이다.
전력계측모듈, 온도계측모듈(미 도시), 아날로그 입출력 모듈 등은 자체적으로 계측된 정보를 DPRAM에 저장하거나 DPRAM에 저장된 데이터를 읽어 그에 해당하는 프로세스를 처리하게 된다. 모듈을 제어하기 위한 명령도 DPRAM에 라이트하는 방법으로 처리하게 된다.
예를 들어 아날로그 출력이 필요한 경우 메인 CPU모듈에서 AO모듈의 지정된 DPRAM에 출력값을 써넣기만 하면 아날로그출력에 대한 프로세스가 완료가 된다. AO모듈의 MPU는 DPRAM에서 데이터를 읽어와 출력을 한다.
다음에 상기 진단 추론 제어부(130)의 추론부에 대해 도 6 및 도 7에 따라 구체적으로 설명한다.
도 6은 본 발명의 일 실시 예에 따른 수배전반의 열화 진단장치의 추론부의 구성을 나타내는 블록도 이며, 도 7은 본 발명의 일 실시 예에 따른 수배전반의 열화 진단장치의 추론부를 학습시키지 위한 학습데이터를 나타내는 예시도 이다.
도 6 및 도 7를 참조하면, 추론부(132)는 특징 추출부(131)로부터 수신한 데이터인 부스바의 접촉부 온도를 감지하는 부스바 온도 감지부(121)의 온도 감지 센서로부터 감지되어 입력된 부스바의 접촉부의 접촉온도정보(제1 특징점), 배전반 내부 공간온도를 감지하는 내부 온도 감지부(122)의 감지 센서에 의하여 입력되는 주위온도정보(제2 특징점), 수배전반 내부에서 발생하는 아크를 감지하는 아크 감지부(123)의 광 감지 센서에 의하여 감지되는 아크 발생 횟수 정보(제3 특징점), 배전반 내부에 장착된 코로나 방전 감지부(124)에서 일정한 크기 이상의 코로나 발생 횟수를 감지하는 코로나 발생 회수를 감지한 코로나 발생 횟수 정보(제4 특징점)로부터 수배전반의 열화 상태를 추론한다. 상기 설명에서는 4개의 특징점으로부터 수배전반의 열화 상태를 추론하는 것으로 설명하였지만 이에 한정되는 것은 아니고, 어느 하나의 특징점 또는 다른 특징점을 부가하여 열상 상태를 추론할 수도 있다.
본 발명은 상술한 바와 같은 4개의 특징점을 각각 이용하여 수배전반의 활선부의 열화 정도를 판단할 수 있는 결과 값을 산출할 수 있으며, 추론엔진으로는 도 6에 도시된 바와 같이, 퍼지 클러스트링 기반 RBF 뉴럴 네트워크(Fuzzy clustering based RBF Neural Network: FRBFNN)를 사용할 수 있다.
도 6에 도시된 바와 같이, 추론부(132)는 입력모듈(132-1), 전반부모듈(132-2), 후반부모듈(132-3) 및 출력부모듈(132-4)을 포함할 수 있다. 여기서, 추론부(132)는 4개의 특징점을 이용하여 수배전반의 열화 정도를 추론하는 것이다.
입력모듈(132-1)은 특징 추출부(131)로부터 수신한 ℓ개의 특징점(x1, . .., xℓ)을 수신할 수 있다. 여기서, x1, x2, x3, x4은 각각 특징점 1, 특징점 2, 특징점 3, 특징점 4를 의미한다.
전반부모듈(132-2)은 FCM(Fuzzy C-means)일 수 있고, FCM을 이용하여 입력공간 분할 및 각 공간에서 입력값의 활성레벨을 결정할 수 있다. 또한, 전반부모듈(132-2)은 FRBFNN의 멤버쉽(Membership) 함수의 학습이 FCM에 의해 수행되며, 수행결과에 따라 멤버쉽 값이 결정될 수 있다.
후반부모듈(132-3)은 각 퍼지공간에서의 로컬 모델일 수 있고, 후반부모듈(132-3)은 다항식형태의 수학식 모델로 표현될 수 있다. 또한, 후반부모듈(132-3)은 다항식의 학습이 WLSE(Weighted Least Square Estimator)에 의해 수행될 수 있다.
한편, FRBFNN는 하기의 수학식 1과 같이 “if-then” 퍼지규칙 형태로 표현될 수 있으며, 후반부모듈(132-3)의 다항식 형태는 하기의 수학식 1과 같이 표현될 수 있다.
또한, 후반부모듈(132-3)의 다항식은 개별 염색체의 적합도를 나타내며 최적의 적합도를 갖는 유전자 알고리즘을 이용하여 탐색될 수 있다.
Figure 112013083364811-pat00001
수학식 1은 입력되는 ℓ개의 데이터
Figure 112013083364811-pat00002
가 j 번째 클러스터 Aj의 조건을 만족시키면 후반부모듈의 출력 데이터
Figure 112013083364811-pat00003
가 얻어지고, 이 값은 하기의 수학식 2와 같은 다항식으로 표시되는 함수
Figure 112013083364811-pat00004
의 값이 된다.
Figure 112013083364811-pat00005
여기서,
Figure 112013083364811-pat00006
는 j 번째 클러스터의 중심 값을 나타낸다. 아래 네 개의 다항식 가운데 어떤 다항식을 사용할 것인지와, 다항식의 차수는 유전알고리즘을 사용하여 결정될 수 있다.
즉, ℓ은 입력변수의 수, Rj는 j번째 퍼지 규칙을 의미한다. 또한, j= 1,…,n에서 n은 퍼지 규칙의 수를 의미하고,
Figure 112013083364811-pat00007
는 j번째 규칙에 대한 후반부모듈로써 j번째 입력공간에 대한 로컬모델이며,
Figure 112013083364811-pat00008
는 j번째 규칙에 대한 중심점으로써 FCM으로부터 얻어진다.
또한, FRBFNN 모델은 하기의 수학식 3과 같이 표현될 수 있으며, 본 발명의 수배전반의 열화 진단장치에서는 후반부모듈(132-3)의 출력 데이터와 미리 설정된 청정기준을 비교하여 수배전반 활선부의 열화도를 판단할 수 있다.
Figure 112013083364811-pat00009
여기서, n은 클러스터(퍼지규칙)의 수,
Figure 112013083364811-pat00010
는 j 번째 입력공간에 대한 입력 데이터들의 활성레벨(소속 값)을 나타낼 수 있다. 즉,
Figure 112013083364811-pat00011
는 퍼지의 적합도로서 가중치를 의미할 수 있다. 또한,
Figure 112013083364811-pat00012
는 로컬의 입출력 관계식을 의미할 수 있다.
즉,
Figure 112013083364811-pat00013
는 입력값이 각 규칙에 대하여 어느 정도의 영향력을 미치는지를 의미하는 값으로서 FCM(전반부모듈(132-2))으로부터 계산될 수 있다.
여기서, 규칙의 수는 임의의 경험에 의하여 결정될 수 있으며, 본 발명에서는 규칙의 수를 10개로 하였으며, 일반적으로 5~20개 사이의 값으로 결정할 수 있다.
또한, FRBFNN을 본 발명의 열화 진단장치의 추론엔진으로 사용하기 위해서는 학습 데이터를 통하여 학습이 되어야 한다. 본 발명에서는 수배전반 활선부의 열화정도를 판단하기 위해, 도 7에 도시된 형태의 학습 데이터를 사용할 수 있다.
구체적으로, 학습을 위해서는 실험 데이터를 취득해야하며, 이때, 실험 데이터인 특징점 1, 특징점 2, 특징점 3, 특징점 4는 동시에 측정되어야 한다. 예를 들어, 도 4를 참조하여 설명하면, 접촉부 온도, 주위온도, 아크 발생 횟수, 코로나발생 횟수 등의 변화를 설정할 수 있는 실험환경에서 변화에 따른 100개의 데이터 세트를 수집할 수 있다.
수집된 데이터 세트에 대하여 FRBFNN의 출력값인 열화 정도를 정의할 수 있다.
예를 들어, 열화 정도가 가장 높은 경우에 출력값 y를 0으로, 과열온도, 아크 및 코로나 발생상태가 가장 낮을 경우에 y를 100으로 정의할 수 있다.
한편, FRBFNN는 전반부 학습과 후반부 학습이 순차적으로 수행되며, 전반부 학습은 FCM 알고리즘에 의해 수행되며, 후반부 학습은 WLSE에 의해 수행된다. FCM은 초기 C-Means 클러스터링을 개선하여 퍼지집합 이론과 최소자승 에러 평가에 기반을 둔 알고리즘이다.
FCM과 C-Means 클러스터링의 중요한 차이점은 C-Means 클러스터링 알고리즘에서 임의의 데이터는 0과 1 사이의 멤버쉽 값으로 특정 지어지는 소속 정도를 가지고 여러 개의 클러스터에 속할 수 있다는 점이다. 그러나, FCM은 목적함수(비용함수)를 사용하여 데이터를 분할하는 동안에 비용함수가 최소가 되도록 분류한다.
소속 행렬 u는 0과 1 사이의 값을 가질 수 있으며 주어진 데이터가 각 클러스터에 속하는 소속 정도의 합은 하기의 수학식 4와 같이 1이 될 수 있다.
Figure 112013083364811-pat00014
여기서, n은 클러스터의 수이며, m은 데이터의 수를 의미한다.
또한, FCM에서의 비용함수는 하기의 수학식 5와 같이 일반화될 수 있다.
Figure 112013083364811-pat00015
여기서,
Figure 112013083364811-pat00016
는 0과 1 사이의 값이며,
Figure 112013083364811-pat00017
는 i번째 클러스터의 중심 값을 의미하고,
Figure 112013083364811-pat00018
은 퍼지화 계수를 의미한다. 또한,
Figure 112013083364811-pat00019
는 i번째 클러스터의 중심과 j번째 데이터 사이의 거리로써 하기의 수학식 6과 같이 정의되는 정규화된 유클리디안 거리를 사용한다.
Figure 112013083364811-pat00020
여기서, r은 입력공간의 차원이며,
Figure 112013083364811-pat00021
은
Figure 112013083364811-pat00022
번째 변수의 분산을 의미한다.
정규화된 유클리디안 거리를 사용함으로써 큰 값을 갖는 입력변수가 작은 크기를 갖는 입력 변수보다 클러스터의 중심을 결정하는데 많은 영향을 미치는 것을 방지할 수 있다.
한편, 하기의 수학식 8의 비용함수가 최소가 되기 위한 필요조건은 상기의 수학식 6과 하기의 수학식 7과 같다.
Figure 112013083364811-pat00023
FCM은 상기 수학식 7과 하기의 수학식 8을 더 이상 향상시키지 않을 때까지 반복적인 처리를 수행한다. 여기서, 퍼지화 계수는 정규화 정도를 결정하는 역할을 수행하며, 이값은 FRBFNN의 성능에 영향을 미치며 추후에 유전알고리즘을 이용하여 최적화될 수 있다.
구체적으로, FCM은 후술할 단계를 이용하여 소속행렬
Figure 112013083364811-pat00024
와 클러스터 중심 값
Figure 112013083364811-pat00025
를 결정할 수 있다.
Figure 112013083364811-pat00026
FCM은 상기 수학식 4를 만족하며, 0과 1 사이의 랜덤한 값을 갖는 소속행렬
Figure 112013083364811-pat00027
를 초기화한다(단계 1). 다음에, 상기 수학식 7을 이용하여 클러스터의 중심 값
Figure 112013083364811-pat00028
를 계산한다(단계 2). 다음으로, 상기 수학식 5의 비용함수를 계산한다.
만일 비용함수의 계산 결과가 허용오차보다 적거나 더 이상 개선되지 않는 경우에 계산을 중단한다(단계 3). 다음으로, 하기의 수학식 8을 이용하여 새로운 소속행렬
Figure 112013083364811-pat00029
를 계산하고, 상기 단계 2를 수행한다.
또한, 상술한 바와 같이, FCM 알고리즘으로부터 각 클러스터의 중심 값
Figure 112013083364811-pat00030
가 결정되며, 상기 수학식 1에서 입력벡터
Figure 112013083364811-pat00031
에 대한 멤버쉽 값은 상기 수학식 8의 다른 표현인 하기의 수학식 9로부터 계산된다.
Figure 112013083364811-pat00032
여기서,
Figure 112013083364811-pat00033
는 j번째 규칙(클러스터)에 대한 소속값을 의미하며, p는 퍼지화 계수를 의미한다. 멤버쉽 값은 클러스터의 중심으로부터 거리가 가까울수록 커지며 다른 클러스터의 중심에 영향을 받는다.
Figure 112013083364811-pat00034
후반부 학습은 후반부 다항식의 계수를 결정하는 것으로서, WLSE를 이용하여 수행되며, 상기 수학식 10의 성능 평가함수의 값이 최소가 되도록 다항식의 계수를 계산하며, 상기 수학식 10을 행렬형식으로 표현하면, 하기의 수학식 11과 같이 표현될 수 있다.
Figure 112013083364811-pat00035
여기서,
Figure 112013083364811-pat00036
는 추정하고자 하는 j번째 다항식의 계수이며,
Figure 112013083364811-pat00037
는 출력되는 데이터를 의미한다.
Figure 112013083364811-pat00038
는 j번째 입력공간에 대한 입력 데이터들의 활성레벨(소속값)을 의미하며, 하기의 수학식 12로부터 계산된다.
여기서,
Figure 112013083364811-pat00039
는 j번째 로컬모델의 계수를 추정하기 위한 입력데이터 행렬을 의미하며, 로컬모델이 선형일 경우 하기의 수학식 12와 같이 정의된다.
Figure 112013083364811-pat00040
여기서, m은 데이터의 수를 의미한다.
또한, j번째 규칙에 대한 로컬모델인 다항식의 계수는 하기의 수학식 13에 의해서 계산된다.
Figure 112013083364811-pat00041
FRBFNN는 FCM과 WLSE에 의해 전반부와 후반부 학습이 수행되지만, 규칙수, 후반부 다항식의 차수, FCM에서 사용되는 퍼지화 계수의 값을 미리 결정해야 하며, 이들 값은 성능에 많은 영향을 미칠 수 있다.
출력부 모듈(132-4)의 출력은 0~100 사이의 값이 출력되도록 학습된다.
최종적으로 학습을 통하여 구축된 FRBFNN은 상술한 수학식 3이며, 특징점 1, 특징점 2, 특징점 3, 특징점 4가 입력되는 경우 열화 정도가 계산되어 출력된다.
여기서, 열화 정도는 0~100 사이의 값으로 출력될 수 있고, 도 4에 도시된 바와 같이, 열화 정도 값의 범위에 따라 정상상태, 주의상태, 점검상태, 위험상태로 판단결과를 표시할 수 있고, 열화 정도를 값으로 표시할 수 있다.
따라서, 상기 판단부(133)는 상기 추론부(132)로부터의 출력값과 미리 설정된 청정기준을 비교하여 하우징(10) 내부의 열화 정도를 판단할 수 있다.
예를 들어, 미리 설정된 열화 기준이 열화 정도가 20보다 작을 경우는 정상상태, 열화 정도가 20~70사이면 관리상태, 열화 정도가 70보다 클 경우 주의경보상태로 설정된 경우, 열화 정도가 80인 경우에 위험상태로 판단하여 각각에 대한 상태를 경보를 방생하거나 차단기 등을 차단할 수 있도록 한다.
다음에, 도 8에 따라 본 발명에 따른 수배전반의 열화 진단장치를 제어하는 방법에 대해 설명한다.
도 8은 본 발명의 일 실시 예에 따른 수배전반의 열화 진단장치를 제어하는 방법을 나타내는 흐름도이다.
도 8을 참조하면, 장치제어방법은 수배전반의 일측에 설치된 센서 등을 통하여 접촉부 온도 및 주위온도, 코로나, 아크 발생상태가 내부로 유입되며, 내부에 각종 센서장치 및 제어장치가 설치되어 제어하는 방법이다.
먼저, 수배전반 내부의 활선부 접속부 온도 및 주위온도를 부스바 온도 감지부(121) 및 내부 온도 감지부(122)에서 감지하고, 아크 발생 횟수 및 코로나 발생 횟수를 아크 감지부(123) 및 코로나 방전 감지부(124)에서 감지하고, 상기 접속부 온도, 주위온도, 아크 발생 횟수, 코로나 발생 횟수 중 적어도 하나의 상태정보를 검출한다(S100),
또 검출된 상태정보에 기초하여 수배전반 내부의 열화 정보를 산출하며(S110), 산출된 열화 정보에 기초하여 수배전반 활선부의 열화 정도를 제어할 수 있다(S120).
여기서, 상태정보는 미리 설정된 주기 및 미리 설정된 개수로 검출될 수 있다.
또한, 수배전반의 열화 진단장치를 제어하는 방법은 하우징(10) 내부의 열화 상태 정보를 하우징(10) 외부에서 알 수 있도록 경고하는 단계를 더 포함할 수 있다.
구체적으로, 상기 단계 S110은 하우징(10) 내부의 접속부 온도, 주위온도, 아크 발생 횟수, 코로나 발생 횟수의 정보에 기초하여 하우징(10) 내부의 상태 정보를 추출한다. 이 추출 정보에 따라 하우징(10) 내부의 열화 상태를 추론할 수 있는 결과 값을 산출할 수 있다.
구체적으로, 단계 S110은 수신된 하우징(10) 내부의 접속부 온도, 주위온도, 아크 발생 횟수, 코로나 발생 횟수 중 적어도 하나의 환경정보(특징점)를 FCM(Fuzzy C-means) 알고리즘을 이용하여, 환경정보에 대한 소속행렬 및 클러스터 중심 값을 결정할 수 있다.
다음으로, 다항식 형태의 수학식 모델로 표현되고, WLSE(Weighted Least Square Estimator)로 학습되어, 다항식의 계수를 결정하고, 환경정보에 대한 소속행렬 및 클러스터 중심 값에 기초하여 하우징 내부의 청정도를 추론할 수 있는 결과 값을 FRBFNN(Fuzzy clustering based RBF Neural Network) 이용하여 산출할 수 있다.
다음으로, 단계 S110은 하우징(10) 내부의 열화 상태를 추론할 수 있는 결과 값과 미리 설정된 기준을 비교하여 하우징 내부의 열화 상태를 판단하여 제어부(134)로 전달한다.
제어부(134)는 산출된 열화 정보에 기초하여 수배전반 활선부의 열화 정도를 제어하도록 관리자 단말기(150)로 진단된 하우징(10) 내의 열화 정보를 전송한다.
이상 본 발명자에 의해서 이루어진 발명을 상기 실시 예에 따라 구체적으로 설명하였지만, 본 발명은 상기 실시 예에 한정되는 것은 아니고 그 요지를 이탈하지 않는 범위에서 여러 가지로 변경 가능한 것은 물론이다.
본 발명에 따른 수배전반의 열화 진단장치 및 그 제어방법을 사용하는 것에 의해 수배전반의 열화 상태를 자동으로 판단할 수 있다.
10 : 하우징 121 : 부스바 온도 감지부
122 : 내부 온도 감지부 123 : 아크 감지부
124 : 코로나 방전 감지부 127 : 전압전류 감지부
130 ; 진단 추론 제어부 131 : 특징 추출부
132 : 추론부 133 : 판단부
140 : 표시부 150 : 관리자 단말기

Claims (9)

  1. 수전반, 배전반, 전동기 제어반, 고압반, 저압반, 분전반을 내부에 포함하는 하우징의 열화 상태를 진단하는 장치로서,
    상기 하우징 내부의 접촉온도, 공간온도, 아크 발생 횟수, 코로나 발생 횟수 중 적어도 하나의 환경정보를 검출하는 감지 수단,
    상기 감지 수단으로부터 검출된 환경정보에 기초하여 상기 하우징 내부의 열화 상태 정보를 추론하는 진단하는 진단 수단 및
    상기 진단 수단으로부터 진단된 상기 하우징 내의 열화 상태 정보에 따라 상기 하우징의 내부 상태를 제어하는 제어수단을 포함하고,
    상기 진단 수단은,
    상기 감지 수단으로부터 수신한 상기 하우징 내부의 접촉온도, 공간온도, 아크 발생 횟수, 코로나 발생 횟수에 기초하여 상기 하우징 내부의 접촉온도정보, 공간온도정보, 아크 발생 횟수정보, 코로나 발생 횟수 정보를 추출하는 특징 추출부,
    상기 특징 추출부로부터 수신한 상기 접촉온도정보, 공간온도정보, 아크 발생 횟수정보, 코로나 발생 횟수 정보에 기초하여 상기 하우징 내부의 열화 상태를 추론할 수 있는 결과 값을 산출하는 추론부 및
    상기 추론부의 결과 값과 미리 설정된 기준을 비교하여 상기 하우징 내부의 열화 상태를 판단하는 판단부를 포함하는 것을 특징으로 하는 열화 진단장치.
  2. 제1항에 있어서,
    상기 진단 수단으로부터의 상기 하우징 내부의 열화 상태 정보를 상기 하우징 외부에서 알 수 있도록 경고하는 경고수단을 더 포함하는 것을 특징으로 하는 열화 진단장치.
  3. 제1항에 있어서,
    상기 감지 수단은,
    상기 하우징 내부의 부스바의 접촉부분의 온도를 감지하는 부스바 온도 감지부,
    상기 하우징의 내부 공간은 온도를 감지하는 내부 온도 감지부,
    상기 하우징 내부의 아크 발생횟수를 감지하는 아크 감지부 및
    상기 하우징 내부의 코로나 발생횟수를 감지하는 코로나 방전 감지부를 포함하는 것을 특징으로 하는 열화 진단장치.
  4. 제1항에 있어서,
    상기 진단 수단은 상기 환경정보를 미리 설정된 주기 및 미리 설정된 개수로 검출하는 것을 특징으로 하는 열화 진단장치.
  5. 제4항에 있어서,
    상기 추론부는,
    상기 특징 추출부로부터 수신된 상기 하우징 내부의 접촉온도정보, 공간온도정보, 아크 발생 횟수정보, 코로나 발생 횟수 정보 중 적어도 하나의 환경정보(특징점)를 FCM(Fuzzy C-means) 알고리즘을 이용하여, 상기 환경정보에 대한 소속행렬 및 클러스터 중심 값을 결정하는 전반부모듈 및
    다항식 형태의 수학식 모델로 표현되고, WLSE(Weighted Least Square Estimator)로 학습되어, 상기 다항식의 계수를 결정하고, 상기 전반부모듈에서 결정된 상기 환경정보에 대한 소속행렬 및 클러스터 중심 값에 기초하여 상기 하우징 내부의 열화 상태를 추론할 수 있는 결과 값을 FRBFNN(Fuzzy clustering based RBF Neural Network) 이용하여 산출하는 후반부모듈을 포함하는 것을 특징으로 하는 열화 진단장치.
  6. 수전반, 배전반, 전동기 제어반, 고압반, 저압반, 분전반을 내부에 포함하는 하우징의 열화 상태를 진단하는 방법으로서,
    (a) 상기 하우징 내부의 접촉온도, 공간온도, 아크 발생 횟수, 코로나 발생 횟수 중 적어도 하나에 기초하여 상기 하우징 내부의 접촉온도정보, 공간온도정보, 아크 발생 횟수정보, 코로나 발생 횟수 정보를 추출하여 환경정보를 검출하는 단계,
    (b) 상기 검출된 환경정보에 기초하여 상기 하우징 내부의 열화 상태 정보를 산출하는 단계 및
    (c) 상기 산출된 열화 상태 정보에 기초하여 상기 하우징 내부의 열화 상태를 판단하는 단계를 포함하고,
    상기 단계 (b)는
    (b1) 상기 하우징 내부에 기초하여 상기 하우징 내부의 접촉온도정보, 공간온도정보, 아크 발생 횟수정보, 코로나 발생 횟수 정보를 추출하는 단계;
    (b2) 상기 접촉온도정보, 공간온도정보, 아크 발생 횟수정보, 코로나 발생 횟수 정보에 기초하여 상기 하우징 내부의 열화 상태를 추론할 수 있는 결과 값을 산출하는 단계; 및
    (b3) 상기 결과 값과 미리 설정된 기준을 비교하여 상기 하우징 내부의 열화 상태를 판단하는 단계를 포함하는 것을 특징으로 하는 열화 진단장치의 제어방법.
  7. 제6항에 있어서,
    (d) 상기 하우징 내부의 열화 정보 상태를 상기 하우징 외부에서 알 수 있도록 경고하는 단계를 더 포함하는 것을 특징으로 하는 열화 진단장치의 제어방법.
  8. 제6항에 있어서,
    상기 단계 (a)는 상기 환경정보를 미리 설정된 주기 및 미리 설정된 개수로 검출하는 것을 특징으로 하는 열화 진단장치의 제어방법.
  9. 제8항에 있어서,
    상기 단계 (b2)는,
    (b21) 수신된 상기 하우징 내부의 접촉온도정보, 공간온도정보, 아크 발생 횟수정보, 코로나 발생 횟수 정보 중 적어도 하나의 환경정보(특징점)를 FCM(Fuzzy C-means) 알고리즘을 이용하여, 상기 환경정보에 대한 소속행렬 및 클러스터 중심 값을 결정하는 단계 및
    (b22) 다항식 형태의 수학식 모델로 표현되고, WLSE(Weighted Least Square Estimator)로 학습되어, 상기 다항식의 계수를 결정하고, 상기 환경정보에 대한 소속행렬 및 클러스터 중심 값에 기초하여 상기 하우징 내부의 청정도를 추론할 수 있는 결과 값을 FRBFNN(Fuzzy clustering based RBF Neural Network) 이용하여 산출하는 단계를 포함하는 것을 특징으로 하는 열화 진단장치의 제어방법.
KR1020130109472A 2013-09-12 2013-09-12 수배전반의 열화 진단장치 및 그 제어방법 KR101355585B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130109472A KR101355585B1 (ko) 2013-09-12 2013-09-12 수배전반의 열화 진단장치 및 그 제어방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130109472A KR101355585B1 (ko) 2013-09-12 2013-09-12 수배전반의 열화 진단장치 및 그 제어방법

Publications (1)

Publication Number Publication Date
KR101355585B1 true KR101355585B1 (ko) 2014-01-24

Family

ID=50146445

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130109472A KR101355585B1 (ko) 2013-09-12 2013-09-12 수배전반의 열화 진단장치 및 그 제어방법

Country Status (1)

Country Link
KR (1) KR101355585B1 (ko)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101478786B1 (ko) * 2014-03-18 2015-01-02 주식회사 광명에스지 광섬유 온도 검출에 의한 열화진단 기능을 갖는 수배전반(고압반, 저압반, 분전반, 모터 제어반)
KR101534777B1 (ko) * 2015-01-29 2015-07-09 지투파워 (주) 다중영역의 온도열화 감지 기능을 구비한 배전반(고압배전반, 저압배전반, 분전반, 모터제어반)
KR101533439B1 (ko) * 2015-01-13 2015-07-16 주식회사 베스텍 전기화재 감시진단 기능을 구비한 태양광 접속반
KR101542538B1 (ko) * 2015-03-17 2015-08-06 지투파워 (주) 광섬유 루프센서를 구비한 수배전반의 아크 감시 시스템
KR101625087B1 (ko) * 2014-12-04 2016-06-01 피앤씨주식회사 고조파 분석에 의한 전기설비 고장 진단장치
KR20180008207A (ko) * 2016-07-15 2018-01-24 (주) 다쓰테크 온도 및 습도 제어 기능을 갖춘 접속반 시스템 및 이를 이용한 접속반의 온도 및 습도 제어 방법
KR101821972B1 (ko) 2015-12-29 2018-01-26 주식회사 케이디파워 Ems 내장형 수배전반
CN108196170A (zh) * 2017-12-28 2018-06-22 河南理工大学 一种故障电弧检测系统和方法
KR20190130755A (ko) * 2018-05-15 2019-11-25 이준희 아크 플래시 발생 위치 검출 시스템
KR102066534B1 (ko) 2019-05-29 2020-01-15 한광전기공업주식회사 저압배전반의 아크플래시 검출 광학 시스템
KR102066535B1 (ko) 2019-07-04 2020-02-11 한광전기공업주식회사 고전압 전력 시스템의 광섬유 초음파 센서를 이용한 부분방전 검출 시스템
KR102114225B1 (ko) * 2018-12-05 2020-05-22 (주)신호엔지니어링 Ees 및 전기 송배전 시스템 접촉부의 안전 관리용 시스템 및 그 방법
KR102295188B1 (ko) 2021-02-18 2021-08-31 주식회사 삼광산전 이상 통합 감시 및 불량예측 기능을 구비한 인공지능 배전반
KR102296568B1 (ko) * 2021-04-20 2021-09-01 주식회사 티오솔루션 머신러닝 기반 배전반 관제시스템
KR102402085B1 (ko) * 2021-11-09 2022-05-25 주식회사 베스텍 열화 진단 및 예방 기능이 구비된 배전반(고압반, 저압반, 모터제어반, 분전반)
KR102680662B1 (ko) * 2023-06-29 2024-07-03 주식회사 윈텍 환경정보 및 데이터 보정을 이용한 IoT 기반의 원격 자동제어 시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100932187B1 (ko) 2008-10-31 2009-12-16 주식회사 아이파워 고압 전기시설물의 접속부 열화 검출에 의한 수배전반 불량감시장치 및 방법
KR101070822B1 (ko) 2011-07-22 2011-10-10 김영일 수배전반의 이상 검출 장치
KR101095598B1 (ko) 2011-08-22 2011-12-19 경일전기 주식회사 적외선 온도센서를 이용한 수배전반 접속부 열화진단시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100932187B1 (ko) 2008-10-31 2009-12-16 주식회사 아이파워 고압 전기시설물의 접속부 열화 검출에 의한 수배전반 불량감시장치 및 방법
KR101070822B1 (ko) 2011-07-22 2011-10-10 김영일 수배전반의 이상 검출 장치
KR101095598B1 (ko) 2011-08-22 2011-12-19 경일전기 주식회사 적외선 온도센서를 이용한 수배전반 접속부 열화진단시스템

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101478786B1 (ko) * 2014-03-18 2015-01-02 주식회사 광명에스지 광섬유 온도 검출에 의한 열화진단 기능을 갖는 수배전반(고압반, 저압반, 분전반, 모터 제어반)
KR101625087B1 (ko) * 2014-12-04 2016-06-01 피앤씨주식회사 고조파 분석에 의한 전기설비 고장 진단장치
KR101533439B1 (ko) * 2015-01-13 2015-07-16 주식회사 베스텍 전기화재 감시진단 기능을 구비한 태양광 접속반
KR101534777B1 (ko) * 2015-01-29 2015-07-09 지투파워 (주) 다중영역의 온도열화 감지 기능을 구비한 배전반(고압배전반, 저압배전반, 분전반, 모터제어반)
KR101542538B1 (ko) * 2015-03-17 2015-08-06 지투파워 (주) 광섬유 루프센서를 구비한 수배전반의 아크 감시 시스템
KR101821972B1 (ko) 2015-12-29 2018-01-26 주식회사 케이디파워 Ems 내장형 수배전반
KR101873210B1 (ko) * 2016-07-15 2018-08-02 (주)다쓰테크 온도 및 습도 제어 기능을 갖춘 접속반 시스템 및 이를 이용한 접속반의 온도 및 습도 제어 방법
KR20180008207A (ko) * 2016-07-15 2018-01-24 (주) 다쓰테크 온도 및 습도 제어 기능을 갖춘 접속반 시스템 및 이를 이용한 접속반의 온도 및 습도 제어 방법
CN108196170A (zh) * 2017-12-28 2018-06-22 河南理工大学 一种故障电弧检测系统和方法
KR20190130755A (ko) * 2018-05-15 2019-11-25 이준희 아크 플래시 발생 위치 검출 시스템
KR102550804B1 (ko) 2018-05-15 2023-06-30 송인관 아크 플래시 발생 위치 검출 시스템
KR102114225B1 (ko) * 2018-12-05 2020-05-22 (주)신호엔지니어링 Ees 및 전기 송배전 시스템 접촉부의 안전 관리용 시스템 및 그 방법
KR102066534B1 (ko) 2019-05-29 2020-01-15 한광전기공업주식회사 저압배전반의 아크플래시 검출 광학 시스템
KR102066535B1 (ko) 2019-07-04 2020-02-11 한광전기공업주식회사 고전압 전력 시스템의 광섬유 초음파 센서를 이용한 부분방전 검출 시스템
KR102295188B1 (ko) 2021-02-18 2021-08-31 주식회사 삼광산전 이상 통합 감시 및 불량예측 기능을 구비한 인공지능 배전반
KR102296568B1 (ko) * 2021-04-20 2021-09-01 주식회사 티오솔루션 머신러닝 기반 배전반 관제시스템
KR102402085B1 (ko) * 2021-11-09 2022-05-25 주식회사 베스텍 열화 진단 및 예방 기능이 구비된 배전반(고압반, 저압반, 모터제어반, 분전반)
KR102680662B1 (ko) * 2023-06-29 2024-07-03 주식회사 윈텍 환경정보 및 데이터 보정을 이용한 IoT 기반의 원격 자동제어 시스템

Similar Documents

Publication Publication Date Title
KR101355585B1 (ko) 수배전반의 열화 진단장치 및 그 제어방법
US9823289B2 (en) Automated digital earth fault system
KR101717775B1 (ko) 지능형 사전 신호분석을 통한 전기화재 분석 및 예측 시스템
KR101597096B1 (ko) 진동감지와 누설전류의 실시간 원격 계측 및 외부 침입퇴치 기능과 데이터 저장기능을 구비한 배전반
CN112000156B (zh) 智能家电的断电方法、装置、系统及计算机可读存储介质
US8766821B2 (en) Circuit protection for connector of grounded aircraft
KR20180106318A (ko) 복합 센서를 이용한 화재방지장치
KR101519923B1 (ko) Ａｅ센서를 구비한 수배전반의 부분방전 검출 시스템
KR102032406B1 (ko) 재난 경보 관제시스템 및 그 방법
KR101194021B1 (ko) 다면적 온도감지를 이용한 배전반
KR101534777B1 (ko) 다중영역의 온도열화 감지 기능을 구비한 배전반(고압배전반, 저압배전반, 분전반, 모터제어반)
KR102631867B1 (ko) 배전선로 보호기기 동작상태 검증용 독립모듈
KR101635612B1 (ko) 사물 인터넷 기반의 수배전 설비 감시 진단 시스템
KR102319083B1 (ko) 인공지능 기반의 화재예방 제공 장치 및 방법
KR102491071B1 (ko) 전력기기 열화상태 진단 및 활선부 감전사고 예방 기능이 구비된 하이브리드 모니터링장치 내장형 수배전반
US9209617B2 (en) Device and method for preventing arc flashes
KR20180003978A (ko) 수배전반 내에서 스스로 정확한 동작 여부를 진단하고 및 동작이 부정확하면 경보를 울리는 자가진단모듈, 및 이를 포함하는 수배전반
CN107270968A (zh) 一种室内无尘环境监测的一体机系统
KR102469874B1 (ko) 머신러닝을 활용한 사고데이터 판별 및 소비전력 패턴 분석 소프트웨어를 탑재한 수배전반 모니터링시스템
KR102189670B1 (ko) 스마트 배전반에서 센서데이터 스트림 처리 방법 및 그 스마트 배전반
KR102219806B1 (ko) 스마트 배전반의 상황 인식 방법 및 그 스마트 배전반
KR101723217B1 (ko) 수배전반 내에서 스스로 정확한 동작 여부를 진단하고 및 동작이 부정확하면 경보를 울리는 자가진단모듈, 및 이를 포함하는 수배전반
US11128114B2 (en) Hazard detection system for portable electrical devices
CN113936411A (zh) 一种电气火灾预警方法、系统及装置
CN211236077U (zh) 一种数据对比式电力过载预警装置

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20161104

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20171207

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20181229

Year of fee payment: 6