KR102020365B1 - 빅데이터 기반의 배전설비 고장 예측 장치 및 그 방법 - Google Patents

빅데이터 기반의 배전설비 고장 예측 장치 및 그 방법 Download PDF

Info

Publication number
KR102020365B1
KR102020365B1 KR1020170174763A KR20170174763A KR102020365B1 KR 102020365 B1 KR102020365 B1 KR 102020365B1 KR 1020170174763 A KR1020170174763 A KR 1020170174763A KR 20170174763 A KR20170174763 A KR 20170174763A KR 102020365 B1 KR102020365 B1 KR 102020365B1
Authority
KR
South Korea
Prior art keywords
data
analysis
fault
failure
big data
Prior art date
Application number
KR1020170174763A
Other languages
English (en)
Other versions
KR20190084147A (ko
Inventor
석광수
Original Assignee
한국전력공사
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 한국전력공사 filed Critical 한국전력공사
Priority to KR1020170174763A priority Critical patent/KR102020365B1/ko
Publication of KR20190084147A publication Critical patent/KR20190084147A/ko
Application granted granted Critical
Publication of KR102020365B1 publication Critical patent/KR102020365B1/ko

Links

Images

Classifications

    • 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
    • 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
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
    • 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
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/088—Aspects of digital computing
    • 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
    • Y04S10/52—Outage or fault management, e.g. fault detection or location

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

본 발명은 빅데이터 기반의 배전설비 고장 예측 장치 및 그 방법에 관한 것으로, 본 발명의 일실시예에 따른 빅데이터 기반의 배전설비 고장 예측 장치는, 배전지능화 시스템으로부터 고장 데이터를 수집하여 체계적으로 정리된 수집 데이터를 저장 및 관리하기 위한 데이터 수집부; 빅데이터 분석 기술을 적용하여 상기 수집 데이터에 대해 고장전류 범위에 따라 최다 고장설비와 고장위치가 분석 및 예측된 분석 데이터를 생성하기 위한 분석 위한 데이터 분석 및 예측부; 및 사용자에 의해 설정된 검색조건에 따라 상기 분석 데이터로부터 고장정보를 추출하여 제공하기 위한 고장정보 추출부;를 포함한다.

Description

빅데이터 기반의 배전설비 고장 예측 장치 및 그 방법{APPARATUS AND METHOD FOR PREDICTING DISTRIBUTION EQUIPMENT FAULT BASED ON BIGDATA}
본 발명은 빅데이터 기반의 배전설비 고장 예측 장치 및 그 방법에 관한 것으로서, 보다 상세하게는, 배전지능화 시스템으로부터 수집된 데이터들에 대한 빅데이터 분석 기술을 적용하여 고장정보(고장설비 또는 고장위치)를 미리 예측하여 사용자 단말기로 제공함으로써, 고장점 발생시간 및 정전시간을 단축하기 위한, 빅데이터 기반의 배전설비 고장 예측 장치 및 그 방법에 관한 것이다.
일반적으로, 배전설비는 치명적인 손상을 주는 돌발 고장과 예기치 못한 고장으로 인해 각 수용가에 전력 공급이 끊어질 경우 심각한 위험을 초래할 수 있기 때문에 안정적이고 연속적으로 전력 공급을 위해 고장설비를 미리 예측하기 위한 연구가 개발되고 있다.
기존에는 배전설비(또는 배전선로)의 고장발생시 고장점 확인을 위해 고장구간 전체에 대해 현장 순시를 시행하고 있는 실정이다. 이와 같은 현장 순시 방식은 사용자가 고장구간 전체에 대해 현장 순시를 시행하므로 물리적인 이동시간이 많이 필요하다. 특히, 사용자는 야간이거나 악천후 등의 작업 환경에 따라 고장점을 확인하는 시간도 상당히 오래 걸릴 수 있다.
이러한 현장 순시 방식은 배전설비 복구 시간 자체가 오래걸릴 수 밖에 없기 때문에 정전시간이 길어져 각 수용가의 불편함을 빠른 시간 내에 처리하는데 한계가 있다.
또한, 기존에는 배전선로의 고장을 감지하는 감지기를 설치한 후, 감지기의 위치를 확인하여 배전선로에 발생한 고장을 신속히 감지하는 배전지능화 시스템을 도입하여 운영하고 있다. 이러한 배전지능화 시스템은 배전선로 운영의 효율성을 극대화시키기 위해, 배전선로 고장발생시 이를 즉시 인지하여 조치를 취하기 위한 시스템이다.
그런데, 배전지능화 시스템은 배전선로의 고장점을 신속하게 감지하여 정전 상태를 사용자에게 알려주는 기능을 수행할 수 있지만, 배전선로의 고장과 관련된 수집데이터를 활용하여 고장설비 또는 고장위치를 미리 예측함으로써 집중적으로 관리할 고장설비 또는 고장위치를 선별하는 기능을 제공하지 않는다.
더욱이, 배전지능화 시스템은 배전선로에 균일하게 감지기를 설치하기 때문에, 세밀한 구간으로 나누어 고장감지를 위해 보다 많은 감지기를 설치해야 한다. 즉, 배전지능화 시스템은 고장 감지의 정밀도를 높이기 위해 감지기 설치 비용 등이 상승할 수 밖에 없다.
이에 따라, 배전지능화 시스템은 주로 발생되는 고장설비 또는 고장위치 등을 사전에 예측하여 집중 고장 감지 구간을 선별적으로 적용하여 고장 감지의 정밀도를 유지하면서 비용을 절감하고 고장점 발생시간을 단축하는 방안이 마련될 필요가 있다.
대한민국 공개특허공보 제10-2011-0022904호
본 발명의 목적은 배전지능화 시스템으로부터 수집된 데이터들에 대한 빅데이터 분석 기술을 적용하여 고장정보(고장설비 또는 고장위치)를 미리 예측하여 사용자 단말기로 제공함으로써, 고장점 발생시간 및 정전시간을 단축하기 위한, 빅데이터 기반의 배전설비 고장 예측 장치 및 그 방법을 제공하는데 있다.
본 발명의 일실시예에 따른 빅데이터 기반의 배전설비 고장 예측 장치는, 배전지능화 시스템으로부터 고장 데이터를 수집하여 체계적으로 정리된 수집 데이터를 저장 및 관리하기 위한 데이터 수집부; 빅데이터 분석 기술을 적용하여 상기 수집 데이터에 대해 고장전류 범위에 따라 최다 고장설비와 고장위치가 분석 및 예측된 분석 데이터를 생성하기 위한 분석 위한 데이터 분석 및 예측부; 및 사용자에 의해 설정된 검색조건에 따라 상기 분석 데이터로부터 고장정보를 추출하여 제공하기 위한 고장정보 추출부;를 포함하고, 상기 데이터 분석 및 예측부는, 고장전류 범위에 따라 최다 고장설비를 추출하고, 임피던스 역산을 통해 고장위치를 예측하는 것일 수 있다.
일실시예에 의하면, 사용자 단말기에 연동하여 사용자의 접속 환경을 구현하기 위한 입/출력 인터페이스 기능을 제공함에 따라, 상기 사용자에 의해 설정된 검색조건의 설정 기능을 제공하기 위한 사용자 인터페이스부;를 더 포함할 수 있다.
일실시예에 의하면, 상기 수집 데이터와 상기 분석 데이터를 통합 관리하기 위한 데이터베이스;를 더 포함할 수 있다.
상기 데이터 분석 및 예측부는, 빅데이터 분석 기술을 적용하기 위해 빅데이터를 처리할 수 있는 빅데이터 플랫폼 환경 기반으로 빅데이터를 분석하는 것일 수 있다.
삭제
상기 데이터 분석 및 예측부는, 새로운 수집 데이터가 확인됨에 따라 갱신된 분석 데이터를 자동 생성하는 것일 수 있다.
한편, 본 발명의 일실시예에 따른 빅데이터 기반의 배전설비 고장 예측 방법은, 배전지능화 시스템으로부터 고장 데이터를 수집하여 체계적으로 정리된 수집 데이터를 저장 및 관리하는 단계; 빅데이터 분석 기술을 적용하여 상기 수집 데이터에 대해 고장전류 범위에 따라 최다 고장설비와 고장위치가 분석 및 예측된 분석 데이터를 생성하는 단계; 및 사용자에 의해 설정된 검색조건에 따라 상기 분석 데이터로부터 고장정보를 추출하여 제공하는 단계;를 포함하고, 상기 분석 및 예측된 분석 데이터를 생성하는 단계는, 고장전류 범위에 따라 최다 고장설비를 추출하고, 임피던스 역산을 통해 고장위치를 예측하여 상기 분석 데이터를 생성하는 것일 수 있다.
일실시예에 의하면, 상기 분석 및 예측된 분석 데이터를 생성하는 단계 이후에, 상기 사용자에 의해 설정된 검색조건을 확인하는 단계;를 더 포함할 수 있다.
삭제
일실시예에 의하면, 상기 분석 및 예측된 분석 데이터를 생성하는 단계 이후에, 새로운 수집 데이터가 확인됨에 따라 갱신된 분석 데이터를 자동 생성하는 단계;를 더 포함할 수 있다.
본 발명은 배전지능화 시스템으로부터 수집된 데이터들에 대한 빅데이터 분석 기술을 적용하여 고장정보(고장설비 또는 고장위치)를 미리 예측하여 사용자 단말기로 제공함으로써, 고장점 발생시간 및 정전시간을 단축할 수 있다.
또한, 본 발명은 데이터의 무결성이 확보가 되면 궁극적으로 즉각적인 고장개소 판단 및 분리를 동시 수행할 수 있다.
또한, 본 발명은 정전 시간 장기화에 따른 각 수요가의 불편을 최소화하고, 전기 품질을 향상할 수 있다.
도 1은 본 발명의 일실시예에 따른 빅데이터 기반의 배전설비 고장 예측 장치를 나타낸 도면,
도 2는 배전지능화 시스템을 통해 확인되는 고장전류를 나타낸 도면,
도 3은 본 발명의 일실시예에 따른 빅데이터 기반의 배전설비 고장 예측 방법을 나타낸 도면이다.
이하 본 발명의 바람직한 실시 예를 첨부한 도면을 참조하여 상세히 설명한다. 다만, 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 또한, 도면 전체에 걸쳐 동일한 구성 요소들은 가능한 한 동일한 도면 부호로 나타내고 있음에 유의하여야 한다.
이하에서 설명되는 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위한 용어로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.
따라서 본 명세서에 기재된 실시 예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시 예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.
첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 또는 개략적으로 도시되었으며, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다. 본 발명은 첨부한 도면에 그려진 상대적인 크기나 간격에 의해 제한되어지지 않는다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. "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.
또한, 명세서에서 사용되는 "부"라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부"는 어떤 역할들을 수행한다. 그렇지만 "부"는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부"는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부"는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부"들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부"들로 결합되거나 추가적인 구성요소들과 "부"들로 더 분리될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 설명한다.
도 1은 본 발명의 일실시예에 따른 빅데이터 기반의 배전설비 고장 예측 장치를 나타낸 도면이다.
도 1에 도시된 바와 같이, 본 발명의 일실시예에 따른 빅데이터 기반의 배전설비 고장 예측 장치(이하 '고장 예측 장치'라 함, 100)는, 배전지능화 시스템(10)으로부터 수집된 데이터들에 대한 빅데이터 분석 기술을 적용하여 고장정보(고장설비 또는 고장위치)를 미리 예측하여 사용자 단말기(20)로 제공함으로써, 고장점 발생시간 및 정전시간을 단축할 수 있다.
아울러, 배전지능화 시스템(10)은 배전선로 구간을 구분하는 지능화 개폐기로부터 배전설비의 고장과 관련된 데이터들(이하 '고장 데이터'라 함)을 수집하여 관리한다.
여기서, 고장 데이터는 고장유형(예, 지락 고장, 2선 단락, 3선 단락 등), 고장전류(즉, A/B/C/N상 고장전류), 고장설비(예, 현수애자, 변압기, 수목접촉 등), 분산형전원 연계구간, 구간별 임피던스, 선로정보(예, 선종, 경간 등) 등이 포함된다. 이때, 고장유형 및 고장설비에 따라 고장전류는 어느 정도 일정한 범위를 유지한다.
도 2를 참조하면, 배전지능화 시스템(10)은 배전선로의 고장전류(즉, A/B/C/N상 고장전류)를 수집하여 사용자에게 제공할 수 있다. 여기서, 지능화 개폐기(R,G)는 FI(Fault Indicator)를 통해 고장전류를 배전지능화 시스템(10)으로 알려준다. 도 2는 배전지능화 시스템을 통해 확인되는 고장전류를 나타낸 도면이다.
또한, 사용자 단말기(20)는 유무선 인터넷을 통해 고장 예측 장치(100)에 연결된다. 이러한 사용자 단말기(20)는 예를 들어, 데스크탑, 스마트폰, 노트북 등의 유무선 단말기로서, 고장 예측 장치(100)에 접속 및 연동을 위한 프로그램 또는 소프트웨어(즉, 애플리케이션)이 탑재되어 있다.
이하, 고장 예측 장치(100)의 각 구성요소에 대해 설명하기로 한다.
먼저, 고장 예측 장치(100)는 기존 데이터보다 방대하고, 기존 방법이나 도구로 수집, 저장, 분석 등이 어려운 정형 및 비정형 데이터들 즉, 빅데이터(bigdata)을 처리할 수 있는 빅데이터 플랫폼 환경(예, 하둡 플랫폼[hadoop platform] 등)이 구현되어 있다. 이에 따라, 고장 예측 장치(100)의 각 구성요소는 빅데이터 플랫폼 환경 기반으로 하여 빅데이터를 수집, 저장, 분석 및 관리할 수 있다.
고장 예측 장치(100)는 데이터 수집부(110), 데이터 분석 및 예측부(120), 고장정보 추출부(130), 사용자 인터페이스부(140), 데이터베이스(150)를 포함한다.
데이터 수집부(110)는 배전지능화 시스템(10)과 연동하여 배전지능화 시스템(10)으로부터 고장 데이터를 수집한다. 이때, 데이터 수집부(110)는 배전지능화 시스템(10)으로부터 수집된 고장 데이터를 용이하게 분석하기 위해 체계적으로 고장 데이터를 정리하여 데이터베이스(150)에 저장 및 관리한다. 즉, 데이터 수집부(110)는 고장 데이터를 수집한 다음, 목록 형태로 통합 및 저장하여 다른 구성요소들과 공용할 수 있는 데이터(이하 '수집 데이터'라 함)로 저장 및 관리한다. 여기서, 수집 데이터는 아래 표 1과 같이 체계적으로 정리된 목록 형태로 나타낼 수 있다.
고장유형 고장전류(A/B/C/N) 고장설비 기타
지락고장 1200/32/20/1100 현수애자 분산형전원 연계구간
2선 단락 420/392/80/200 변압기 구간별 임피던스
3선 단락 3200/2980/3120/8 수목접촉 선로정보(선종, 경간 등)
… … … …
데이터 분석 및 예측부(120)는 빅데이터 분석 기술을 적용하여 데이터 수집부(110)에 의해 수집 및 저장된 수집 데이터에 대해 배전선로의 고장전류를 기반으로 하여 분석 처리된 데이터(이하 '분석 데이터'라 함)를 생성하여 데이터베이스(150)에 저장한다. 이때, 데이터 분석 및 예측부(120)는 기존 분석 데이터를 데이터 분석 과정에 포함시킬 수 있다.
여기서, 빅데이터 분석 기술은 일반적으로 알려진 데이터 마이닝, 기계 학습, 자연 언어 처리, 패턴 인식 등일 수 있다. 이때, 데이터 분석 및 예측부(120)는 고장전류 범위(range)에 따라 최다 고장설비를 추출하고, 고장전류 범위에 따라 해당되는 임피던스 역산을 통해 고장위치를 예측한다. 이에 따라, 분석 데이터는 고장전류 범위에 따라 최다 고장설비와 고장위치 등이 포함된다. 여기서, 분석 데이터는 아래 표 2와 같이 체계적으로 정리된 목록 형태로 나타낼 수 있다.
고장전류 최다 고장설비 고장위치
∼500 LP(Line Post) 고장점 A
500∼1000 수목 고장점 B
1000∼1500 조류 고장점 C
… … …
또한, 데이터 분석 및 예측부(120)는 데이터베이스(150)에 새로운 수집 데이터가 축적될 때마다, 이를 토대로 갱신된 분석 데이터를 생성하여 데이터베이스(150)에 다시 저장한다. 이처럼, 데이터 분석 및 예측부(120)는 점차 분석 데이터를 세밀하게 관리하여 예측 정확도를 스스로 향상시킬 수 있게 된다.
고장정보 추출부(130)는 데이터 분석 및 예측부(120)에 의해 분석 처리된 분석 데이터로부터 사용자 인터페이스부(140)를 통해 사용자에 의해 설정된 검색 조건에 따라 분석 데이터를 추출한다. 이때, 고장정보 추출부(130)는 사용자에 의해 설정된 검색 조건에 따라 추출된 분석 데이터(이하 '고장정보'라 함)를 사용자 인터페이스부(140)를 통해 제공한다.
사용자 인터페이스부(140)는 사용자 단말기(20)에 연동하여 사용자의 접속 환경을 구현하기 위한 입/출력 인터페이스 기능을 제공한다. 즉, 사용자 인터페이스부(140)는 사용자 단말기(20)와 고장 예측 장치(100) 간에 상호 정보를 교환 가능한 작업 환경을 제공한다.
예를 들어, 사용자 인터페이스부(140)는 분산 데이터로부터 고장정보를 추출하기 위한 검색조건 설정 기능, 고장정보를 확인하기 위한 고장정보 확인 기능, 고장 예측 장치(100)에 대한 설정 및 관리를 위한 관리자 모드 기능 등을 제공할 수 있다.
또한, 사용자 인터페이스부(140)는 사용자 단말기(20)에 대한 접속에 앞서, 관리자 인증 절차를 통한 보안절차를 수행할 수 있다.
데이터베이스(150)는 데이터 수집부(110), 데이터 분석 및 예측부(120), 고장정보 추출부(130), 사용자 인터페이스부(140)에 의해 공유되어 사용되는 수집 데이터와 분석 데이터를 통합 관리한다. 이러한 데이터베이스(150)는 논리적으로 연관된 하나 이상의 수집 데이터와 분석 데이터들의 집합으로서, 고도로 구조화하여 검색과 갱신을 용이하게 한다.
도 3은 본 발명의 일실시예에 따른 빅데이터 기반의 배전설비 고장 예측 방법을 나타낸 도면이다.
도 3을 참조하면, 고장 예측 장치(100)는 배전지능화 시스템으로부터 고장 데이터를 수집하고, 수집된 고장 데이터가 정리된 수집 데이터를 저장 및 관리한다(S201).
이후, 고장 예측 장치(100)는 빅데이터 분석 기술을 이용하여 수집 데이터에 대해 고장전류 범위에 따라 최다 고장설비를 추출하고, 고장전류 범위에 따라 고장위치를 예측하여 분석 데이터를 생성한다(S202). 즉, 고장 예측 장치(100)는 고장전류 범위에 따라 최다 고장설비를 추출하고, 임피던스 역산을 통해 고장위치를 예측하여 분석 데이터를 생성한다.
이때, 고장 예측 장치(100)는 새로운 수집 데이터가 확인됨에 따라 갱신된 분석 데이터를 자동으로 생성할 수 있다.
그런 다음, 고장 예측 장치(100)는 사용자에 의해 설정된 검색조건에 따라 분석 데이터로부터 고장정보를 추출하여 제공한다(S203). 이때, 고장 예측 장치(100)는 사용자에 의해 설정된 검색조건을 확인한다.
일부 실시 예에 의한 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CDROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
비록 상기 설명이 다양한 실시예들에 적용되는 본 발명의 신규한 특징들에 초점을 맞추어 설명되었지만, 본 기술 분야에 숙달된 기술을 가진 사람은 본 발명의 범위를 벗어나지 않으면서도 상기 설명된 장치 및 방법의 형태 및 세부 사항에서 다양한 삭제, 대체, 및 변경이 가능함을 이해할 것이다. 따라서, 본 발명의 범위는 상기 설명에서보다는 첨부된 특허청구범위에 의해 정의된다. 특허청구범위의 균등 범위 안의 모든 변형은 본 발명의 범위에 포섭된다.
10 : 배전지능화 시스템 20 : 사용자 단말기
110 : 데이터 수집부 120 : 데이터 분석 및 예측부
130 : 고장정보 추출부 140 : 사용자 인터페이스부
150 : 데이터베이스

Claims (10)

  1. 배전지능화 시스템으로부터 고장 데이터를 수집하여 체계적으로 정리된 수집 데이터를 저장 및 관리하기 위한 데이터 수집부;
    빅데이터 분석 기술을 적용하여 상기 수집 데이터에 대해 고장전류 범위에 따라 최다 고장설비와 고장위치가 분석 및 예측된 분석 데이터를 생성하기 위한 분석 위한 데이터 분석 및 예측부; 및
    사용자에 의해 설정된 검색조건에 따라 상기 분석 데이터로부터 고장정보를 추출하여 제공하기 위한 고장정보 추출부;를 포함하고,
    상기 데이터 분석 및 예측부는,
    고장전류 범위에 따라 최다 고장설비를 추출하고, 임피던스 역산을 통해 고장위치를 예측하는 것인 빅데이터 기반의 배전설비 고장 예측 장치.
  2. 제 1 항에 있어서,
    사용자 단말기에 연동하여 사용자의 접속 환경을 구현하기 위한 입/출력 인터페이스 기능을 제공함에 따라, 상기 사용자에 의해 설정된 검색조건의 설정 기능을 제공하기 위한 사용자 인터페이스부;
    를 더 포함하는 빅데이터 기반의 배전설비 고장 예측 장치.
  3. 제 1 항에 있어서,
    상기 수집 데이터와 상기 분석 데이터를 통합 관리하기 위한 데이터베이스;
    를 더 포함하는 빅데이터 기반의 배전설비 고장 예측 장치.
  4. 제 1 항에 있어서,
    상기 데이터 분석 및 예측부는,
    빅데이터 분석 기술을 적용하기 위해 빅데이터를 처리할 수 있는 빅데이터 플랫폼 환경 기반으로 빅데이터를 분석하는 것인 빅데이터 기반의 배전설비 고장 예측 장치.
  5. 삭제
  6. 제 1 항에 있어서,
    상기 데이터 분석 및 예측부는,
    새로운 수집 데이터가 확인됨에 따라 갱신된 분석 데이터를 자동 생성하는 것인 빅데이터 기반의 배전설비 고장 예측 장치.
  7. 배전지능화 시스템으로부터 고장 데이터를 수집하여 체계적으로 정리된 수집 데이터를 저장 및 관리하는 단계;
    빅데이터 분석 기술을 적용하여 상기 수집 데이터에 대해 고장전류 범위에 따라 최다 고장설비와 고장위치가 분석 및 예측된 분석 데이터를 생성하는 단계; 및
    사용자에 의해 설정된 검색조건에 따라 상기 분석 데이터로부터 고장정보를 추출하여 제공하는 단계;를 포함하고,
    상기 분석 및 예측된 분석 데이터를 생성하는 단계는,
    고장전류 범위에 따라 최다 고장설비를 추출하고, 임피던스 역산을 통해 고장위치를 예측하여 상기 분석 데이터를 생성하는 것인 빅데이터 기반의 배전설비 고장 예측 방법.
  8. 제 7 항에 있어서,
    상기 분석 및 예측된 분석 데이터를 생성하는 단계 이후에,
    상기 사용자에 의해 설정된 검색조건을 확인하는 단계;
    를 더 포함하는 빅데이터 기반의 배전설비 고장 예측 방법.
  9. 삭제
  10. 제 7 항에 있어서,
    상기 분석 및 예측된 분석 데이터를 생성하는 단계 이후에, 새로운 수집 데이터가 확인됨에 따라 갱신된 분석 데이터를 자동 생성하는 단계;
    를 더 포함하는 빅데이터 기반의 배전설비 고장 예측 방법.
KR1020170174763A 2017-12-19 2017-12-19 빅데이터 기반의 배전설비 고장 예측 장치 및 그 방법 KR102020365B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170174763A KR102020365B1 (ko) 2017-12-19 2017-12-19 빅데이터 기반의 배전설비 고장 예측 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170174763A KR102020365B1 (ko) 2017-12-19 2017-12-19 빅데이터 기반의 배전설비 고장 예측 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20190084147A KR20190084147A (ko) 2019-07-16
KR102020365B1 true KR102020365B1 (ko) 2019-09-11

Family

ID=67474268

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170174763A KR102020365B1 (ko) 2017-12-19 2017-12-19 빅데이터 기반의 배전설비 고장 예측 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR102020365B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102680116B1 (ko) * 2021-09-01 2024-07-02 한국전력공사 전력설비의 자동 고장 분석장치 및 그 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100657605B1 (ko) * 2005-06-08 2006-12-20 주식회사 케이티프리텔 휴대용 단말기를 이용한 작업 관리 방법 및 시스템
KR101030812B1 (ko) * 2009-12-24 2011-04-28 한국전력공사 설비 고장 진단 시스템 및 설비 고장 진단 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110022904A (ko) 2009-08-28 2011-03-08 박성도 배전 선로 고장 감시 시스템
KR101044744B1 (ko) * 2009-09-28 2011-06-28 한국전력공사 신뢰도 기반 배전기자재 유지보수 시스템과 방법
KR102512857B1 (ko) * 2016-01-28 2023-03-23 주식회사 아임클라우드 빅데이터 기반의 스마트 팩토리 분석시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100657605B1 (ko) * 2005-06-08 2006-12-20 주식회사 케이티프리텔 휴대용 단말기를 이용한 작업 관리 방법 및 시스템
KR101030812B1 (ko) * 2009-12-24 2011-04-28 한국전력공사 설비 고장 진단 시스템 및 설비 고장 진단 방법

Also Published As

Publication number Publication date
KR20190084147A (ko) 2019-07-16

Similar Documents

Publication Publication Date Title
US9612936B2 (en) Correlation of source code with system dump information
US20170185971A1 (en) Maintenance method for facility
CN112840219B (zh) 使用低侧电极和接地分隔的电力电缆监测装置
US9874593B2 (en) Decision support system for outage management and automated crew dispatch
CN112867930A (zh) 包括局部放电传感器的电力电缆监测装置
JP5542859B2 (ja) ログ管理装置、ログ蓄積方法、ログ検索方法、およびプログラム
KR20190079124A (ko) 전력설비의 수명 예측 장치 및 그 방법
US10998853B2 (en) Internet of things-enabled solar photovoltaic health monitoring and advising related thereto
KR102020365B1 (ko) 빅데이터 기반의 배전설비 고장 예측 장치 및 그 방법
CN112269100A (zh) 智能化电缆沟的检测方法及检测装置
CN108647626B (zh) 电能质量事件与事件成因的关联关系确定方法和装置
CN113850463A (zh) 用于变电站防误操作的处理方法及装置
CN113884943A (zh) 漏电故障分析方法、装置、设备及介质
US11216427B2 (en) Method, electronic device and computer-readable medium for managing metadata
Klein et al. A data set of signals from an antenna for detection of partial discharges in overhead insulated power line
CN108334629B (zh) 一种基于自动化测试框架的电网设备状态数据获取系统
Meléndez et al. Analysis of sequences of events for the characterisation of faults in power systems
CN109741594B (zh) 设备数据采集的配置方法及装置
WO2020179441A1 (ja) 雷対策必要設備抽出装置、雷対策必要設備抽出方法及び雷対策必要設備抽出プログラム
CN113449015A (zh) 电网故障处理方法、装置及电子设备
CN107958505A (zh) 一种安稳运行状态智能巡检系统及其控制方法
CN102693171B (zh) 一种信息录入系统的恢复方法及系统
CN104155549A (zh) 电力系统在线监测装置缺陷的处理方法和系统
CN104504029A (zh) 数据转化信息处理方法及装置
CN104468149A (zh) 信息处理方法、智能终端及光缆网络系统

Legal Events

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