KR102097442B1 - 전력 계통 운용을 위한 상호작용형 실시간 제어 및 진단 시스템 업데이트 방법 및 장치 - Google Patents

전력 계통 운용을 위한 상호작용형 실시간 제어 및 진단 시스템 업데이트 방법 및 장치 Download PDF

Info

Publication number
KR102097442B1
KR102097442B1 KR1020180035311A KR20180035311A KR102097442B1 KR 102097442 B1 KR102097442 B1 KR 102097442B1 KR 1020180035311 A KR1020180035311 A KR 1020180035311A KR 20180035311 A KR20180035311 A KR 20180035311A KR 102097442 B1 KR102097442 B1 KR 102097442B1
Authority
KR
South Korea
Prior art keywords
data
neural network
artificial neural
diagnostic
uhf
Prior art date
Application number
KR1020180035311A
Other languages
English (en)
Other versions
KR20190113097A (ko
Inventor
유창완
홍대승
Original Assignee
주식회사 제니스텍
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 주식회사 제니스텍 filed Critical 주식회사 제니스텍
Priority to KR1020180035311A priority Critical patent/KR102097442B1/ko
Publication of KR20190113097A publication Critical patent/KR20190113097A/ko
Application granted granted Critical
Publication of KR102097442B1 publication Critical patent/KR102097442B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • 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

Abstract

본 발명의 일 실시예에 따르면, 전력계통 운용을 위한 진단 시스템의 업데이트 방법으로서, 하나 이상의 UHF 센서가 전력계통의 측정대상 기기에 인접하여 배치되어 UHF 고주파 대역의 신호를 측정하고, 인공신경망 알고리즘을 이용하여 상기 측정대상 기기의 부분방전 여부를 판단하는 단계; 통합센터가, 상기 하나 이상의 UHF 센서로부터 측정 데이터를 수신하여 상기 인공신경망 알고리즘을 위한 학습 데이터를 생성하는 단계; 로컬 유닛이, 상기 통합센터로부터 상기 학습 데이터를 수신하고 이에 기초하여 상기 인공신경망 알고리즘의 노드에 적용되는 가중치를 업데이트하는 단계; 및 상기 하나 이상의 UHF 센서의 각각이, 상기 로컬 유닛으로부터 상기 가중치를 수신하여 상기 각 UHF 센서의 인공신경망 알고리즘을 업데이트하는 단계;를 포함하는 것을 특징으로 하는 전력계통 운용을 위한 진단 시스템의 업데이트 방법을 개시한다.

Description

전력 계통 운용을 위한 상호작용형 실시간 제어 및 진단 시스템 업데이트 방법 및 장치 {Method and apparatus for updating interactive real-time controlling and diagnosing system for power system}
본 발명은 전력관리시스템에 관한 것으로, 보다 상세하게는, 하부 계층의 각종 센서에서부터 상위 계층의 통합관리센터까지 다수 계층간의 상호작용을 통해 전력 계통 운용을 하기 위한 PMS(전력관리시스템)의 제어 알고리즘 업데이트 및/또는 부분방전 등에 대한 진단 알고리즘 업데이트에 관한 방법 및 장치에 관한 발명이다.
전력기기에 대한 PMS 제어시스템과 예방진단은 사고나 고장이 발생하기 전에 고장의 진행 정도와 고장유형을 판단하는 것으로 각 측정대상 기기에 부착된 각종 센서로부터 데이터를 취득하고 이 데이터를 종합 분석하여 이상 유무를 판단하게 되며이런 경우AI(인공지능)를 이용하여 판단을 하는 경우가 많다.
변압기나 GIS(가스절연 개폐장치) 등 측정대상 기기의 이상징후를 감지하는 방법 중에 가장 대표적인 방법이 부분방전을 측정하여 고장의 진행 정도를 예측, 판단하여 기기의 이상 유무를 진단하는 방법이다.
부분방전을 측정하여 고장 진단을 수행하는 기존 장치에서는 변압기나 GIS 등 변전소 내의 측정대상 기기에서 발생하는 UHF 대역의 고주파 신호를 측정하여 진단 장비에 입력하고 이 진단 장비가 부분방전 여부를 판단하여 출력한다.
그러나 종래 진단 시스템의 경우 진단 장비의 성능이 공장 출하시 상태로 고정되어 있으며 진단 시스템의 설치 위치에 따른 노이즈나 고장 패턴에 따른 대응을 하지 못하는 단점이 있다. 따라서 진단 시스템의 설치 위치에 따른 특유의 노이즈나 고장 패턴 등 여러 다양한 환경하에서 진단 시스템의 진단 정확도를 높일 수 있는 방법에 대한 필요성이 제기된다.
특허문헌1: 한국 공개특허공보 제2017-0049423호 (2017년 5월 10일 공개)
본 발명의 일 실시예에 따르면, 변전소 내 변압기와 GIS의 운전 상태를 감시하고 기기의 이상 유무 및 이상 징후를 사전 예측하는 변전소 예방진단시스템에 AI(인공지능)을 적용하여 반응 학습형 예방 진단 시스템을 구축하는 것을 목적으로 한다.
본 발명의 일 실시예에 따르면, 전력계통 운용을 위한 진단 시스템의 업데이트 방법으로서, 하나 이상의 UHF 센서가 전력계통의 측정대상 기기에 인접하여 배치되어 UHF 고주파 대역의 신호를 측정하고, 인공신경망 알고리즘을 이용하여 상기 측정대상 기기의 부분방전 여부를 판단하는 단계; 통합센터가, 상기 하나 이상의 UHF 센서로부터 측정 데이터를 수신하여 상기 인공신경망 알고리즘을 위한 학습 데이터를 생성하는 단계; 로컬 유닛이, 상기 통합센터로부터 상기 학습 데이터를 수신하고 이에 기초하여 상기 인공신경망 알고리즘의 노드에 적용되는 가중치를 업데이트하는 단계; 및 상기 하나 이상의 UHF 센서의 각각이, 상기 로컬 유닛으로부터 상기 가중치를 수신하여 상기 각 UHF 센서의 인공신경망 알고리즘을 업데이트하는 단계;를 포함하는 것을 특징으로 하는 전력계통 운용을 위한 진단 시스템의 업데이트 방법을 개시한다.
본 발명의 다른 일 실시예에 따르면, 전력계통 운용을 위한 진단 시스템의 업데이트 방법으로서, 하나 이상의 UHF 센서가 전력계통의 측정대상 기기에 인접하여 배치되어 UHF 고주파 대역의 신호를 측정하고, 인공신경망 알고리즘을 이용하여 상기 측정대상 기기의 부분방전 여부를 판단하는 단계; 통합센터가, 상기 하나 이상의 UHF 센서로부터 측정 데이터를 수신하여 상기 인공신경망 알고리즘을 위한 학습 데이터를 생성하는 단계; 상기 통합센터가, 상기 통합센터로부터 상기 학습 데이터를 수신하고 이에 기초하여 상기 인공신경망 알고리즘의 노드에 적용되는 가중치를 업데이트하는 단계; 및 상기 하나 이상의 UHF 센서의 각각이, 상기 통합센터로부터 상기 가중치를 수신하여 상기 각 UHF 센서의 인공신경망 알고리즘을 업데이트하는 단계;를 포함하는 것을 특징으로 하는 전력계통 운용을 위한 진단 시스템의 업데이트 방법을 개시한다.
본 발명의 일 실시예에 따르면 측정대상 기기에 개별 설치된 UHF 센서들의 인공신경망의 파라미터(가중치)를 업데이트함으로써 인공신경망이 향상된 최적의 진단 시스템으로 업데이트될 수 있으므로 UHF 센서의 설치 위치에 따른 특유의 노이즈나 고장 패턴 등 여러 다양한 환경하에서 진단 결과의 정확도를 높일 수 있다.
즉 종래 진단 시스템에는 학습 기능이 없으므로 장비의 성능이 공장 출하시 상태로 고정되어 있지만 본 발명의 실시예에 따르면 상위 계층의 통합센터 또는 로컬 유닛에서 인공신경망을 학습하고 이 학습된 파라미터(가중치)를 이용하여 UHF 센서단의 인공신경망을 업데이트할 수 있으므로 실시간으로 신규 데이터 학습을 통해 진단 시스템의 성능을 향상시킬 수 있다.
또한 본 발명의 일 실시예에 따르면 UHF 센서의 측정 및 진단 데이터에 증강현실 기법을 적용하여 사용자의 단말기에 표시할 수 있으므로 사용자가 현장의 전력 기기의 상태를 직관적이고 쉽게 판단하고 점검할 수 있고 측정 및 진단 정확성과 편의성을 제공할 수 있는 이점이 있다.
도1은 본 발명의 제1 실시예에 따른 전력계통 운용을 위한 진단 시스템을 설명하기 위한 도면,
도2는 일 실시예에 따른 전력계통 운영을 위한 진단 시스템의 업데이트 방법을 설명하기 위한 흐름도,
도3은 각 UHF 센서의 일 실시예에 따른 부분방전 진단 방법을 설명하기 위한 흐름도,
도4는 제2 실시예에 따른 전력계통 운용을 위한 진단 시스템을 설명하기 위한 도면,
도5는 각종 센서의 측정/진단 데이터를 증강현실을 적용하여 사용자 디스플레이에 표시하는 방법을 설명하기 위한 흐름도,
도6은 증강현실을 적용하여 사용자 디스플레이에 표시되는 측정/진단 데이터의 예시적 표시 결과를 설명하기 위한 도면이다.
이상의 본 발명의 목적들, 다른 목적들, 특징들 및 이점들은 첨부된 도면과 관련된 이하의 바람직한 실시예들을 통해서 쉽게 이해될 것이다. 그러나 본 발명은 여기서 설명되는 실시예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 오히려, 여기서 소개되는 실시예들은 개시된 내용이 철저하고 완전해질 수 있도록 그리고 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다.
본 명세서에서 제1, 제2 등의 용어가 구성요소들을 기술하기 위해서 사용된 경우, 이들 구성요소들이 이 같은 용어들에 의해서 한정되어서는 안 된다. 이들 용어들은 단지 어느 구성요소를 다른 구성요소와 구별시키기 위해서 사용되었을 뿐이다. 여기에 설명되고 예시되는 실시예들은 그것의 상보적인 실시예들도 포함한다.
본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 '포함한다(comprise)' 및/또는 '포함하는(comprising)'은 언급된 구성요소는 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
또한 본 명세서에서 발명의 구성요소를 지칭하기 위해 사용된 "...부", "…모듈", "…블록" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미할 수 있고 이는 하드웨어나 소프트웨어 또는 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
이하에서 도면을 참조하여 본 발명을 상세히 설명하도록 한다. 아래의 특정 실시예들을 기술하는데 있어서 여러 가지의 특정적인 내용들은 발명을 더 구체적으로 설명하고 이해를 돕기 위해 작성되었다. 하지만 본 발명을 이해할 수 있을 정도로 이 분야의 지식을 갖고 있는 독자는 이러한 여러 가지의 특정적인 내용들이 없어도 사용될 수 있다는 것을 인지할 수 있다. 어떤 경우에는 발명을 기술하는 데 있어서 흔히 알려졌으면서 발명과 크게 관련 없는 부분들은 본 발명을 설명하는 데 있어 혼돈이 오는 것을 막기 위해 기술하지 않음을 미리 언급해 둔다.
도1은 본 발명의 제1 실시예에 따른 전력계통 운용을 위한 진단 시스템을 설명하기 위한 도면이다. 도면을 참조하면 일 실시예에 따른 진단 시스템은 복수개의 UHF 센서(11,12,13), 하나 이상의 로컬 유닛(21,22), 하나 이상의 로컬 서버(30), 및 통합센터(40)를 포함할 수 있다.
각각의 UHF 센서(11,12,13)는 예컨대 고압 케이블, 변압기, GIS, 개폐기, 수전설비, 배전반 등 전력기기 시스템의 임의의 측정대상 기기에 인접하게 배치되어 해당 측정대상 기기에서 발생하는 UHF 대역의 고주파 신호를 검출한다. 도면에는 3개의 UHF 센서만 도시하였지만 UHF 센서의 개수에는 제한이 없으며 측정대상 기기의 개수에 따라 적절한 수의 UHF 센서를 사용할 수 있다.
각각의 UHF 센서(11,12,13)는 UHF 대역의 고주파 신호를 검출한다. UHF 대역의 신호는 예컨대 300MHz 내지 3GHz의 고주파(전자기파) 신호이다. UHF 센서(11,12,13)는 측정대상 기기의 부분방전에 기인하여 발생하는 UHF 대역의 고주파 신호를 측정하여 진단용 알고리즘에 입력될 수 있다. 일 실시예에서 각각의 UHF 센서(11,12,13)는 진단용 알고리즘으로서 인공신경망(artificial neural network)(15)을 포함할 수 있다. 일 실시예에서 부분방전 진단용 인공신경망(15)은 일반적인 인공신경망 알고리즘과 동일 또는 유사하게 입력층, 하나 이상의 은닉층, 및 출력층으로 구현될 수 있다.
하나 이상의 로컬 유닛(21,22)의 각각은 복수개의 UHF 센서(11,12,13)와 통신하도록 연결되어 있다. 각 로컬 유닛(21,22)은 복수개의 UHF 센서를 하위 계층으로 포함한다. 예를 들어 도시한 실시예에서 제1 로컬 유닛(21)은 하위 계층으로 3개의 UHF 센서(11,12,13)를 포함하며, 마찬가지로 제2 로컬 유닛(22)도 복수개의 UHF 센서(도시 생략)를 하위 계층으로 포함할 수 있다. 각각의 UHF 센서(11,12,13)는 부분방전으로 인한 고주파 신호를 측정하고 부분방전 여부를 진단하며 이러한 측정 데이터와 진단 데이터를 상위계층의 로컬 유닛(21)으로 전송할 수 있다.
일 실시예에서 로컬 유닛(21,22)의 각각은 예컨대 변전소마다 하나씩 설치될 수 있고, 각 로컬 유닛(21,22)에 연결된 UHF 센서(11,12,13)는 해당 변전소 내에 설치된 센서들일 수 있다. 그러나 이것은 예시적인 실시예이며, 구체적 실시 형태에 따라 로컬 유닛(21,22)의 설치 단위가 달라질 수 있음은 물론이다.
일 실시예에서 각 로컬 유닛(21,22)은 학습용 인공신경망(25)을 포함할 수 있다. 학습용 인공신경망(25)은 부분방전에 관한 센서들의 측정 데이터와 각 측정 데이터에 대한 진단 결과 데이터를 학습 데이터로 사용하여 학습할 수 있고, 이 학습에 의해 학습용 인공신경망(25)이 업데이트될 수 있다.
하나 이상의 로컬 유닛(21,22)의 상위 계층으로 로컬 서버(30)가 설치될 수 있다. 로컬 서버(30)는 하나 이상의 로컬 유닛(21,22)과 통신하도록 연결된다. 로컬 서버(30)는 로컬 유닛(21,22)으로부터 UHF 센서(11,12,13)의 측정 데이터 및 진단 데이터를 수신하고 이 데이터들을 상위 계층인 통합센터(40)로 전송할 수 있다. 또한 일 실시예에서 로컬 서버(30)는 통합센터(40)로부터 인공신경망 학습 데이터를 수신하고 이 학습 데이터를 각 로컬 유닛(21,22)에 전송할 수 있다.
통합센터(40)는 하나 이상의 로컬 서버(30)와 통신가능하게 연결될 수 있다. 통합센터(40)는 하위 계층의 복수의 UHF 센서(11,12,13)에서 생성된 모든 측정 데이터와 진단 데이터 중 적어도 일부를 수신하고 각 측정 데이터에 기초하여 인공신경망 학습 데이터를 생성할 수 있다. 통합센터(40)는 학습 데이터를 하위 계층으로 연결된 각 로컬 유닛(21,22)에 전송하여 로컬 유닛(21,22)이 학습용 인공신경망(25)을 학습할 수 있도록 한다.
도2는 일 실시예에 따른 전력계통 운영을 위한 진단 시스템의 업데이트 방법을 설명하기 위한 흐름도이다. 도면을 참조하면, 단계(S110)에서 복수의 UHF 센서(11,12,13)의 각각이 각 측정대상 기기에 인접하게 배치되어 각 기기로부터 발생하는 UHF 고주파 신호를 측정하고 부분방전 여부를 판단한다. 일 실시예에서 각 UHF 센서(11,12,13)는 인공신경망 알고리즘을 이용하여 측정대상 기기의 부분방전 여부를 판단할 수 있다.
이와 관련하여 도3은 각 UHF 센서(11,12,13)의 일 실시예에 따른 부분방전 진단 방법을 나타낸다. 도3을 참조하면, 우선 단계(S111)에서 UHF 센서(11,12,13)의 각각은 측정대상 기기로부터 발생하는 부분방전에 따른 고주파 신호를 측정한다.
일 실시예에서 각 센서(11,12,13)는 측정대상 기기의 부분방전 신호를 AC 위상신호의 1주기에 대하여 일정횟수로 샘플링하고, 샘플링된 부분방전 신호의 크기를 기준치와 비교하여 이 기준치를 초과하는 부분방전 신호의 횟수를 카운트할 수 있다. 도3의 단계(S111)에 표시한 그래프는 이러한 측정에 따른 예시적인 부분방전 신호를 나타낸 것으로, 가장 아래쪽 그래프는 부분방전이 비교적 최근 발생한 초기 상태의 부분방전 신호이고 가장 위쪽 그래프는 부분방전이 많이 진행된 상태의 신호이다.
부분방전 신호를 검출한 각 UHF 센서(11,12,13)는 이 검출한 신호에 관한 측정 데이터를 인공신경망 알고리즘에 입력하여 부분방전 여부를 판단한다(S112). 일 실시예에서 센서(11,12,13)는 인공신경망에 입력할 측정 데이터로서 부분방전 신호의 위상, 크기(진폭), 및 카운트 개수를 포함할 수 있다. 그러나 대안적 실시예에서 각 센서가 측정한 부분방전 신호의 다른 측정 데이터들이 인공신경망 알고리즘의 입력 데이터로서 사용될 수 있음은 물론이다.
단계(S112)에서 인공신경망 알고리즘은 측정 데이터를 입력받아 부분방전 여부 및 부분방전의 종류를 판단할 수 있다. 일 실시예에서 인공신경망 알고리즘은 하나의 입력층(input layer), 하나 이상의 은닉층(hidden layer), 및 하나의 출력층(output layer)으로 구성된다. 한 층(layer)은 여러 개의 노드로 이루어져 있고 각 노드는 앞의 층(layer)의 다수의 노드로부터 입력을 받으며 이 때 각 입력마다 적용할 계수(가중치)를 가지고 있다. 즉 이 가중치를 앞의 층(layer)으로부터의 각 입력에 곱하여 각 입력에 대해 다른 가중치를 부여할 수 있다. 최종적으로 곱한 값들은 전부 더해지고 그 합은 이 노드의 활성 함수(activation function)의 입력이 되고, 활성 함수의 결과가 해당 노드의 출력이 된다.
단계(S112)에서 센서의 각 측정 데이터에 대해 이러한 인공신경망 알고리즘에 따른 계산을 수행하고, 그 결과 인공신경망은 부분방전에 관한 진단 데이터를 출력한다(S113). 일 실시예에서 인공신경망이 출력하는 진단 결과는 (i) 해당 측정대상 기기에 부분방전이 있는지 여부에 관한 판단 및 (ii) 부분방전인 경우 부분방전의 종류에 관한 판단을 포함할 수 있다. 여기서 (i)의 판단은 예컨대 측정대상 기기에서 발생하는 고주파 신호가 부분방전으로 인한 고주파 신호인지 일반적인 노이즈 신호인지에 관한 판단을 포함할 수 있고, (ii)의 판단은 예컨대 부분방전이 플로팅(Floating) 방전, 코로나(Corona) 방전, 파티클(Particle) 방전, 보이드(Void) 방전 중 어느 종류인지에 관한 판단을 포함할 수 있다.
다시 도2를 참조하면, 단계(S120)에서 각 UHF 센서(11,12,13)는 소정 이벤트 발생시 측정 데이터를 상위 계층으로 전송한다. 이 때 이벤트는 예를 들어 측정대상 기기에 대한 부분방전 발생을 검출한 경우를 포함할 수 있다. 즉 UHF 센서(11,12,13)가 측정대상 기기로부터 UHF 대역의 고주파 신호를 검출하여 인공신경망(15)에 의해 부분방전으로 판단하면 이 판단을 수행한 UHF 센서(11,12,13)는 이 측정 데이터를 상위 계층으로 전송한다. 여기서 상위 계층은 예컨대 로컬 서버(30) 또는 통합센터(40)일 수 있다.
또한 이 때 UHF 센서는 측정 데이터 뿐만 아니라 진단 데이터도 상위 계층으로 전송할 수 있다. 여기서 진단 데이터는 인공신경망(15)에 의한 진단 결과, 즉 (i) 측정대상 기기에 부분방전이 있는지 여부의 판단 결과 및 (ii) 부분방전의 종류에 관한 판단 결과를 포함한다.
또 다른 대안적 실시예에서 UHF 센서(11,12,13)는 상기 소정 이벤트 발생시가 아니라 소정 주기마다 측정 데이터를 상위 계층으로 전송할 수 있다. 이 경우 UHF 센서(11,12,13)는 기설정된 소정 주기 동안 측정하고 진단한 모든 측정 데이터 또는 측정 및 진단 데이터를 상위 계층으로 전송할 수도 있고 모든 측정 데이터 또는 측정 및 진단 데이터 중 일부 데이터(예컨대 부분방전으로 판단한 경우의 데이터)만 상위 계층으로 전송할 수도 있다.
각 센서(11,12,13)가 이러한 측정 데이터 또는 측정 및 진단 데이터를 로컬 서버(30)로 전송한 경우, 로컬 서버(30)는 하위의 여러 UHF 센서들(11,12,13)로부터 수신한 측정 데이터들 중 부분방전이 확실하다고 판단되는 측정 데이터 또는 측정 및 진단 데이터를 통합센터(40)로 전송할 수 있다. 대안적 실시예에서 로컬 서버(30)는 하위 계층의 센서(11,12,13)로부터 수신한 모든 측정 데이터 또는 측정 및 진단 데이터를 통합센터(40)로 전송할 수 있다.
통합센터(40)는 로컬 서버(30)로부터 수신한 모든 측정 데이터 또는 측정 및 진단 데이터를 수신하여 인공신경망 알고리즘의 학습을 위한 학습 데이터를 생성하고 이를 로컬 유닛(21,22)으로 전송한다(S130).
일 실시예에서 통합센터(40)는 측정 데이터를 매번 수신할 때마다 또는 기설정된 일정 주기마다 학습 데이터의 생성 동작을 행할 수 있다. 또는 통합센터(40)는 수신한 측정 데이터가 기설정한 데이터량을 초과했을 때 학습 데이터의 생성 동작을 수행할 수도 있다.
일 실시예에서 학습 데이터는 UHF 센서(11,12,13)로부터 수신한 측정 데이터를 이용하여 생성한다. 예를 들어 전문가가 임의의 다른 진단 프로그램이나 인공신경망 또는 수작업 등의 방법에 의해 측정 데이터를 분석하여 부분방전인지 여부를 최종 판단하여 진단 데이터를 생성하고, 이 측정 데이터 및 진단 데이터를 학습 데이터로 생성한다. 이 때 생성된 진단 데이터는 측정대상 기기가 부분방전인지 여부에 관한 데이터 및 부분방전인 경우 부분방전의 종류에 관한 데이터를 포함할 수 있다.
이렇게 생성된 학습 데이터를 통합센터(40)가 각 로컬 유닛(21,22)으로 전송하면, 각 로컬 유닛(21,22)은 학습 데이터를 이용하여 학습용 인공신경망(25)을 학습시킬 수 있다(단계 S140). 이 학습에 의해 인공신경망(25)의 노드의 가중치를 업데이트한다. 즉 인공신경망 알고리즘(25)의 노드의 가중치들 중 적어도 하나가 변경, 추가, 또는 삭제되어 업데이트될 수 있다.
로컬 유닛(21,22)에서의 인공신경망(25)의 학습 동작은 일정 주기마다 수행될 수 있고, 대안적으로, 일정 량의 학습 데이터를 상위 계층으로부터 수신했을 때 수행될 수도 있다.
로컬 유닛(21,22)에서 인공신경망(25)의 학습을 수행하면, 로컬 유닛(21,22)은 이 학습에 의해 업데이트된 가중치에 관한 데이터를 하위 계층의 UHF 센서(11,12,13)로 전송하고(단계 S150), 가중치 데이터를 수신한 각각의 UHF 센서(11,12,13)는 이 가중치 데이터를 이용하여 자신들의 인공신경망(15)을 각각 업데이트한다(단계 S160). 이 때 인공신경망(15)의 업데이트는, 예컨대 UHF 센서(11,12,13)의 인공신경망(15) 알고리즘의 기존의 가중치를 로컬 유닛(21,22)으로부터 수신한 업데이트된 가중치로 변경하는 동작을 포함한다.
이와 같이 각 UHF 센서(11,12,13)의 인공신경망(15)의 파라미터(가중치)를 업데이트함으로써 인공신경망(15)은 향상된 최적의 판단 시스템으로 업데이트되며 UHF 센서(11,12,13)의 설치 위치에 따른 특유의 노이즈나 고장 패턴 등 여러 다양한 환경하에서 진단 결과의 정확도를 높일 수 있다.
도4는 제2 실시예에 따른 전력계통 운용을 위한 진단 시스템을 나타낸다. 도면을 참조하면 제2 실시예에 따른 진단 시스템은 복수개의 UHF 센서(11,12,13), 하나 이상의 로컬 유닛(21,22), 하나 이상의 로컬 서버(30), 및 통합센터(40)를 포함하며, 이러한 구성요소들은 도1의 진단 시스템의 각 구성요소와 동일 또는 유사한 가능을 가지므로 자세한 설명은 생략한다.
다만 도1과 비교할 때 로컬 유닛(21,22)은 학습용 인공신경망을 갖지 않으며 통합센터(40)가 학습용 인공신경망(45)를 구비하고 있는 점이 상이하다. 즉 도4의 제2 실시예에 따르면 학습 데이터를 이용한 인공신경망의 학습을 로컬 유닛(21,22)이 아니라 통합센터(40)에서 수행하는 점에서 도1의 실시예와 상이하다.
도4의 실시예에서, 통합센터(40)가 하위계층의 UHF 센서들로부터 측정 데이터를 수신하여 학습 데이터를 생성하고, 이 학습 데이터를 이용하여 학습용 인공신경망(45)을 학습시킨다. 즉 학습 데이터를 이용하여 인공신경망(45)의 노드의 가중치를 업데이트한다. 그 후 통합센터(40)는 업데이트된 가중치에 관한 가중치 데이터를 UHF 센서(11,12,13)로 전송한다.
각각의 UHF 센서(11,12,13)는 통합센터(40)로부터 가중치 데이터를 수신하여 자신의 인공신경망(15) 알고리즘을 업데이트한다. 즉 각 UHF 센서(11,12,13)는 자신의 인공신경망 (15) 알고리즘의 기존의 가중치들을 통합센터(40)로부터 수신한 업데이트된 가중치로 변경할 수 있다.
한편 본 발명의 일 실시예에서, 상술한 진단 시스템에 의해 측정되고 진단된 측정 및 진단 데이터들에 증강현실을 적용하여 사용자에게 정보를 제공할 수 있다.
이와 관련하여 도5는 각종 센서의 측정/진단 데이터를 증강현실을 적용하여 사용자 디스플레이에 표시하는 예시적 방법의 나타내며 도6은 증강현실을 적용하여 사용자 디스플레이에 표시하는 측정/진단 데이터의 예시적 화면을 나타낸다.
설명의 편의를 위해 제1 로컬 유닛(21) 및 이에 연결된 하위 계층의 다수의 UHF 센서들(11,12,13,...)을 예로 들어 설명하기로 한다. 또한 모든 UHF 센서(11,12,13,...)는 하나의 변전소 내의 각 측정대상 기기에 각각 설치되고 그 상위 계층의 제1 로컬 유닛(21)은 이 변전소의 기기들을 관리하는 로컬 유닛이라고 가정한다.
도5를 참조하면, 각 UHF 센서(11,12,13,...)는 측정대상 기기에서 발생하는 고주파 신호를 검출하고 인공신경망(15)을 이용하여 부분방전 여부를 진단하고, 이에 관한 측정 데이터 및 진단 데이터를 로컬 유닛(21)으로 전송한다(단계 S210).
단계(S220)에서 로컬 유닛(21)은 수신한 측정 및 진단 데이터를 변전소의 지도 데이터의 위치 좌표와 매칭한다. 이를 위해, 일 실시예에서 로컬 유닛(21)의 데이터베이스(DB)에는 관리대상인 변전소의 지도 데이터를 및 각 UHF 센서(11,12,13,...)가 설치된 위치 정보가 미리 저장되어 있다고 가정한다. 즉 로컬 유닛(21)이 측정 및 진단 데이터를 UHF 센서로부터 수신하면, 측정 진단 데이터를 보내온 UHF 센서의 지도 데이터상의 위치좌표에 해당 측정 및 진단 데이터를 매핑할 수 있다.
이와 같이 로컬 유닛(21)이 변전소 내의 모든 UHF 센서들로부터 측정 및 진단 데이터를 수신하고 이 데이터들을 지도 데이터상의 각 UHF 센서의 위치좌표와 매칭시키면, 예컨대 도6(a)와 같이 지도(또는 위성사진 또는 항공사진) 위에 각 UHF 센서의 위치마다 해당 UHF 센서가 측정한 측정 및 진단 데이터를 오버랩하여 표시할 수 있다.
그 후 예컨대 단말기(100)를 소지한 사용자가 변전소 내의 임의의 장소에서 이 장소에 가까운 측정대상 기기의 상태를 점검하고자 할 경우, 단말기(100) 내의 소정 애플리케이션을 실행하여 로컬 유닛(21)과 통신할 수 있다. 일 실시예에서 이 애플리케이션은 예를 들어 단말기(100)의 위치 정보를 로컬 유닛(21)으로 전송한다(단계 S230). 로컬 유닛(21)은 단말기(100)의 위치 정보를 지도(또는 위성사진 또는 항공사진)의 위치좌표에 매핑하고(단계 S240), 사용자의 위치로부터 소정 반경 이내의 지도(또는 위성사진 또는 항공사진) 및 이 지도에 매칭된 측정대상 기기의 측정 및 진단 데이터들을 단말기(100)로 전송한다(단계 S250).
단말기(100)는 이 데이터들을 수신하고 애플리케이션을 통해 도6(b)와 같은 화면을 디스플레이한다. 즉 지도(또는 위성사진 또는 항공사진) 상에 사용자의 현재 위치(P), 이 위치를 중심으로 소정 반경 이내의 측정대상 기기, 및 측정대상 기기에 관한 측정 및 진단 데이터가 오버랩되어 디스플레이 된다.
따라서 상술한 증강현실이 적용된 측정 및 진단 데이터의 디스플레이에 의해 사용자는 현장의 전력 기기의 상태를 직관적이고 쉽게 판단하고 점검할 수 있으므로 측정 및 진단 정확성과 편의성을 제공할 수 있다. 즉 로컬 유닛(21)으로부터 현장의 각 기기들에 대한 운전상태, 진단 상태 등의 정보를 받아 단말기(100)에 표시하기 때문에 현장 점검자들은 단말기(100)를 통해 변전소의 각종 측정대상 기기의 관리 상태를 바로 확인할 수 있으며 따라서 기기별 관리 일정 및 수리 영역의 최소화에 따른 관리비용 절감할 수 있다.
상기와 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되지 않는다. 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 상술한 기재로부터 다양한 수정 및 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니되며 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
11,12,13: UHF 센서 21,22: 로컬 유닛
30: 로컬 서버 40: 통합센터
15, 25, 45: 인공신경망 100: 단말기

Claims (11)

  1. 전력계통에 대한 제어 및 진단 시스템의 운용 방법으로서, 상기 운용 방법은,
    상기 제어 및 진단 시스템의 인공신경망 알고리즘을 업데이트하는 단계; 및
    상기 제어 및 진단 시스템에서 생성한 측정 데이터 및 진단 데이터를 증강현실 기법으로 사용자 단말기에 표시하는 단계;를 포함하고,
    상기 제어 및 진단 시스템의 인공신경망 알고리즘을 업데이트하는 단계는,
    하나의 로컬 유닛(21)이 관리하는 하나의 변전소 내의 전력계통의 측정대상 기기들의 각각에 인접하여 하나씩 배치된 복수개의 UHF 센서(11,12,13)가 각각의 측정대상 기기에 대해 UHF 고주파 대역의 신호를 측정하고 인공신경망 알고리즘을 이용하여 상기 측정대상 기기의 부분방전 여부를 판단하여 진단 데이터를 생성하는 단계;
    상기 UHF 센서가 측정 데이터와 진단 데이터를 통합센터(40)로 전송하는 단계;
    상기 통합센터가, 상기 UHF 센서로부터 수신한 측정 데이터와 진단 데이터에 기초하여 상기 인공신경망 알고리즘을 위한 학습 데이터를 생성하는 단계;
    상기 로컬 유닛이, 상기 통합센터로부터 상기 학습 데이터를 수신하고 이에 기초하여 상기 인공신경망 알고리즘의 노드에 적용되는 가중치를 업데이트하는 단계; 및
    상기 UHF 센서의 각각이, 상기 로컬 유닛으로부터 상기 가중치를 수신하여 상기 각 UHF 센서의 인공신경망 알고리즘을 업데이트하는 단계;를 포함하고,
    이 때 상기 학습 데이터는 상기 측정 데이터 및 이 측정 데이터에 기초하여 상기 통합센터에서 최종적으로 판단한 최종 진단 데이터를 포함하고,
    상기 각 UHF 센서의 인공신경망 알고리즘을 업데이트하는 상기 단계가, 상기 UHF 센서의 인공신경망 알고리즘의 기존의 가중치를 상기 로컬 유닛으로부터 수신한 상기 업데이트된 가중치로 변경하는 단계를 포함하며,
    상기 제어 및 진단 시스템에서 생성한 측정 데이터 및 진단 데이터를 증강현실 기법으로 사용자 단말기에 표시하는 단계는,
    상기 복수개의 UHF 센서가 각각 측정한 측정 데이터 및 상기 인공신경망 알고리즘을 이용하여 진단한 진단 데이터를 상기 로컬 유닛으로 전송하는 단계;
    상기 로컬 유닛이, 상기 측정 데이터 및 진단 데이터를 상기 로컬 유닛이 관리하는 변전소의 지도 데이터의 위치 좌표에 매핑하는 단계;
    상기 로컬 유닛이, 사용자 단말기로부터 단말기 위치정보를 수신하면 상기 단말기 위치정보를 상기 지도 데이터의 위치 좌표에 매핑하는 단계;
    상기 로컬 유닛이, 상기 지도 데이터 및 이에 매핑된 측정 데이터 및 진단 데이터와 단말기 위치정보를 상기 사용자 단말기로 전송하는 단계; 및
    사용자 단말기가, 단말기의 디스플레이 상에서 상기 지도 데이터 위에 상기 매핑된 측정 데이터 및 진단 데이터와 단말기 위치정보를 오버랩하여 표시하는 단계;를 포함하는 것을 특징으로 하는, 전력계통에 대한 제어 및 진단 시스템의 운용 방법.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 진단 데이터는 상기 측정대상 기기의 부분방전 여부에 관한 데이터 및 부분방전인 경우 부분방전의 종류에 관한 데이터를 포함하는 것을 특징으로 하는, 전력계통에 대한 제어 및 진단 시스템의 운용 방법.
  4. 제 3 항에 있어서,
    상기 가중치를 업데이트하는 단계가, 인공신경망 알고리즘의 노드를 연결하는 가중치들 중 적어도 하나를 변경, 추가, 또는 삭제하는 단계를 포함하는 것을 특징으로 하는, 전력계통에 대한 제어 및 진단 시스템의 운용 방법.
  5. 삭제
  6. 삭제
  7. 삭제
  8. 삭제
  9. 삭제
  10. 삭제
  11. 삭제
KR1020180035311A 2018-03-27 2018-03-27 전력 계통 운용을 위한 상호작용형 실시간 제어 및 진단 시스템 업데이트 방법 및 장치 KR102097442B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180035311A KR102097442B1 (ko) 2018-03-27 2018-03-27 전력 계통 운용을 위한 상호작용형 실시간 제어 및 진단 시스템 업데이트 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180035311A KR102097442B1 (ko) 2018-03-27 2018-03-27 전력 계통 운용을 위한 상호작용형 실시간 제어 및 진단 시스템 업데이트 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20190113097A KR20190113097A (ko) 2019-10-08
KR102097442B1 true KR102097442B1 (ko) 2020-04-06

Family

ID=68208424

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180035311A KR102097442B1 (ko) 2018-03-27 2018-03-27 전력 계통 운용을 위한 상호작용형 실시간 제어 및 진단 시스템 업데이트 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102097442B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111007365A (zh) * 2019-11-25 2020-04-14 国网四川省电力公司广安供电公司 一种基于神经网络的超声波局部放电识别方法及系统
KR102571411B1 (ko) * 2023-05-16 2023-08-28 주식회사 솔라리치 Uhf센서를 이용한 ai기반의 배전반 부분방전 감시 및 진단 시스템

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001133506A (ja) 1999-11-01 2001-05-18 Hitachi Ltd ガス絶縁機器の診断方法および装置
JP2002090412A (ja) 2000-09-12 2002-03-27 Sumitomo Electric Ind Ltd 部分放電測定装置
KR101336317B1 (ko) 2012-11-06 2013-12-05 한국 전기안전공사 유시티(U-city) 등 대규모 도시의 전기설비를 실시간으로 관리 및 운영을 하는 웹감시 기반 유시티 전기안전 통합관리시스템
KR101550689B1 (ko) * 2015-03-17 2015-09-07 주식회사 이앤피 잡음제거 기능을 구비한 ａｅ센서 기반 수배전반의 아크 및 코로나 검출 시스템
KR101574613B1 (ko) * 2015-05-27 2015-12-11 지투파워(주) 원격 설정 기능이 있는 초고주파 전기신호 검출에 의한 부분방전 감시진단 시스템
JP2017174298A (ja) 2016-03-25 2017-09-28 株式会社デンソーアイティーラボラトリ ニューラルネットワークシステム、端末装置、管理装置およびニューラルネットワークにおける重みパラメータの学習方法
JP2017192277A (ja) 2016-04-17 2017-10-19 新電元工業株式会社 電力変換装置の診断方法
KR101822829B1 (ko) 2017-08-11 2018-01-29 문경훈 머신러닝을 이용한 차단기 부분방전 유형진단 및 노이즈 판별 방법

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090027921A (ko) * 2007-09-13 2009-03-18 현대중공업 주식회사 Ｇｉｓ 내부의 부분방전 결함원을 자동으로 추론하는 방법
KR101177876B1 (ko) * 2010-09-01 2012-08-28 한국 전기안전공사 신경 회로망을 이용한 부분 방전 자동 분석 시스템
KR102239714B1 (ko) * 2014-07-24 2021-04-13 삼성전자주식회사 신경망 학습 방법 및 장치, 데이터 처리 장치
KR101885556B1 (ko) 2015-10-27 2018-09-11 김홍록 배전반 고장 감시 시스템

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001133506A (ja) 1999-11-01 2001-05-18 Hitachi Ltd ガス絶縁機器の診断方法および装置
JP2002090412A (ja) 2000-09-12 2002-03-27 Sumitomo Electric Ind Ltd 部分放電測定装置
KR101336317B1 (ko) 2012-11-06 2013-12-05 한국 전기안전공사 유시티(U-city) 등 대규모 도시의 전기설비를 실시간으로 관리 및 운영을 하는 웹감시 기반 유시티 전기안전 통합관리시스템
KR101550689B1 (ko) * 2015-03-17 2015-09-07 주식회사 이앤피 잡음제거 기능을 구비한 ａｅ센서 기반 수배전반의 아크 및 코로나 검출 시스템
KR101574613B1 (ko) * 2015-05-27 2015-12-11 지투파워(주) 원격 설정 기능이 있는 초고주파 전기신호 검출에 의한 부분방전 감시진단 시스템
JP2017174298A (ja) 2016-03-25 2017-09-28 株式会社デンソーアイティーラボラトリ ニューラルネットワークシステム、端末装置、管理装置およびニューラルネットワークにおける重みパラメータの学習方法
JP2017192277A (ja) 2016-04-17 2017-10-19 新電元工業株式会社 電力変換装置の診断方法
KR101822829B1 (ko) 2017-08-11 2018-01-29 문경훈 머신러닝을 이용한 차단기 부분방전 유형진단 및 노이즈 판별 방법

Also Published As

Publication number Publication date
KR20190113097A (ko) 2019-10-08

Similar Documents

Publication Publication Date Title
CN107463161B (zh) 预测飞行器中的故障的方法和系统以及监控系统
CA2545695C (en) Method and system for predicting remaining life for motors featuring on-line insulation condition monitor
US6687654B2 (en) Techniques for distributed machinery monitoring
KR101874286B1 (ko) 전력설비 모니터링 및 진단 시스템
CN105676085A (zh) 基于多传感器信息融合的特高压gis局部放电检测方法
KR102097442B1 (ko) 전력 계통 운용을 위한 상호작용형 실시간 제어 및 진단 시스템 업데이트 방법 및 장치
US11262276B2 (en) Monitoring system
KR101965159B1 (ko) 머신러닝을 이용한 이상 신호 분류 인공지능 알고리즘 방법 및 이를 이용한 변전소 상태감시 시스템
JP2006302293A (ja) 機械を診断するための方法およびシステム
KR101908376B1 (ko) 시뮬레이션 기반의 부분방전 진단 시스템 및 방법
US20090326784A1 (en) Methods and Apparatuses For Monitoring A System
CN103324155B (zh) 系统监控
KR101727530B1 (ko) 모바일 앱 기반 전기 시설의 유지 보수 시스템
JP2016502787A (ja) 環境品質因子を動的に測定するデバイスおよび方法
EP2946219B1 (en) System and method for fault management in lighting systems
CN110321583A (zh) 用于技术系统的故障标识的方法和设备
KR102224838B1 (ko) 퍼지 추론을 적용하여 수배전반 시스템의 절연건전성을 평가하는 장치 및 방법
US6418385B1 (en) Method for determining the location of a partial discharge
US20090037122A1 (en) Prognosis adaptation method
KR102516227B1 (ko) 선박용 고장 예측진단 시스템 및 그 예측진단 방법
KR20150118456A (ko) 감시 장치의 부분방전 진단 방법
CN103472310B (zh) 包括信号质量显示的用于绝缘监控的方法和装置
WO2020195536A1 (ja) 構造物の異常判別方法及び異常判別システム
KR20200140999A (ko) 항공기 센서들을 모델링하기 위한 데이터 기반 기계 학습
CN113544486B (zh) 故障诊断系统、故障预测方法及计算机可读取的记录介质

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