KR101904868B1 - 변전소의 자산 관리 방법 - Google Patents

변전소의 자산 관리 방법 Download PDF

Info

Publication number
KR101904868B1
KR101904868B1 KR1020170055656A KR20170055656A KR101904868B1 KR 101904868 B1 KR101904868 B1 KR 101904868B1 KR 1020170055656 A KR1020170055656 A KR 1020170055656A KR 20170055656 A KR20170055656 A KR 20170055656A KR 101904868 B1 KR101904868 B1 KR 101904868B1
Authority
KR
South Korea
Prior art keywords
substation
model
reliability
maintenance
reliability model
Prior art date
Application number
KR1020170055656A
Other languages
English (en)
Inventor
류은태
정재룡
서황동
Original Assignee
효성중공업 주식회사
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 효성중공업 주식회사 filed Critical 효성중공업 주식회사
Priority to KR1020170055656A priority Critical patent/KR101904868B1/ko
Priority to US16/607,925 priority patent/US11507074B2/en
Priority to PCT/KR2018/004866 priority patent/WO2018199656A1/ko
Application granted granted Critical
Publication of KR101904868B1 publication Critical patent/KR101904868B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
    • G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/008—Reliability or availability analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Abstract

본 발명에 따른 변전소의 자산 관리 방법은, 변전소 기종 별 기준 신뢰도 모델의 신뢰도 및 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 기초로 생성된 변전소 기기 별 건전도를 비교하여, 변전소 기기 별 신뢰도 모델의 보상 여부를 판단하는 단계; 상기 판단 결과에 따라 상기 변전소 기기 별 건전도를 이용하여 상기 변전소 기종 별 기준 신뢰도 모델을 보상하고 변전소 기기 별 고유 신뢰도 모델을 생성하는 단계; 상기 변전소 기기 중 유지보수 대상 후보 기기에 대해서 미리 생성된 기준 계통 신뢰도 모델을 기초로 유지보수 시나리오 별 계통 신뢰도 지수 및 경제성 평가를 수행하는 단계; 상기 변전소 기기 별 건전도, 상기 변전소 기기 별 고유 신뢰도 모델, 상기 계통 신뢰도 지수 및 경제성 평가의 결과에 따라 상기 유지보수 대상 후보 기기 별 유지보수 시나리오를 선정한 후 유지보수의 실행 여부를 확인하여, 상기 유지보수의 수행 결과에 따라 상기 변전소 기기 별 고유 신뢰도 모델을 갱신하는 단계;를 포함하고, 상기 변전소 기종 별 기준 신뢰도 모델은 전력설비 기본정보 및 고장이력 정보를 토대로 생성하고, 상기 변전소 기종 별 기준 신뢰도 모델은 상기 전력 설비 기본 정보 및 고장 이력 정보를 토대로 고장 데이터를 추출하고, 최적 기준 시점 전후로 상기 고장 데이터를 분할하며, 각 데이터 세트에 대해서 신뢰도 모델을 생성하고 형상모수와 척도모수를 추정한 후, 상기 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출함으로써 생성된다.

Description

변전소의 자산 관리 방법{ASSET MANAGEMENT METHOD FOR SUBSTATION}
본 발명은 변전소의 자산 관리 방법에 관한 것으로, 변전소 기기의 건전도에 따라 변전소 기기 별 최적화된 관리 방안을 도출할 수 있는 변전소의 자산 관리 방법에 관한 것이다.
전력계통 중 송전계통이나 배전계통에는 발전기의 출력을 승압 또는 강압하거나, 계통의 전압을 강압하거나 하기 위하여 변전소가 설치되어 있다. 변전소에는 전압을 승압 또는 강압하기 위한 변압기 외에, 전력을 집중·배분하기 위한 기기나 조류(潮流)를 제어하기 위한 기기 또는 계통이나 변전소 내의 기기를 보호·제어하기 위한 기기가 설치되어 있다.
예를 들면 가스절연개폐장치(GIS)에 사용되는 차단기에는 가스압을 검출하는 가스압센서, 이상에 따른 신호를 검출하는 가속도센서, 전류·전압검출기 등이 설치되고, 변압기에는 변압기의 상태를 검출하는 센서로서 온도계, 압력계, 유면(油面)센서, 전류검출기 등이 설치되어 있다
이들 센서는 전기신호를 전송하는 케이블을 거쳐 보호장치, 계측장치, 제어장치 및 기기 감시장치에 접속되어 있다. 다시 보호장치, 계측장치, 제어장치 및 기기 감시장치는 각각 전기신호를 전송하는 케이블을 거쳐 상위의 변전소 감시제어장치에 접속되어 있다.
상기의 변전소에는 전기를 안정적으로 공급하기 위한 아주 복잡한 설비가 갖추어지게 되며, 이러한 변전소에 설치된 차단기와 같은 각종 장치의 동작상태를 모니터링 하여 고장의 징후를 미리 발견하여 대비하거나 아니면 발생한 고장에 신속히 대응하여 복구할 수 있도록 모니터링 시스템이 제공되고 있다.
하지만, 변전소 기기의 정확한 상태를 파악하여 관리하는데 어려움이 있어, 기기 별 교체주기, 유지보수방안 등에 있어서 최적화된 자산 관리 기법에 대한 필요성이 대두되고 있으며 이러한 요구사항을 해결하기 위한 방안이 필요한 실정이다.
대한민국 공개특허공보 10-1991-0001393 (1991.01.30)
본 발명은, 변전소 기기에 대한 전력 설비 기본 정보 및 고장 이력 정보를 토대로 변전소 기종 별 신뢰도 모델을 산출하는 방법을 제공하는 것이다.
또한, 본 발명은 변전소 기종별 기준 신뢰도 모델을 보상하는 과정을 통해 변전소 기기 별 최적화된 고유 신뢰도 모델을 도출할 수 있도록 하는 변전소의 자산 관리 방법 및 이를 실행하는 장치를 제공하는 것을 목적으로 한다.
또한, 본 발명은 설비 교체 주기, 유지보수 방안 및 자산 관리 기법의 요청에 대한 고객의 요구를 만족시킬 수 있도록 하는 변전소의 자산 관리 방법 및 이를 실행하는 장치를 제공하는 것을 목적으로 한다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제(들)로 제한되지 않으며, 언급되지 않은 또 다른 과제(들)는 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명에 따른 변전소의 자산 관리 방법은, 변전소 기종 별 기준 신뢰도 모델의 신뢰도 및 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 기초로 생성된 변전소 기기 별 건전도를 비교하여, 변전소 기기 별 신뢰도 모델의 보상 여부를 판단하는 단계; 상기 판단 결과에 따라 상기 변전소 기기 별 건전도를 이용하여 상기 변전소 기종 별 기준 신뢰도 모델을 보상하고 변전소 기기 별 고유 신뢰도 모델을 생성하는 단계; 상기 변전소 기기 중 유지보수 대상 후보 기기에 대해서 미리 생성된 기준 계통 신뢰도 모델을 기초로 유지보수 시나리오 별 계통 신뢰도 지수 및 경제성 평가를 수행하는 단계; 상기 변전소 기기 별 건전도, 상기 변전소 기기 별 고유 신뢰도 모델, 상기 계통 신뢰도 지수 및 경제성 평가의 결과에 따라 상기 유지보수 대상 후보 기기 별 유지보수 시나리오를 선정한 후 유지보수의 실행 여부를 확인하여, 상기 유지보수의 수행 결과에 따라 상기 변전소 기기 별 고유 신뢰도 모델을 갱신하는 단계;를 포함하고, 상기 변전소 기종 별 기준 신뢰도 모델은 전력설비 기본정보 및 고장이력 정보를 토대로 생성하고, 상기 변전소 기종 별 기준 신뢰도 모델은 상기 전력 설비 기본 정보 및 고장 이력 정보를 토대로 고장 데이터를 추출하고, 최적 기준 시점 전후로 상기 고장 데이터를 분할하며, 각 데이터 세트에 대해서 신뢰도 모델을 생성하고 형상모수와 척도모수를 추정한 후, 상기 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출함으로써 생성된다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 첨부 도면들에 포함되어 있다.
본 발명의 이점 및/또는 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다.
본 발명에 따르면, 변전소 기기에 대한 전력 설비 기본 정보 및 고장 이력 정보를 토대로 변전소 기종 별 신뢰도 모델을 산출할 수 있다는 장점이 있다.
또한, 본 발명에 따르면, 변전소 기종별 기준 신뢰도 모델을 보상하는 과정을 통해 변전소 기기 별 최적화된 고유 신뢰도 모델을 도출할 수 있다는 장점이 있다.
또한, 본 발명에 따르면, 설비 교체 주기, 유지보수 방안 및 자산 관리 기법의 요청에 대한 고객의 니즈를 만족시킬 수 있다는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 변전소 자산 관리 과정을 설명하기 위한 흐름도이다.
도 2는 본 발명에 따른 변전소 기종별 기준 신뢰도 모델을 산출하는 방법을 상세히 나타낸 순서도이다.
도 3은 본 발명의 일 실시예에 따른 변전소 자산 관리 장치의 내부 구조를 설명하기 위한 블럭도이다.
도 4는 본 발명의 일 실시예에 따른 변전소 기종별 기준 신뢰도 모델의 보상 여부 판단 과정을 설명하기 위한 그래프이다.
도 5는 본 발명의 일 실시예에 따른 변전소 기기 별 유지보수 시나리오에 따른 신뢰도 변화를 설명하기 위한 그래프이다.
이하에서는 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 변전소 자산 관리 과정을 설명하기 위한 흐름도이다.
도 1을 참조하면, 변전소 자산 관리 장치(100)는 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 기초로 변전소 기기 별 건전도(Health Index)를 생성한다(S110). 이때, 변전소 기기 별 상태 데이터와 실시간 모니터링 정보는 변전소 기기 별 온라인 감시 상태 데이터, 변전소 기기 별 오프라인 감시 상태 데이터 및 원격 감시 데이터를 포함한다. 상기의 오프라인 감시 상태 데이터는 변전소 기기 별 설치 이력, 점검 이력, 고장 이력, 운영 환경 및 운전 이력 데이터 중 적어도 하나를 포함할 수 있다.
S110에 대한 일 실시예에서, 변전소 자산 관리 장치(100)는 변전소 기기 별 운영 환경, 절연물 열화, 전기적 위험도, 열적 위험도, 화학적 위험도 및 기계적 위험도, 기밀 성능, 절연 성능, 차단 성능 및 통전 성능에 따른 기술적 위험도 평가 총점 및 조치사항을 생성할 수 있다.
예를 들어, 변전소 자산 관리 장치(100)는 변압기(TR)의 기준 신뢰도 모델의 정보를 이용하여 변압기(TR)의 운영 환경, 절연물 열화, 전기적 위험도, 열적 위험도, 화학적 위험도 및 기계적 위험도 등에 따른 기술적 위험도 평가 총점 및 조치 사항을 생성할 수 있다.
다른 예를 들어, 변전소 자산 관리 장치(100)는 가스절연개폐장치(GIS)의 기준 신뢰도 모델의 정보를 이용하여 가스절연개폐장치(GIS)의 운전 이력 데이터, 기밀 성능, 절연 성능, 차단 성능 및 통전 성능 등을 이용하여 가스절연개폐장치(GIS)의 기술적 위험도 평가 총점 및 조치 사항을 생성할 수 있다.
다음, 변전소 자산 관리 장치(100)는 변전소 기종별 기준 신뢰도 모델과 변전소 기기 별 건전도를 기초로 하여 변전소 기종별 기준 신뢰도 모델의 보상 여부를 판단한다.
여기서, 변전소 기종별 기준 신뢰도 모델은 전력 설비 기본 정보 및 고장 이력 정보를 토대로 생성된 변전소 기종 별 기준 신뢰도 모델이다.
본 발명에서는, 이러한 변전소 기종별 기준 신뢰도 모델을 산출하기 위해서, 상기 전력 설비 기본 정보 및 고장 이력 정보를 토대로 고장 데이터를 추출하고, 평균절대이탈도(MAD, Mean Absolute Deviation)가 최소가 되는 최적 기준 시점을 구하여 최적 기준 시점 전후로 고장 데이터를 2개의 데이터 세트로 구분하며, 각 데이터 세트에 대해서 카플란 마이어 기법으로 비모수 신뢰도를 계산하고 와이블 누적분포함수 선형 변환을 통해 신뢰도 모델을 생성한 후, 최소제곱법(Least Square Estimation Method)으로 신뢰도 모델의 형상모수(m)와 척도모수(η)를 추정하고, 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출함으로써 산출하고 있으며, 이에 대한 상세한 설명은 도 2를 참조하여 후술한다.
이때, 변전소 자산 관리 장치(100)는 변전소 기기 별 건전도가 변전소 기종별 기준 신뢰도 모델의 신뢰도와 동일하면 현재 사용되는 변전소 기종별 기준 신뢰도 모델이 최적화된 기준 신뢰도 모델이라고 판단하여 변전소 기종별 기준 신뢰도 모델에 대한 보상을 실행하지 않는다.
또한, 변전소 자산 관리 장치(100)는 변전소 기기 별 건전도가 변전소 기종별 기준 신뢰도 모델의 신뢰도와 상이하면, 변전소 기종별 기준 신뢰도 모델에 대한 보상을 실행하여 변전소 기기 별 고유 신뢰도 모델을 생성한다(S120).
즉, 변전소 자산 관리 장치(100)는 변전소 기기 별 건전도가 변전소 기종별 기준 신뢰도 모델의 신뢰도와 상이하면, 현재 사용된 변전소 기종별 기준 신뢰도 모델이 최적화된 기준 신뢰도 모델이 아니라고 판단하여 변전소 기기 별 건전도를 이용해 변전소 기종별 기준 신뢰도 모델에 대한 보상을 실행함으로써, 변전소 기기 별 고유 신뢰도 모델을 생성하는 것이다.
상기와 같은 변전소 기종별 기준 신뢰도 모델을 보상하는 과정을 통해 변전소 기기 별로 최적화된 고유 신뢰도 모델을 도출할 수 있다.
다음, 변전소 자산 관리 장치(100)는 특정 우선순위에 따라 유지보수 대상 후보 기기를 설정한다(S130). 예를 들어, 변전소 자산 관리 장치(100)는 특정 우선순위가 고장률인 경우, 고장률이 높은 변전소 기특정 우선순위에 따라 유지보수 대상 후보 기기를 설정할 수 있으며, 또한 다양한 상황에 따른 다른 우선순위가 적용될 수 있다.
이후, 변전소 자산 관리 장치(100)는 유지보수 대상 후보 기기에 대해서 미리 생성된 기준 계통 신뢰도 모델을 기초로 유지보수 시나리오별 계통 신뢰도 지수 및 경제성 평가를 수행한다(S140).
S140에 대한 일 실시예에서, 변전소 자산 관리 장치(100)는 미리 생성된 기준 계통 신뢰도 모델에 고장률, 고장 복구 시간, 부하점 별 부하량, 정비 비용, 복구 비용, 유지보수 비용 목표 값, 이자율, 설비 민감도 및 변전소 기기의 상하위 관계 정보를 적용하여 정전 피해 비용, 공급지장 전력량, 설비별 민감도, 현재 가치 및 미래 가치 등을 평가한다.
그리고 변전소 자산 관리 장치(100)는 계통 신뢰도 지수 및 경제성 평가의 결과에 따라 유지보수 대상 후보 기기 별 유지보수 시나리오를 선정한다(S150).
S150에 대한 일 실시예에서, 변전소 자산 관리 장치(100)는 유지보수 대상 후보 기기 별 신뢰도 평가 출력 값, 기술적 평가 출력 값, 경제성 평가 출력 값 및 유지보수 점검 별 비용 항목에 따라, 변전소 기기 별 유지보수 비용, 우선순위, 기기 별 점검 주기, 예상 비용, 점검 스케줄링, 유지보수 효과 추정, 기기 별 예상 교체 시점을 포함하는 유지보수 시나리오를 도출 및 선정한다.
S150에 대한 다른 일 실시예에서, 변전소 자산 관리 장치(100)는 변전소 기기 별 건전도 및 변전소 기종별 기준 신뢰도 모델을 조합하여 생성된 제1 결과 정보, 변전소 기기 별 건전도와 계통 신뢰도 지수 및 경제성 평가의 결과를 조합하여 생성된 제2 결과 정보, 및 제2 결과 정보와 유지보수 방안을 조합한 제3 결과 정보에 따른 비용 측면 유지보수 시나리오, 신뢰도 측면 유지보수 시나리오 및 최적 점검과 교체 계획을 생성한다.
다음, 변전소 자산 관리 장치(100)는 신뢰도 임계값 도달시점 평가를 토대로 유지보수 대상 기기 별 유지보수 스케줄링 및 견적을 산출한다(S160).
S160에 대한 일 실시예에서, 변전소 자산 관리 장치(100)는 먼저 변전소에 대하여 신뢰도 기준을 충족하지 못하는 시점, 즉 차기 유지보수가 필요한 시점을 도출하며, 이때 차기 유지보수가 필요한 시점은 기기별 고유 신뢰도 모델을 토대로 평가된 변전소 신뢰도 지수를 산출하여 신뢰도 임계값을 만족하지 못하는 미래의 시점을 산출함으로써 도출할 수 있다.
이와 같이 도출된 차기 유지보수 필요시점을 토대로 유지보수 대상 기기별 유지보수 스케줄링 및 견적을 산출하게 된다.
이후, 유지보수 대상 기기 별 유지보수 시나리오를 이용하여 유지보수가 실행되고(S170), 변전소 자산 관리 장치(100)는 상기 유지보수의 수행 결과에 따라 변전소 기기 별 고유 신뢰도 모델을 갱신한다(S180).
도 2는 본 발명에 따른 변전소 기종별 기준 신뢰도 모델을 산출하는 방법을 상세히 나타낸 순서도이다.
도 2에서 볼 수 있는 바와 같이, 변전소 기종별 기준 신뢰도 모델을 산출하는 방법은 고장 데이터를 추출하는 단계(S210), 최적 기준 시점 전후로 고장 데이터를 분할하는 단계(S220), 각 데이터 세트에 대해서 신뢰도 모델을 생성한 후 형상모수(m)와 척도모수(η)를 추정하는 단계(S230), 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출하는 단계(S240)를 포함할 수 있다.
여기서, 고장 데이터를 추출하는 단계(S210)에서는 제품 고유번호, 제조일, 설치일, 및 가압일 정보 등을 포함하는 전력설비 기본정보와, 제품 고유번호, 이력번호, 이력유형, 사고발생일, 조치시작일, 조치완료일, 재가동일, 고장위치, 및 조치내용 등의 정보를 포함하는 고장이력 정보를 추출할 수 있다.
다음, 최적 기준 시점 전후로 고장 데이터 분할 단계(S220)에서는, 고장 데이터를 분할하는 최적 기준 시점을 계산한 후, 최적 기준 시점 전후로 고장 데이터를 분할한다.
여기서, 최적 기준 시점은 비모수 신뢰도(R * (t))에 대한 평균절대이탈도 (MAD, Mean Absolute Deviation)가 최소가 되는 시점으로 정하게 되는데, 평균절대이탈도(MAD)는 아래의 수학식 1로 나타낼 수 있다. 즉, 평균절대이탈도(MAD)는 비모수 신뢰도(R * (t))와, 임의의 분할 시점 전후의 각 데이터 세트에 대한 신뢰도 모델을 합성한 혼합 모델(R mix (t))과의 차이값의 절대값을 적분한 값으로 정의된다.
[수학식 1]
Figure 112017042290425-pat00001
여기서, R * (t)은 비모수 신뢰도, R mix (t)는 임의의 분할 시점 전후의 각 데이터 세트에 대한 신뢰도 모델을 합성한 혼합 모델
상술한 바와 같이 최적 기준 시점은 평균절대이탈도(MAD)가 최소가 되는 시점으로 정해지게 되며, 이는 신뢰도함수를 적분하면 아래의 수학식 2와 같이 평균수명을 산출될 수 있으므로 추정되는 평균수명의 차이를 최소화한다는 의미를 갖게 된다.
[수학식 2]
Figure 112017042290425-pat00002
여기서, R(t)은 신뢰도함수, E(T)는 평균수명
다음, 각 데이터 세트에 대해서 신뢰도 모델을 생성한 후 형상모수(m)와 척도모수(η)를 추정하는 단계(S230)에서는, 각 데이터 세트에 대해서 카플란 마이어 기법으로 비모수 신뢰도를 계산하고 와이블 누적분포함수 선형 변환을 통해 신뢰도 모델을 생성한 후, 최소제곱법(Least Square Estimation Method)으로 신뢰도 모델의 형상모수(m)와 척도모수(η)를 추정한다.
즉, 각 데이터 세트에 대해 카플란-마이어(Kaplan-Meier)법을 이용하여 누적고장확률(F(t))을 산출하고, 고장 시간의 정렬, 고장 시간 직전까지의 작동 개수, 및 고장 시간에서의 고장 개수로 아래 수학식 3의 비모수 신뢰도를 산출한다.
[수학식 3]
Figure 112017042290425-pat00003
여기서, R * (t)은 비모수 신뢰도, t(i) 직전까지의 작동개수 = n i , t (i) 에서의 고장개수 = d i
또한, 각 데이터 세트에 대해 와이블 누적분포함수를 선형으로 변환하여 신뢰도 모델을 생성하고, 최소제곱법(Least Square Estimation Method)으로 신뢰도 모델의 형상모수(m)와 척도모수(η)를 추정한다.
일반적으로, 고장률함수(λ(t))의 분포에는 감소형 고장률(Decreasing Failure Rate, DFR), 상수형 고장률(Constant Failure Rate, CFR), 증가형 고장률(Increasing Failure Rate, IFR)의 3가지 형태가 있다. 이러한 고장률함수의 분포에 따라 적절하게 표현할 수 있도록 만든 확률분포가 필요한데 이것이 와이블 분포(Weibull Distribution)이다.
아래 수학식 4에 나타난 바와 같이, 와이블 분포에서 표현되는 상수 중에서 m은 형상모수(shape parameter), η는 척도모수(scale parameter)라 한다.
[수학식 4]
Figure 112017042290425-pat00004
여기서, R * (t)은 비모수 신뢰도, m은 형상모수, η는 척도모수
일반적으로 m의 값에 따라 고장률 함수의 경향이 변하게 되는데, 즉 m=1이면 와이블분포는 지수분포가 되며 상수 고장률을 가지게 되고, m<1에서는 고장률함수는 감소함수가 되며 t가 커짐에 따라 0에 수렴하게 되고, m>1에서는 고장률함수는 증가함수가 된다.
여기서, 고장률이 감소하는 부분을 초기고장기라 하고, 중간의 고장률이 비교적 낮고 일정한 부분을 우발고장기라고 하며, 고장률이 증가되고 있는 부분을 열화고장기 혹은 마모고장기라 부른다.
본 발명은 이러한 와이블 분포를 이용하여 신뢰도 모델을 도출하는 것으로서, 와이블 분포함수에 누적 고장확률과 고장 데이터를 대입하고 최소제곱법(Least Square Estimation Method)을 적용해 형상모수(m) 및 척도모수(η)를 추정함으로써, 각 데이터 세트에 대한 신뢰도 모델을 도출하게 되는 것이다.
또한, 이와 같이 와이블 분포의 모수를 구하고 나면 아래 수학식 5에 나타낸 바와 같이 평균수명(Mean Time To Failure, MTTF)을 구할 수 있다.
[수학식 5]
Figure 112017042290425-pat00005
여기서, m은 형상모수, η는 척도모수 이며, 감마함수(Gamma function)는 아래의 수학식 6으로 정의된다.
[수학식 6]
Figure 112017042290425-pat00006
다음, 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출하는 단계(S240)에서는, 각 데이터 세트에 대해 산출한 신뢰도 모델을 합성하여 와이블 혼합 모델을 도출함으로써, 변전소 기종별 기준 신뢰도 모델을 산출하게 된다.
본 발명에서는, 이상에서 설명한 방법을 통해 변전소 기종별 기준 신뢰도 모델을 도출하고 이를 토대로 변전소 기기 별 최적화된 관리 방안을 도출할 수 있다.
도 3은 본 발명의 일 실시예에 따른 변전소 자산 관리 장치의 내부 구조를 설명하기 위한 블럭도이다.
도 3을 참조하면, 변전소 자산 관리 장치(100)는 건전도 생성부(110), 기준 신뢰도 모델 관리부(120), 계통 신뢰도 지수 및 경제성 평가부(130), 유지보수 방안 생성부(140) 및 유지보수 실행부(150)를 포함한다.
건전도 생성부(110)는 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 이용하여 변전소 기기 별 건전도를 생성한다. 이때, 변전소 기기 별 상태 데이터와 실시간 모니터링 정보는 변전소 기기 별 온라인 감시 상태 데이터, 변전소 기기 별 오프라인 감시 상태 데이터 및 원격 감시 데이터를 포함한다. 상기의 오프라인 감시 상태 데이터는 변전소 기기 별 설치 이력, 점검 이력, 고장 이력, 운영 환경 및 운전 이력 데이터 중 적어도 하나를 포함할 수 있다.
일 실시예에서, 건전도 생성부(110)는 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 기초로 변전소 기기 별 운영 환경, 절연물 열화, 전기적 위험도, 열적 위험도, 화학적 위험도 및 기계적 위험도, 기밀 성능, 절연 성능, 차단 성능 및 통전 성능에 따른 기술적 위험도 평가 총점 및 조치사항을 생성할 수 있다.
예를 들어, 건전도 생성부(110)는 변압기(TR)의 기준 신뢰도 모델의 정보를 이용하여 변압기(TR)의 운영 환경, 절연물 열화, 전기적 위험도, 열적 위험도, 화학적 위험도 및 기계적 위험도에 따른 기술적 위험도 평가 총점 및 조치 사항을 생성할 수 있다.
다른 예를 들어, 건전도 생성부(110)는 가스절연개폐장치(GIS)의 기준 신뢰도 모델의 정보를 이용하여 가스절연개폐장치(GIS)의 운전 이력 데이터, 기밀 성능, 절연 성능, 차단 성능 및 통전 성능을 이용하여 가스절연개폐장치(GIS)의 기술적 위험도 평가 총점 및 조치 사항을 생성할 수 있다.
기준 신뢰도 모델 관리부(120)는 변전소 기종별 기준 신뢰도 모델과 변전소 기기 별 건전도를 기초로 하여 변전소 기종별 기준 신뢰도 모델의 보상 여부를 판단한다.
상술한 바와 같이, 본 발명에서는 변전소 기종별 기준 신뢰도 모델을 산출하기 위해서, 상기 전력 설비 기본 정보 및 고장 이력 정보를 토대로 고장 데이터를 추출하고, 평균절대이탈도(MAD, Mean Absolute Deviation)가 최소가 되는 최적 기준 시점을 구하여 최적 기준 시점 전후로 고장 데이터를 2개의 데이터 세트로 구분하며, 각 데이터 세트에 대해서 카플란 마이어 기법으로 비모수 신뢰도를 계산하고 와이블 누적분포함수 선형 변환을 통해 신뢰도 모델을 생성한 후, 최소제곱법(Least Square Estimation Method)으로 신뢰도 모델의 형상모수(m)와 척도모수(η)를 추정하고, 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출함으로써 산출한다.
기준 신뢰도 모델 관리부(120)는 변전소 기기 별 건전도가 변전소 기종별 기준 신뢰도 모델의 신뢰도와 동일하면 현재 사용되는 변전소 기종별 기준 신뢰도 모델이 최적화된 기준 신뢰도 모델이라고 판단하여 변전소 기종별 기준 신뢰도 모델에 대한 보상을 실행하지 않는다.
또한, 기준 신뢰도 모델 관리부(120)는 변전소 기기 별 건전도가 변전소 기종별 기준 신뢰도 모델의 신뢰도와 상이하면, 변전소 기종별 기준 신뢰도 모델에 대한 보상을 실행하여 변전소 기기 별 고유 신뢰도 모델을 생성한다.
즉, 기준 신뢰도 모델 관리부(120)는 변전소 기기 별 건전도가 변전소 기종별 기준 신뢰도 모델의 신뢰도와 상이하면 현재 사용된 변전소 기종별 기준 신뢰도 모델이 최적화된 기준 신뢰도 모델이 아니라고 판단하여 변전소 기기 별 건전도를 이용하여 변전소 기종별 기준 신뢰도 모델에 대한 보상을 실행하여 변전소 기기 별 고유 신뢰도 모델을 생성하는 것이다.
상기와 같이, 본 발명에서는 변전소 기종별 기준 신뢰도 모델을 계속 이용하는 것이 아니라 변전소 기종별 기준 신뢰도 모델을 변전소 기기 별 건전도에 따라 보상함으로써 변전소 기기 별 고유 신뢰도 모델을 최적화할 수 있다.
계통 신뢰도 지수 및 경제성 평가부(130)는 특정 우선순위에 따라 유지보수 대상 후보 기기를 설정한 후, 유지보수 대상 후보 기기에 대해서 미리 생성된 기준 계통 신뢰도 모델을 기초로 유지보수 시나리오별 계통 신뢰도 지수 및 경제성 평가를 수행한다.
일 실시예에서, 계통 신뢰도 지수 및 경제성 평가부(130)는 미리 생성된 기준 계통 신뢰도 모델에 고장률, 고장 복구 시간, 부하점 별 부하량, 정비 비용, 복구 비용, 유지보수 비용 목표 값, 이자율, 설비 민감도 및 변전소 기기의 상하 관계 정보를 적용하여, 정전 피해 비용, 공급지장 전력량, 설비별 민감도(즉, 경제적 측면, 신뢰도 측면), 경제성 분석 결과(즉, 현재 가치, 미래 가치)를 생성하여 계통 신뢰도 지수 및 경제성 평가를 수행한다.
유지보수 방안 생성부(140)는 변전소 기기 별 건전도, 변전소 기종별 기준 신뢰도 모델, 및 계통 신뢰도 지수 및 경제성 평가의 결과에 따라 유지보수 대상 후보 기기 별 유지보수 시나리오를 선정한다.
이때, 유지보수 방안 생성부(140)는 먼저, 변전소에 대하여 신뢰도 기준을 충족하지 못하는 시점, 즉 차기 유지보수가 필요한 시점을 도출하며, 차기 유지보수가 필요한 시점은 기기별 고유 신뢰도 모델을 토대로 평가된 변전소 신뢰도 지수를 산출하여 신뢰도 임계값을 만족하지 못하는 미래의 시점을 산출함으로써 도출할 수 있다. 유지보수 방안 생성부(140)는 이와 같이 도출된 차기 유지보수 필요시점을 토대로 유지보수 대상 기기별 유지보수 스케줄링 및 견적을 산출할 수 있다.
일 실시예에서, 유지보수 방안 생성부(140)는 유지보수 시나리오별 신뢰도 평가 출력 값, 기술적 평가 출력 값, 경제성 평가 출력 값 및 유지보수 점검 별 비용 항목에 따라서, 변전소 기기 별 유지보수 전략 방법, 비용, 우선순위, 기기 별 점검 주기, 예상 비용, 점검 스케줄링, 유지보수 효과 추정, 기기 별 예상 교체 시점을 포함하는 유지보수 대상 후보 기기 별 유지보수 시나리오를 도출 및 선정한다.
다른 일 실시예에서, 유지보수 방안 생성부(140)는 건전도 생성부(110)에 의해 생성된 변전소 기기 별 건전도 및 기준 신뢰도 모델 관리부(120)에 의해 생성된 변전소 기종별 기준 신뢰도 모델을 조합하여 생성된 제1 결과 정보, 건전도 생성부(110)에 의해 생성된 변전소 기기 별 건전도 및 계통 신뢰도 지수 및 경제성 평가부(130)에 의해 생성된 계통 신뢰도 지수 및 경제성 평가의 결과를 조합하여 생성된 제2 결과 정보, 및 제2 결과 정보와 유지보수 방안 생성부(140)에 의해 생성된 유지보수 방안을 조합한 제3 결과 정보에 따른 비용 측면 유지보수 시나리오, 신뢰도 측면 유지보수 시나리오, 및 최적 점검과 교체 계획을 생성한다.
유지보수 실행부(150)에서는 유지보수 방안 생성부(140)에서 선정된 유지보수 대상 기기 별 유지보수 시나리오에 따른 유지보수의 수행 여부를 확인하고, 유지보수 수행 결과에 따라 변전소 기기 별 고유 신뢰도 모델을 갱신한다.
도 4는 본 발명의 일 실시예에 따른 변전소 기종별 기준 신뢰도 모델의 보상 여부 판단 과정을 설명하기 위한 그래프이다.
도 4를 참조하면, 변전소 자산 관리 장치(100)는 변전소 기종별 기준 신뢰도 모델의 신뢰도(310) 및 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 기초로 생성된 변전소 기기 별 건전도에 따른 신뢰도(320, 330)를 비교하여 변전소 기종별 기준 신뢰도 모델의 보상 여부를 판단한다. 여기서, 변전소 기종별 기준 신뢰도 모델은 상술한 바와 같이 변전소 기기 별 설치/점검 이력 데이터, 노후 철거품 분석 데이터, 가속수명시험 데이터 등을 토대로 생성된 변전소 기종별 기준 신뢰도 모델이다.
여기서, 도면부호 320은 변전소 기기 별 건전도에 따른 신뢰도가 변전소 기종별 기준 신뢰도 모델의 신뢰도(310) 보다 높은 상태를 나타내며, 도면부호 330은 변전소 기기 별 건전도에 따른 신뢰도가 변전소 기종별 기준 신뢰도 모델의 신뢰도(310) 보다 낮은 상태를 나타낸 것이다.
일 실시예에서, 변전소 자산 관리 장치(100)는 변전소 기종별 기준 신뢰도 모델의 신뢰도(310) 및 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 기초로 생성된 변전소 기기 별 건전도에 따른 신뢰도(320, 330)가 상이하면, 변전소 기종별 기준 신뢰도 모델에 대한 보상을 실행하여 변전소 기기 별 고유 신뢰도 모델을 산출한다.
즉, 변전소 자산 관리 장치(100)는 변전소 기기 별 건전도에 따른 신뢰도(320, 330)가 변전소 기종별 기준 신뢰도 모델의 신뢰도(310)와 상이하면, 현재 사용된 변전소 기종별 기준 신뢰도 모델이 최적화된 기준 신뢰도 모델이 아니라고 판단하여 변전소 기기 별 건전도를 이용하여 변전소 기종별 기준 신뢰도 모델에 대한 보상을 실행하여 변전소 기기 별 고유 신뢰도 모델을 산출하는 것이다.
한편, 변전소 자산 관리 장치(100)는 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 기초로 생성된 변전소 기기 별 건전도에 따른 신뢰도가 변전소 기종별 기준 신뢰도 모델(310)과 겹치게 되게 되면 현재 사용되는 변전소 기종별 기준 신뢰도 모델이 최적화된 기준 신뢰도 모델이라고 판단하여 변전소 기종별 기준 신뢰도 모델에 대한 보상을 실행하지 않는 것이다.
본 발명에서는, 상기와 같은 변전소 기종별 기준 신뢰도 모델을 보상하는 과정을 통해 변전소 기기 별 최적화된 고유 신뢰도 모델을 도출할 수 있다.
도 5는 본 발명의 일 실시예에 따른 변전소 기기 별 유지보수 시나리오에 따른 신뢰도 변화를 설명하기 위한 그래프이다.
일 실시예로서, 유지보수 방식에 따른 신뢰도 향상 기준을 달리 설정할 수 있으며, 유지보수 방식이 기기 교체의 경우 100%, 정밀점검은 30%, 보통점검은 15%로 설정할 수 있지만, 실제 유지보수 수행 이력에 따라 정밀점검 및 보통점검의 유지보수에 따른 신뢰도는 달리 설정될 수 있다.
도 5에서, 유지보수 전략 A는 기기 교체를 포함하는 유지보수 시나리오로서 신뢰도 향상의 폭이 가장 큰 것을 알 수 있으며, 유지보수 전략 B는 정밀점검을 중심으로 하는 유지보수 시나리오로서 신뢰도 향상의 폭은 중간 정도이다.
한편, 유지보수 전략 C는 보통점검 위주의 유지보수 시나리오를 적용한 경우로서 신뢰도 향상의 폭이 가장 작음을 알 수 있다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.
100: 변전소 자산 관리 장치
110: 건전도 생성부
120: 기준 신뢰도 모델 관리부
130: 계통 신뢰도 지수 및 경제성 평가부
140: 유지보수 방안 생성부
150: 유지보수 실행부

Claims (13)

  1. 변전소의 자산 관리 방법에 있어서,
    기준 신뢰도 모델 관리부에서, 변전소 기종 별 기준 신뢰도 모델의 신뢰도 및 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 기초로 건전도 생성부에서 생성된 변전소 기기 별 건전도를 비교하여, 변전소 기기 별 신뢰도 모델의 보상 여부를 판단하는 단계;
    기준 신뢰도 모델 관리부에서, 상기 판단 결과에 따라 상기 변전소 기기 별 건전도를 이용하여 상기 변전소 기종 별 기준 신뢰도 모델을 보상하고 변전소 기기 별 고유 신뢰도 모델을 생성하는 단계;
    계통 신뢰도 지수 및 경제성 평가부에서, 상기 변전소 기기 중 유지보수 대상 후보 기기에 대해서 미리 생성된 기준 계통 신뢰도 모델을 기초로 유지보수 시나리오 별 계통 신뢰도 지수 및 경제성 평가를 수행하는 단계;
    상기 변전소 기기 별 건전도, 상기 변전소 기기 별 고유 신뢰도 모델, 상기 계통 신뢰도 지수 및 경제성 평가의 결과에 따라 유지보수 실행부에서 상기 유지보수 대상 후보 기기 별 유지보수 시나리오를 선정한 후 유지보수의 실행 여부를 확인하여, 기준 신뢰도 모델 관리부에서 상기 유지보수의 수행 결과에 따라 상기 변전소 기기 별 고유 신뢰도 모델을 갱신하는 단계;를 포함하고,
    상기 변전소 기기 별 건전도에 따른 신뢰도가 상기 변전소 기종 별 기준 신뢰도 모델의 신뢰도와 상이하면, 상기 변전소 기기별 건전도에 따라 상기 변전소 기종 별 기준 신뢰도 모델에 대한 보상을 실행하고,
    상기 변전소 기종 별 기준 신뢰도 모델은 전력설비 기본정보 및 고장이력 정보를 토대로 생성하고,
    상기 변전소 기종 별 기준 신뢰도 모델은,
    상기 전력 설비 기본 정보 및 고장 이력 정보를 토대로 고장 데이터를 추출하고, 최적 기준 시점 전후로 상기 고장 데이터를 분할하며, 각 데이터 세트에 대해서 신뢰도 모델을 생성하고 형상모수와 척도모수를 추정한 후, 상기 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출함으로써 생성되고,
    상기 최적 기준 시점은,
    평균절대이탈도(MAD, Mean Absolute Deviation)가 최소가 되는 시점이며,
    상기 평균절대이탈도(MAD, Mean Absolute Deviation)는,
    비모수 신뢰도(R*(t))와, 임의의 분할 시점 전후의 각 데이터 세트에 대한 신뢰도 모델을 합성한 혼합 모델(Rmix(t))과의 차이값의 절대값을 적분한 값인 것을 특징으로 하는
    변전소의 자산 관리 방법.
  2. 변전소의 자산 관리 방법에 있어서,
    기준 신뢰도 모델 관리부에서, 변전소 기종 별 기준 신뢰도 모델의 신뢰도 및 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 기초로 건전도 생성부에서 생성된 변전소 기기 별 건전도를 비교하여, 변전소 기기 별 신뢰도 모델의 보상 여부를 판단하는 단계;
    기준 신뢰도 모델 관리부에서, 상기 판단 결과에 따라 상기 변전소 기기 별 건전도를 이용하여 상기 변전소 기종 별 기준 신뢰도 모델을 보상하고 변전소 기기 별 고유 신뢰도 모델을 생성하는 단계;
    계통 신뢰도 지수 및 경제성 평가부에서, 상기 변전소 기기 중 유지보수 대상 후보 기기에 대해서 미리 생성된 기준 계통 신뢰도 모델을 기초로 유지보수 시나리오 별 계통 신뢰도 지수 및 경제성 평가를 수행하는 단계;
    상기 변전소 기기 별 건전도, 상기 변전소 기기 별 고유 신뢰도 모델, 상기 계통 신뢰도 지수 및 경제성 평가의 결과에 따라 유지보수 실행부에서 상기 유지보수 대상 후보 기기 별 유지보수 시나리오를 선정한 후 유지보수의 실행 여부를 확인하여, 기준 신뢰도 모델 관리부에서 상기 유지보수의 수행 결과에 따라 상기 변전소 기기 별 고유 신뢰도 모델을 갱신하는 단계;를 포함하고,
    상기 변전소 기기 별 건전도에 따른 신뢰도가 상기 변전소 기종 별 기준 신뢰도 모델의 신뢰도와 상이하면, 상기 변전소 기기별 건전도에 따라 상기 변전소 기종 별 기준 신뢰도 모델에 대한 보상을 실행하고,
    상기 변전소 기종 별 기준 신뢰도 모델은 전력설비 기본정보 및 고장이력 정보를 토대로 생성되고,
    상기 변전소 기종 별 기준 신뢰도 모델은,
    상기 전력 설비 기본 정보 및 고장 이력 정보를 토대로 고장 데이터를 추출하고, 최적 기준 시점을 구하여 최적 기준 시점 전후로 상기 고장 데이터를 데이터 세트로 구분하며, 각 데이터 세트에 대해서 비모수 신뢰도를 계산하고 신뢰도 모델을 생성한 후, 각 데이터 세트의 신뢰도 모델의 형상모수와 척도모수를 추정하고, 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출함으로써 산출되고,
    상기 최적 기준 시점은,
    평균절대이탈도(MAD, Mean Absolute Deviation)가 최소가 되는 시점이며,
    상기 평균절대이탈도(MAD, Mean Absolute Deviation)는,
    비모수 신뢰도(R*(t))와, 임의의 분할 시점 전후의 각 데이터 세트에 대한 신뢰도 모델을 합성한 혼합 모델(Rmix(t))과의 차이값의 절대값을 적분한 값인 것을 특징으로 하는
    변전소의 자산 관리 방법.
  3. 변전소의 자산 관리 방법에 있어서,
    기준 신뢰도 모델 관리부에서, 변전소 기종 별 기준 신뢰도 모델의 신뢰도 및 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 기초로 건전도 생성부에서 생성된 변전소 기기 별 건전도를 비교하여, 변전소 기기 별 신뢰도 모델의 보상 여부를 판단하는 단계;
    기준 신뢰도 모델 관리부에서, 상기 판단 결과에 따라 상기 변전소 기기 별 건전도를 이용하여 상기 변전소 기종 별 기준 신뢰도 모델을 보상하고 변전소 기기 별 고유 신뢰도 모델을 생성하는 단계;
    계통 신뢰도 지수 및 경제성 평가부에서, 상기 변전소 기기 중 유지보수 대상 후보 기기에 대해서 미리 생성된 기준 계통 신뢰도 모델을 기초로 유지보수 시나리오 별 계통 신뢰도 지수 및 경제성 평가를 수행하는 단계;
    상기 변전소 기기 별 건전도, 상기 변전소 기기 별 고유 신뢰도 모델, 상기 계통 신뢰도 지수 및 경제성 평가의 결과에 따라 유지보수 실행부에서 상기 유지보수 대상 후보 기기 별 유지보수 시나리오를 선정한 후 유지보수의 실행 여부를 확인하여, 기준 신뢰도 모델 관리부에서 상기 유지보수의 수행 결과에 따라 상기 변전소 기기 별 고유 신뢰도 모델을 갱신하는 단계;를 포함하고,
    상기 변전소 기기 별 건전도에 따른 신뢰도가 상기 변전소 기종 별 기준 신뢰도 모델의 신뢰도와 상이하면, 상기 변전소 기기별 건전도에 따라 상기 변전소 기종 별 기준 신뢰도 모델에 대한 보상을 실행하고,
    상기 변전소 기종 별 기준 신뢰도 모델은 전력설비 기본정보 및 고장이력 정보를 토대로 생성되고,
    상기 변전소 기종 별 기준 신뢰도 모델은,
    상기 전력 설비 기본 정보 및 고장 이력 정보를 토대로 고장 데이터를 추출하고, 최적 기준 시점 전후로 상기 고장 데이터를 분할하며, 각 데이터 세트에 대해서 신뢰도 모델을 생성하고 형상모수와 척도모수를 추정한 후, 상기 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출함으로써 생성되고,
    상기 변전소 기종 별 기준 신뢰도 모델은,
    상기 전력 설비 기본 정보 및 고장 이력 정보를 토대로 고장 데이터를 추출하고, 최적 기준 시점을 구하여 최적 기준 시점 전후로 상기 고장 데이터를 데이터 세트로 구분하며, 각 데이터 세트에 대해서 비모수 신뢰도를 계산하고 신뢰도 모델을 생성한 후, 각 세트의 신뢰도 모델의 형상모수와 척도모수를 추정하고, 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출함으로써 산출되고,
    상기 최적 기준 시점은,
    평균절대이탈도(MAD, Mean Absolute Deviation)가 최소가 되는 시점이며,
    상기 평균절대이탈도(MAD, Mean Absolute Deviation)는,
    비모수 신뢰도(R*(t))와, 임의의 분할 시점 전후의 각 데이터 세트에 대한 신뢰도 모델을 합성한 혼합 모델(Rmix(t))과의 차이값의 절대값을 적분한 값인 것을 특징으로 하는
    변전소의 자산 관리 방법.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 이용하여 변전소 기기 별 건전도를 생성하는 단계는
    변전소 기기 별 온라인 감시 상태 데이터, 변전소 기기 별 오프라인 감시 상태 데이터, 및 원격 감시 데이터를 이용하여 상기 변전소 기기 별 건전도를 생성하는 단계를 포함하고,
    상기 오프라인 감시 상태 데이터는
    변전소 기기 별 설치 이력, 점검 이력, 고장 이력, 운영 환경 및 운전 이력 데이터 중 적어도 하나를 포함하는 것을 특징으로 하는
    변전소의 자산 관리 방법.
  5. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 이용하여 변전소 기기 별 건전도를 생성하는 단계는
    변전소 기기 별 운영 환경, 절연물 열화, 전기적 위험도, 열적 위험도, 화학적 위험도 및 기계적 위험도, 기밀 성능, 절연 성능, 차단 성능 및 통전 성능에 따른 기술적 위험도 평가 총점 및 조치사항을 생성하는 단계를 포함하는 것을 특징으로 하는
    변전소의 자산 관리 방법.
  6. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 판단 결과에 따라 상기 변전소 기기 별 건전도를 이용하여 상기 변전소 기종 별 기준 신뢰도 모델을 보상하고 변전소 기기 별 고유 신뢰도 모델을 생성하는 단계는
    상기 변전소 기종 별 기준 신뢰도 모델의 신뢰도 및 상기 변전소 기기 별 건전도가 상이하면, 상기 변전소 기종 별 기준 신뢰도 모델에 상기 변전소 기기 별 건전도를 적용하여 상기 변전소 기종 별 기준 신뢰도 모델을 보상하고 상기 변전소 기기 별 고유 신뢰도 모델을 생성하는 단계를 포함하는 것을 특징으로 하는
    변전소의 자산 관리 방법.
  7. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 변전소 기기 중 유지보수 대상 후보 기기에 대해서 미리 생성된 기준 계통 신뢰도 모델을 기초로 유지보수 시나리오 별 계통 신뢰도 지수 및 경제성 평가를 수행하는 단계는
    상기 기준 계통 신뢰도 모델에 고장률, 고장 복구 시간, 부하점 별 부하량, 정비 비용, 복구 비용, 유지보수 비용 목표 값, 이자율, 설비 민감도 및 변전소 기기의 상하 관계 정보를 적용하여 정전 피해 비용, 공급지장 전력량, 설비별 민감도, 현재 가치 및 미래 가치를 평가하는 단계를 더 포함하는 것을 특징으로 하는
    변전소의 자산 관리 방법.
  8. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 변전소 기기 별 건전도, 상기 변전소 기기 별 고유 신뢰도 모델, 상기 계통 신뢰도 지수 및 경제성 평가의 결과에 따라 상기 유지보수 대상 후보 기기 별 유지보수 시나리오를 선정하는 것은,
    상기 유지보수 시나리오 별 신뢰도 평가 출력 값, 기술적 평가 출력 값, 경제성 평가 출력 값 및 유지보수 점검 별 비용 항목에 따라 변전소 기기 별 유지보수 전략 방법, 비용, 우선 순위, 기기 별 점검 주기, 예상 비용, 점검 스케줄링, 유지보수 효과 추정, 기기 별 예상 교체 시점을 포함하는 유지보수 대상 후보 기기 별 유지보수 시나리오를 도출 및 견적을 산출하는 단계를 포함하는 것을 특징으로 하는
    변전소의 자산 관리 방법.
  9. 제8항에 있어서,
    상기 유지보수의 수행 결과에 따라 상기 변전소 기기 별 고유 신뢰도 모델을 갱신하는 단계는
    상기 유지보수의 수행 결과에 따른 개선 효과를 적용하여 상기 변전소 기기 별 고유 신뢰도 모델을 갱신하는 것을 특징으로 하는
    변전소의 자산 관리 방법.
  10. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 변전소 기기 중 유지보수 대상 후보 기기에 대해서 미리 생성된 기준 계통 신뢰도 모델을 기초로 유지보수 시나리오 별 계통 신뢰도 지수 및 경제성 평가를 수행하는 단계는
    미리 결정된 우선 순위에 따라 상기 변전소 기기 중 유지보수 대상 후보 기기를 선정하는 단계를 포함하는 것을 특징으로 하는
    변전소의 자산 관리 방법.
  11. 제8항에 있어서,
    상기 변전소 기기별 고유 신뢰도 모델을 토대로 평가된 변전소 신뢰도 임계값 도달 시점을 평가하여 유지보수 대상 기기별 유지보수 스케줄링 및 견적을 산출하는 것을 특징으로 하는
    변전소의 자산 관리 방법.
  12. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 변전소 기종 별 기준 신뢰도 모델은,
    상기 전력 설비 기본 정보 및 고장 이력 정보를 토대로 고장 데이터를 추출하고, 최적 기준 시점을 구하여 최적 기준 시점 전후로 상기 고장 데이터를 데이터 세트로 구분하며, 각 데이터 세트에 대해서 카플란 마이어 기법으로 비모수 신뢰도를 계산하고 와이블 누적분포함수 선형 변환을 통해 신뢰도 모델을 생성한 후, 최소제곱법(Least Square Estimation Method)으로 신뢰도 모델의 형상모수와 척도모수를 추정하고, 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출함으로써 산출되는 것을 특징으로 하는
    변전소의 자산 관리 방법.
  13. 삭제
KR1020170055656A 2017-04-28 2017-04-28 변전소의 자산 관리 방법 KR101904868B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020170055656A KR101904868B1 (ko) 2017-04-28 2017-04-28 변전소의 자산 관리 방법
US16/607,925 US11507074B2 (en) 2017-04-28 2018-04-26 Method for asset management of substation
PCT/KR2018/004866 WO2018199656A1 (ko) 2017-04-28 2018-04-26 변전소의 자산 관리 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170055656A KR101904868B1 (ko) 2017-04-28 2017-04-28 변전소의 자산 관리 방법

Publications (1)

Publication Number Publication Date
KR101904868B1 true KR101904868B1 (ko) 2018-10-10

Family

ID=63876087

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170055656A KR101904868B1 (ko) 2017-04-28 2017-04-28 변전소의 자산 관리 방법

Country Status (3)

Country Link
US (1) US11507074B2 (ko)
KR (1) KR101904868B1 (ko)
WO (1) WO2018199656A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112966837A (zh) * 2021-02-05 2021-06-15 三峡大学 基于任务可靠度分析的变电站设备维护方法
WO2021145636A1 (ko) * 2020-01-16 2021-07-22 효성중공업 주식회사 변전소의 자산 관리 방법
US11507074B2 (en) 2017-04-28 2022-11-22 Hyosung Heavy Industries Corporation Method for asset management of substation

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109857581B (zh) * 2019-01-29 2021-05-14 山西大学 一种优化选择软件可靠性增长模型的方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101189780B1 (ko) * 2010-12-22 2012-10-10 한국철도기술연구원 신뢰성 분석기법을 이용한 철도차량 차륜 교체주기 예측장치 및 방법

Family Cites Families (56)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6799154B1 (en) * 2000-05-25 2004-09-28 General Electric Comapny System and method for predicting the timing of future service events of a product
EP1202142A1 (en) * 2000-10-25 2002-05-02 Abb Research Ltd. Maintenance planning system and method
JP2002297709A (ja) 2001-03-29 2002-10-11 Kansai Electric Power Co Inc:The 設備改修計画業務に対する支援方法および装置
US7797062B2 (en) 2001-08-10 2010-09-14 Rockwell Automation Technologies, Inc. System and method for dynamic multi-objective optimization of machine selection, integration and utilization
US6834256B2 (en) 2002-08-30 2004-12-21 General Electric Company Method and system for determining motor reliability
US7925472B2 (en) * 2005-05-19 2011-04-12 Rochester Institute Of Technology Methods for asset health management and systems thereof
KR100706544B1 (ko) 2005-07-29 2007-04-13 현대자동차주식회사 전산해석 신뢰도 분석방법
US7149659B1 (en) * 2005-08-03 2006-12-12 Standard Aero, Inc. System and method for performing reliability analysis
US7328128B2 (en) * 2006-02-22 2008-02-05 General Electric Company Method, system, and computer program product for performing prognosis and asset management services
EP1965281A1 (en) * 2007-03-02 2008-09-03 Abb Research Ltd. Dynamic maintenance plan for an industrial robot
WO2008143020A1 (ja) 2007-05-14 2008-11-27 Nec Corporation 固体高分子型燃料電池
KR20090001148A (ko) 2007-06-29 2009-01-08 삼성전자주식회사 가상 계측 시스템 및 가상 계측 방법
US7945427B2 (en) * 2008-04-18 2011-05-17 The Boeing Company Methods and systems for providing unanticipated demand predictions for maintenance
JP4991627B2 (ja) 2008-05-16 2012-08-01 株式会社日立製作所 計画執行管理装置およびそのプログラム
US8135550B2 (en) 2008-12-09 2012-03-13 Consolidated Edison Company Of New York, Inc. System for monitoring and assessing electrical circuits and method of operation
JP2010233421A (ja) 2009-03-30 2010-10-14 Mitsubishi Electric Corp 発電設備
KR20100129931A (ko) 2009-06-02 2010-12-10 한국철도기술연구원 최적의 목표신뢰도 설정 및 분배방법을 활용한 철도차량의 유지보수 시스템
EP2302477A1 (en) 2009-09-25 2011-03-30 ABB Research Ltd. Reliability calculation for substation automation systems
KR101044744B1 (ko) * 2009-09-28 2011-06-28 한국전력공사 신뢰도 기반 배전기자재 유지보수 시스템과 방법
KR101073092B1 (ko) 2009-12-29 2011-10-12 한국남동발전 주식회사 설비 고장 정비 시스템 및 설비 고장 정비 방법
JP2013538543A (ja) 2010-07-16 2013-10-10 ザ トラスティーズ オブ コロンビア ユニバーシティ イン ザ シティー オブ ニューヨーク 送電網用の機械学習
KR101212819B1 (ko) 2011-02-14 2012-12-18 학교법인 동의학원 구조물의 손상 및 균열 감지용 센서 위치 설정방법
KR101215800B1 (ko) 2011-05-17 2012-12-26 한국전력공사 개폐장치 건전도 평가 시스템 및 그 방법
KR101341248B1 (ko) 2012-03-27 2013-12-12 한국남동발전 주식회사 발전설비의 위험도 기반 정비 시스템
CN102723775A (zh) 2012-04-26 2012-10-10 上海市电力公司 一种智能变电站二次系统可靠性评估方法
FR2991788B1 (fr) * 2012-06-08 2023-03-24 Snecma Prevision d'operations de maintenance a appliquer sur un moteur
KR20130140237A (ko) 2012-06-14 2013-12-24 주식회사 파워이십일 배전 계통의 최적 신뢰도 평가 시스템 및 그 방법
JP5802619B2 (ja) 2012-07-06 2015-10-28 株式会社日立製作所 設備維持管理業務支援システム
KR101267429B1 (ko) 2012-08-20 2013-05-30 매크로이에스아이 주식회사 교체주기 분석장치
KR20140038265A (ko) 2012-09-20 2014-03-28 한국전력공사 고장관리장치 및 이의 고장관리방법
KR101420769B1 (ko) 2012-11-19 2014-07-21 (주)나다에스앤브이 공장 관리 지수를 이용한 공장 상태 관리 시스템
CN202931037U (zh) 2012-11-28 2013-05-08 天津市电力公司 智能变电站运行安全实时分析预警系统
WO2014118049A1 (en) 2013-02-01 2014-08-07 Tetra Laval Holdings & Finance S.A. A method for providing maintenance data
CN103259262B (zh) 2013-05-03 2015-07-22 国家电网公司 含大规模风电的电力系统的检修计划优化方法
CN103633739B (zh) 2013-11-28 2015-05-20 中国科学院广州能源研究所 一种微电网能量管理系统和方法
FR3023390B1 (fr) 2014-07-01 2018-04-20 Blue Solutions Procede et systeme de surveillance d'une installation de stockage d'energie, et installation equipee d'un tel systeme
KR101597993B1 (ko) 2014-11-13 2016-02-29 현대중공업 주식회사 에너지 저장 장치
KR102343967B1 (ko) * 2014-12-04 2021-12-28 삼성전자주식회사 배터리의 상태를 추정하는 방법 및 장치
CN104504246B (zh) 2014-12-05 2017-11-21 清华大学 基于环‑辐网解耦的可靠性快速评估算法
KR101683256B1 (ko) 2014-12-31 2016-12-07 주식회사 효성 전력 설비 자산 관리 시스템 및 방법
KR101683262B1 (ko) 2014-12-31 2016-12-21 주식회사 효성 전력 설비 관리 시스템 및 방법
JP6275070B2 (ja) 2015-03-10 2018-02-07 三菱電機ビルテクノサービス株式会社 設備点検順位設定装置及びプログラム
US10444747B2 (en) * 2015-03-26 2019-10-15 Cummins Power Generation Ip, Inc. Blended service schedule for a power generator
CN104715294A (zh) 2015-04-02 2015-06-17 国家电网公司 一种配电网规划方案评价数据处理系统
KR102424528B1 (ko) * 2015-06-11 2022-07-25 삼성전자주식회사 배터리의 상태를 추정하는 장치 및 방법
CN104950759A (zh) 2015-06-17 2015-09-30 国网山东东平县供电公司 智能变电站在线监测维护系统
CN105023104A (zh) 2015-07-20 2015-11-04 国网天津市电力公司 基于事件记录的变电站二次设备可靠性管理系统及方法
KR102574257B1 (ko) * 2015-10-30 2023-09-01 삼성전자주식회사 Soh 추정 장치 및 방법과, soh 추정 모델 생성 장치 및 방법
CN105514991A (zh) 2015-12-08 2016-04-20 华北电力科学研究院有限责任公司 新能源电站发电设备健康状态确定方法及装置
CN105471656B (zh) 2015-12-10 2018-11-20 国家电网公司 一种针对智能变电站自动化系统运维信息模型的抽象方法
CN105809322B (zh) 2016-02-22 2019-12-06 国网冀北电力有限公司 综合考虑发电、输电和配电系统的城市电网可靠性评估方法
CN106373028B (zh) 2016-08-29 2021-02-19 杭州勤兴电控设备有限责任公司 一种电力维修系统
KR101943438B1 (ko) 2016-12-28 2019-01-29 효성중공업 주식회사 전력설비의 자산관리 방법
KR101943423B1 (ko) 2016-12-28 2019-01-29 효성중공업 주식회사 변전소의 자산 관리 방법
KR101904868B1 (ko) 2017-04-28 2018-10-10 효성중공업 주식회사 변전소의 자산 관리 방법
KR102399602B1 (ko) * 2017-08-17 2022-05-18 삼성전자주식회사 배터리 상태 추정 방법 및 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101189780B1 (ko) * 2010-12-22 2012-10-10 한국철도기술연구원 신뢰성 분석기법을 이용한 철도차량 차륜 교체주기 예측장치 및 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11507074B2 (en) 2017-04-28 2022-11-22 Hyosung Heavy Industries Corporation Method for asset management of substation
WO2021145636A1 (ko) * 2020-01-16 2021-07-22 효성중공업 주식회사 변전소의 자산 관리 방법
KR20210092631A (ko) * 2020-01-16 2021-07-26 효성중공업 주식회사 변전소의 자산 관리 방법
KR102417006B1 (ko) * 2020-01-16 2022-07-05 효성중공업 주식회사 변전소의 자산 관리 방법
CN112966837A (zh) * 2021-02-05 2021-06-15 三峡大学 基于任务可靠度分析的变电站设备维护方法

Also Published As

Publication number Publication date
US20200096983A1 (en) 2020-03-26
WO2018199656A1 (ko) 2018-11-01
US11507074B2 (en) 2022-11-22

Similar Documents

Publication Publication Date Title
KR101943438B1 (ko) 전력설비의 자산관리 방법
KR101943410B1 (ko) 전력설비의 자산관리 방법
KR101904868B1 (ko) 변전소의 자산 관리 방법
KR101943455B1 (ko) 변전소 자산 관리 방법
US20190212391A1 (en) Method for monitoring a battery
CN101688892B (zh) 用于在时域中预测电力系统的状态的方法和设备
KR20140002796A (ko) 해저 측정 및 모니터링
US10355478B2 (en) System and method for asset health monitoring using multi-dimensional risk assessment
CN103718405B (zh) 接地故障保护
Catterson et al. Prognostics of transformer paper insulation using statistical particle filtering of on-line data
KR102067831B1 (ko) 전력계통 신뢰도 지수를 토대로 한 변전소 자산 관리 방법 및 장치
KR101943423B1 (ko) 변전소의 자산 관리 방법
US20190340708A1 (en) Method for the usage planning of an electrical system for supplying energy
US20190391609A1 (en) Power system stabilization device and power system stabilization method
JP2018147234A (ja) 保守計画作成装置および方法
CN112801533B (zh) 一种考虑决策依赖不确定的电力系统运行可靠性评估方法
KR102309979B1 (ko) 전력설비의 자산관리 방법
KR102056101B1 (ko) 발전 계통과 송전 계통 통합 감시/분석 시스템
US20230038461A1 (en) Asset management method for substation
JP4203030B2 (ja) 電力系統の脱調分離方法及び装置
EP3338188B1 (en) Method for determining a mean time to failure of an electrical device
US20110022894A1 (en) Method and system for determining an individual failure rate for the evaluation of an individual complex technical operating equipment
Ridwan et al. Application of life data analysis for the reliability assessment of numerical overcurrent relays
JP4160535B2 (ja) 電力系統安定化装置および電力系統安定化処理プログラム
Koziel et al. Profitable sensor network design in the distribution grid

Legal Events

Date Code Title Description
GRNT Written decision to grant