KR102102887B1 - 잡음 환경에서 변압기 소리 검출을 위한 방법 - Google Patents

잡음 환경에서 변압기 소리 검출을 위한 방법 Download PDF

Info

Publication number
KR102102887B1
KR102102887B1 KR1020190006046A KR20190006046A KR102102887B1 KR 102102887 B1 KR102102887 B1 KR 102102887B1 KR 1020190006046 A KR1020190006046 A KR 1020190006046A KR 20190006046 A KR20190006046 A KR 20190006046A KR 102102887 B1 KR102102887 B1 KR 102102887B1
Authority
KR
South Korea
Prior art keywords
sound
transformer
data
svdd
candidate
Prior art date
Application number
KR1020190006046A
Other languages
English (en)
Inventor
이성주
김윤빈
김학재
김철오
Original Assignee
고려대학교 세종산학협력단
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 고려대학교 세종산학협력단 filed Critical 고려대학교 세종산학협력단
Application granted granted Critical
Publication of KR102102887B1 publication Critical patent/KR102102887B1/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
    • G01R31/1209—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 acoustic measurements
    • 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
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general

Landscapes

  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

잡음 환경에서 변압기 소리 검출을 위한 방법이 개시된다. 변압기 소리 검출 방법은, 전력용 변압기의 소리 데이터를 수집하는 단계; 상기 소리 데이터에서 백색 잡음을 제거하는 단계; 상기 백색 잡음이 제거된 소리 데이터에서 변압기 소리 후보를 분류하는 단계; 및 상기 분류된 변압기 소리 후보를 검증하는 단계를 포함한다.

Description

잡음 환경에서 변압기 소리 검출을 위한 방법{TRANSFORMER SOUND DETECTION IN NOISE ENVIRONMENT}
아래의 설명은 잡음 환경에서 변압기의 소리를 검출하는 기술에 관한 것이다.
전력용 변압기는 고장 시 정전이나 인명 피해를 유발하기 때문에 고장에 매우 민감하다. 전력용 변압기의 대표적인 사고 원인은 권선의 단락 및 층간 단락, 고전압 권선의 혼촉, 그리고 ULTC(무부하자동탭절환기)의 고장 등이 있다. 특히, 노후화나 최대 전력 부하가 발생한 경우, 즉 과부하 상태가 지속적으로 발생하게 되면 전력용 변압기의 절연이 파괴되어 소손, 폭발, 화재 등의 사고가 발생하게 된다.
이러한 사고를 예방하기 위해 전력용 변압기의 이상 상황을 예측하는 것이 매우 중요하다. 기존에는 전력용 변압기의 열화 정도를 판단하여 수명을 예측하는 방법과 전압, 전류의 정보, 그리고 부하전력량(kWh) 등의 데이터를 산출하여 부하를 감시하는 방법 등이 이용되고 있다.
일례로, 한국 공개특허공보 제10-2016-0020657호(전력용 변압기 수명 예측 시스템 및 방법)는 전력용 변압기의 열화 정도를 판단하기 위해 계기용 변류기(Current Transformer)로 측정하며, 획득한 데이터를 이용하여 가속열화지수를 산정하고, 열화 정도에 따른 상태를 분석하는 방법에 관한 것이다. 이는 변압기의 외부 온도에 기인하여 전력용 변압기의 수명을 예측하는 기술을 제공함을 그 목표로 한다.
또한, 한국 공개특허공보 제10-2012-0062038호(변압기 스마트 부하감시 시스템 및 방법)는 다수의 수용가에 대하여 각각의 변압기로부터 갱신 가능한 다수의 부하별 인입주 번호, 고객번호, 검침일 등의 고객 현황 데이터와 복수의 전류와 전압 데이터를 활용하여 검침 전력량과 부하 전력량을 통해 손실률을 산출하는 원격 감시 방법에 관한 것이다. 이는 변압기의 손실율에 기인하여 저압 부하의 상태를 감시하는 기술을 제공함을 그 목표로 한다.
소음 환경에서 전력용 변압기의 실제 소리를 정확히 검출할 수 있는 방법 및 시스템을 제공한다.
컴퓨터 장치에서 수행되는 변압기 소리 검출 방법에 있어서, 적어도 하나의 프로세서에 의해, 전력용 변압기의 소리 데이터를 수집하는 단계; 상기 적어도 하나의 프로세서에 의해, 상기 소리 데이터에서 백색 잡음을 제거하는 단계; 상기 적어도 하나의 프로세서에 의해, 상기 백색 잡음이 제거된 소리 데이터에서 변압기 소리 후보를 분류하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 분류된 변압기 소리 후보를 검증하는 단계를 포함하는 변압기 소리 검출 방법을 제공한다.
일 측면에 따르면, 상기 수집하는 단계는, 상기 전력용 변압기 혹은 상기 전력용 변압기의 주변에 부착된 마이크 센서를 통해 무선으로 상기 전력용 변압기의 소리 데이터를 수집할 수 있다.
다른 측면에 따르면, 상기 제거하는 단계는, 저주파 필터(low pass filter)인 평탄 필터(Smooth filter)를 이용하여 상기 백색 잡음을 제거할 수 있다.
또 다른 측면에 따르면, 상기 분류하는 단계는, SVDD(Support Vector Data Description)을 적용하여 상기 백색 잡음이 제거된 소리 데이터에서 변압기 소리 후보와 일반 잡음을 분류할 수 있다.
또 다른 측면에 따르면, 상기 분류하는 단계는, 잡음이 포함되지 않은 변압기의 실제 소리가 학습된 SVDD 모형을 슬라이딩 윈도우(sliding window) 처리 방식으로 적용하여 상기 백색 잡음이 제거된 소리 데이터에서 상기 변압기 소리 후보를 분류할 수 있다.
또 다른 측면에 따르면, 상기 검증하는 단계는, CNN(convolutional neural network)을 이용하여 상기 SVDD를 통해 분류된 상기 변압기 소리 후보를 검증할 수 있다.
변압기 소리 검출 방법을 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램에 있어서, 상기 변압기 소리 검출 방법은, 전력용 변압기 혹은 상기 전력용 변압기의 주변에 부착된 마이크 센서를 이용하여 상기 전력용 변압기의 소리 데이터를 수집하는 단계; 저주파 필터(low pass filter)인 평탄 필터(Smooth filter)를 이용하여 상기 수집된 소리 데이터에서 백색 잡음을 제거하는 단계; SVDD(Support Vector Data Description)을 적용하여 상기 백색 잡음이 제거된 소리 데이터에서 변압기 소리 후보를 분류하는 단계; 및 CNN(convolutional neural network)을 이용하여 상기 SVDD를 통해 분류된 상기 변압기 소리 후보를 검증하는 단계를 포함하는, 컴퓨터 프로그램을 제공한다.
컴퓨터로 구현되는 변압기 소리 검출 시스템에 있어서, 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 전력용 변압기의 소리 데이터를 수집하는 데이터 수집부; 상기 소리 데이터에서 백색 잡음을 제거하는 잡음 제거부; 상기 백색 잡음이 제거된 소리 데이터에서 변압기 소리 후보를 분류하는 소리 분류부; 및 상기 분류된 변압기 소리 후보를 검증하는 소리 검증부를 포함하는 변압기 소리 검출 시스템을 제공한다.
본 발명의 실시예들에 따르면, 소음 환경에서 전력용 변압기의 실제 소리를 정확히 검출함으로써 노후화나 고장으로 인한 폭발 이전의 비정상적인 상태를 예측하는데 활용할 수 있어 변압기의 소리를 이용한 고장진단 성능을 더욱 향상시킬 수 있다.
도 1은 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 도면이다.
도 3은 본 발명의 일실시예에 따른 컴퓨터 장치가 수행할 수 있는 변압기 소리 검출 방법의 예를 도시한 순서도이다.
도 4는 본 발명의 일실시예에 있어서 전력용 변압기의 소리 데이터를 수집하는 과정을 설명하기 위한 예시 도면이다.
도 5는 본 발명의 일실시예에 있어서 마이크 센서를 활용하여 수집한 소리 데이터의 파형을 도시한 것이다.
도 6은 본 발명의 일실시예에 있어서 마이크 센서를 통해 수집한 소리 데이터를 스펙트로그램으로 변환한 결과를 도시한 것이다.
도 7은 본 발명의 일실시예에 있어서 백색 잡음을 제거하는 과정을 설명하기 위한 예시 도면이다.
도 8은 본 발명의 일실시예에 있어서 변압기 소리 후보를 분류하는 과정을 설명하기 위한 예시 도면이다.
도 9는 본 발명의 일실시예에 있어서 변압기 소리를 검증하는 과정을 설명하기 위한 예시 도면이다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
본 발명은 잡음 환경에서 변압기의 소리를 검출하는 기술에 관한 것으로, 보다 상세하게는 변압기의 소리를 이용하여 노후화나 고장 등을 진단하고 관리하는 기술에 관한 것이다.
도 1은 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다.
본 발명의 실시예들에 따른 변압기 소리 검출 시스템이 도 1의 컴퓨터 장치(100)를 통해 구현될 수 있다. 예를 들어, 컴퓨터 장치(100)에는 일실시예에 따른 컴퓨터 프로그램이 설치 및 구동될 수 있고, 컴퓨터 장치(100)는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 실시예들에 따른 변압기 소리 검출 방법을 수행할 수 있다.
변압기 소리 검출 시스템은 PC 기반의 프로그램 또는 모바일 단말 전용의 어플리케이션으로 구성될 수 있다. 본 실시예에서의 변압기 소리 검출 시스템은 독립적으로 동작하는 프로그램 형태로 구현되거나, 혹은 특정 어플리케이션의 인-앱(in-app) 형태로 구성되어 상기 특정 어플리케이션 상에서 동작이 가능하도록 구현될 수 있다.
컴퓨터 장치(100)를 통해 변압기 소리 검출 시스템은 고정형 단말이거나 이동형 단말일 수 있다. 컴퓨터 장치(100)의 예를 들면, 컴퓨터(PC), 스마트폰(smart phone), 태블릿(tablet), 노트북 등의 디바이스일 수 있다.
도 1에 도시된 바와 같이, 컴퓨터 장치(100)는 변압기 소리 검출 방법을 실행하기 위한 구성요소로서 메모리(110), 프로세서(120), 통신 인터페이스(130) 그리고 입출력 인터페이스(140)를 포함할 수 있다.
메모리(110)는 컴퓨터에서 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM과 디스크 드라이브와 같은 비소멸성 대용량 기록장치는 메모리(110)와는 구분되는 별도의 영구 저장 장치로서 컴퓨터 장치(100)에 포함될 수도 있다. 또한, 메모리(110)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(110)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 메모리(110)로 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 인터페이스(130)를 통해 메모리(110)에 로딩될 수도 있다. 예를 들어, 소프트웨어 구성요소들은 네트워크(160)를 통해 수신되는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 컴퓨터 장치(100)의 메모리(110)에 로딩될 수 있다.
프로세서(120)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(110) 또는 통신 인터페이스(130)에 의해 프로세서(120)로 제공될 수 있다. 예를 들어 프로세서(120)는 메모리(110)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 인터페이스(130)는 네트워크(160)를 통해 컴퓨터 장치(100)이 다른 컴퓨터 장치(미도시)와 서로 통신하기 위한 기능을 제공할 수 있다. 일례로, 컴퓨터 장치(100)의 프로세서(120)가 메모리(110)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이나 명령, 데이터, 파일 등이 통신 인터페이스(130)의 제어에 따라 네트워크(160)를 통해 다른 컴퓨터 장치로 전달될 수 있다. 역으로, 다른 컴퓨터 장치로부터의 신호나 명령, 데이터, 파일 등이 네트워크(160)를 거쳐 컴퓨터 장치(100)의 통신 인터페이스(130)를 통해 컴퓨터 장치(100)로 수신될 수 있다. 통신 인터페이스(130)를 통해 수신된 신호나 명령, 데이터 등은 프로세서(120)나 메모리(110)로 전달될 수 있고, 파일 등은 컴퓨터 장치(100)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.
입출력 인터페이스(140)는 입출력 장치(150)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 마이크, 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커와 같은 장치를 포함할 수 있다. 다른 예로, 입출력 인터페이스(140)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(150)는 컴퓨터 장치(100)와 하나의 장치로 구성될 수도 있다.
또한, 다른 실시예들에서 컴퓨터 장치(100)는 도 1의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 컴퓨터 장치(100)는 상술한 입출력 인터페이스(140)와 연결되는 입출력 장치들 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 도면이고, 도 3은 본 발명의 일실시예에 따른 컴퓨터 장치가 수행할 수 있는 변압기 소리 검출 방법의 예를 도시한 순서도이다.
도 2에 도시된 바와 같이, 프로세서(120)는 데이터 수집부(201), 잡음 제거부(202), 소리 분류부(203), 및 소리 검증부(204)를 포함할 수 있다. 이러한 프로세서(120)의 구성요소들은 적어도 하나의 프로그램 코드에 의해 제공되는 제어 명령에 따라 프로세서(120)에 의해 수행되는 서로 다른 기능들(different functions)의 표현들일 수 있다. 예를 들어, 프로세서(120)가 소리 데이터를 수집하도록 컴퓨터 장치(100)를 제어하기 위해 동작하는 기능적 표현으로서 데이터 수집부(201)가 사용될 수 있다.
프로세서(120) 및 프로세서(120)의 구성요소들은 도 3의 변압기 소리 검출 방법이 포함하는 단계들(S301 내지 S304)을 수행할 수 있다. 예를 들어, 프로세서(120) 및 프로세서(120)의 구성요소들은 메모리(320)가 포함하는 운영체제의 코드와 상술한 적어도 하나의 프로그램 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 적어도 하나의 프로그램 코드는 변압기 소리 검출 방법을 처리하기 위해 구현된 프로그램의 코드에 대응될 수 있다.
변압기 소리 검출 방법은 도시된 순서대로 발생하지 않을 수 있으며, 단계들 중 일부가 생략되거나 추가의 과정이 더 포함될 수 있다.
프로세서(120)는 변압기 소리 검출 방법을 위한 프로그램 파일에 저장된 프로그램 코드를 메모리(320)에 로딩할 수 있다. 예를 들어, 변압기 소리 검출 방법을 위한 프로그램 파일은 도 3을 통해 설명한 영구 저장 장치(330)에 저장되어 있을 수 있고, 프로세서(120)는 버스를 통해 영구 저장 장치(330)에 저장된 프로그램 파일로부터 프로그램 코드가 메모리(320)에 로딩되도록 컴퓨터 장치(100)를 제어할 수 있다. 이때, 프로세서(120) 및 프로세서(120)가 포함하는 데이터 수집부(201), 잡음 제거부(202), 소리 분류부(203), 및 소리 검증부(204) 각각은 메모리(320)에 로딩된 프로그램 코드 중 대응하는 부분의 명령을 실행하여 이후 변압기 소리 검출 방법을 실행하기 위한 프로세서(120)의 서로 다른 기능적 표현들일 수 있다. 변압기 소리 검출 방법의 실행을 위해, 프로세서(120) 및 프로세서(120)의 구성요소들은 직접 제어 명령에 따른 연산을 처리하거나 또는 컴퓨터 장치(100)를 제어할 수 있다.
변압기 소리 검출 방법은 잡음을 제거하는 신호 처리 기술, 소리를 분류하는 패턴 인식 기술, 소리를 검증하는 인공지능 기계학습 기술을 포함한다.
단계(S301)에서 데이터 수집부(201)는 마이크 센서와 같은 소리 감지 센서를 이용하여 전력용 변압기의 소리 데이터를 수집할 수 있다. 소리 감지 센서는 변압기 소리 검출 시스템에 포함된 구성요소로 구성될 수 있으며, 혹은 전력용 변압기에 부착되어 전력용 변압기의 소리 데이터를 원격의 변압기 소리 검출 시스템으로 전달할 수 있는 통신 기능을 가진 센서를 이용하는 것 또한 가능하다.
도 4는 전력용 변압기의 소리 데이터를 수집하는 과정(S301)의 예시를 도시한 것이다.
도 4를 참조하면, 데이터 수집부(201)는 전력용 변압기(400) 혹은 전력용 변압기(400)의 주변에 부착된 마이크 센서(401)를 통해 원격에서 전력용 변압기(400)의 소리 데이터를 수집할 수 있다.
데이터 수집부(201)에서 수집한 전력용 변압기의 소리 데이터는 무 손실, 비 압축의 wav 파일 포맷이며, 샘플링 레이트(sampling rate)는 44,100Hz, 그리고 단일 채널의 형식인 Mono 형식으로 구성될 수 있다.
도 5는 마이크 센서를 활용하여 수집한 소리 데이터의 파형을 도시한 것이다. 도 5의 (A)는 전력용 변압기의 정상적인 소리 데이터를 나타내고 있고, 도 5의 (B)는 전력용 변압기의 이상 상황에 따른 소리 데이터를 나타내고 있다.
도 5를 참조하면, 이상 상황의 소리 데이터의 파형의 경우 정상적인 소리 데이터와 대비하여 전반부의 일정 시간 구간과 후반부의 일정 시간 구간에서 많은 잡음이 포함되어 있음을 확인할 수 있다.
도 6은 마이크 센서를 통해 수집한 소리 데이터를 스펙트로그램으로 변환한 결과를 도시한 것이다. 도 6의 (A)는 전력용 변압기의 정상적인 소리 데이터의 스펙트로그램을 나타내고 있고, 도 6의 (B)는 전력용 변압기의 이상 상황에 따른 소리 데이터의 스펙트로그램을 나타내고 있다.
도 6을 참조하면, 이상 상황의 소리 데이터가 정상 소리 데이터에 비해 많은 잡음을 내포하고 있음을 알 수 있다.
다시 도 3에서, 단계(S302)에서 잡음 제거부(202)는 단계(S301)에서 수집한 소리 데이터에서 백색 잡음을 제거할 수 있다.
전력용 변압기의 고장진단 기술에서는 전력용 변압기의 소리를 이용하여 노후화나 고장으로 인한 폭발 이전의 비정상적인 상태를 예측할 수 있다.
전력용 변압기의 소리는 주변 환경의 잡음과 비교하여 작은 소리 크기를 가지기 때문에 백색 잡음과 일반 잡음을 모두 제거해야 한다. 백색 잡음 환경에서는 정확한 변압기 소리를 측정하는데 어려움이 있기 때문에 스트리밍으로 전송 받은 소리 데이터에서 변압기의 소리를 검출해야 하는 한계가 있다.
이를 해결하기 위한 방법의 일례로, 잡음 제거부(202)는 저주파 필터(low pass filter)인 평탄 필터(Smooth filter)를 이용하여 백색 잡음을 제거할 수 있다.
도 7은 백색 잡음을 제거하는 과정(S302)의 예시를 도시한 것이다.
고장 진단을 위한 변압기 소리의 특징은 진폭(amplitude)을 통해 진단되므로 백색 잡음을 제거하기 위해서는 고조파 성분을 제거하는 저주파 필터를 이용할 수 있다. 다시 말해, 상대적으로 크기가 작은 잡음인 백색 잡음은 신호처리 분야의 평탄 필터를 이용하여 제거할 수 있다.
다시 도 3에서, 단계(S303)에서 소리 분류부(202)는 백색 잡음이 제거된 소리 데이터에서 변압기의 실제 소리와 일반 잡음을 분류할 수 있다. 일례로, 소리 분류부(202)는 패턴인식 분류 기법의 SVDD(Support Vector Data Description)을 적용하여 변압기 소리 후보와 일반 잡음을 분류할 수 있다.
도 8은 변압기 소리와 일반 잡음을 분류하는 과정(S303)의 예시를 도시한 것이다.
도 8을 참조하면, 상대적으로 큰 잡음인 일반 잡음을 분류하기 위해서는 먼저 소음실과 같은 밀폐된 공간에서 잡음이 섞이지 않은 변압기의 소리 데이터를 수집할 수 있다. 그리고, 수집한 소리 데이터를 SVDD를 이용하여 학습함으로써 실제 변압기 소리에 대한 학습 모형을 만들 수 있다. SVDD는 이진 분류기로서 참과 거짓만 판별이 가능하므로 변압기 소리인지, 그리고 변압기 소리가 아닌 일반 잡음인지를 판별 가능하다.
그리고, 변압기에 들어오는 전류가 주로 60Hz이기 때문에 일반 스트림에서 SVDD를 적용하기 위해서는 길이가 가변 파라미터(예컨대, 0.1~1초)를 갖도록 슬라이딩 윈도우(sliding window) 처리 방법을 적용하여 변압기 소리 후보를 탐지할 수 있다.
따라서, 소리 분류부(202)는 이진 분류기인 SVDD를 슬라이딩 윈도우 처리 방식에 의해 적용하여 변압기 소리 후보를 분류해 낼 수 있다.
다시 도 3에서, 단계(S304)에서 소리 검증부(204)는 단계(S303)에서 기계학습을 통해 분류해 낸 소리가 변압기의 소리가 맞는지를 검증할 수 있다.
도 9는 변압기 소리 검증 과정(S304)의 예시를 도시한 것이다.
도 9를 참조하면, 소리 검증부(204)는 후보로 분류된 소리가 변압기의 소리에 해당되는지 아닌지를 CNN(convolutional neural network) 기법을 이용하여 판단할 수 있다.
소리 분류 과정(S303)과 유사하게 잡음이 섞이지 않은 변압기의 소리 데이터를 CNN 기법을 적용하여 학습하고, 이러한 학습 모형을 통해 SVDD로부터 분류된 변압기 소리 후보를 검증하여 변압기 소리인지 변압기 소리가 아닌지를 판단할 수 있다.
SVDD와 CNN은 모두 분류(classification)를 위한 알고리즘으로, SVDD는 정상 집단과 비정상 집단을 분류하는 성능이 뛰어나고, CNN은 복잡한 상황에 적용 가능한 기계학습 방법에 해당된다.
따라서, 본 발명에서는 SVDD와 CNN의 특성을 고려하여 SVDD는 소리 스트리밍에서 변압기 소리 후보를 탐지하기 위해 적용하고, CNN은 탐지된 변압기 소리를 검증하기 위해서 적용된다.
이처럼 본 발명의 실시예들에 따르면, 소음 환경에서 전력용 변압기의 실제 소리를 정확히 검출함으로써 노후화나 고장으로 인한 폭발 이전의 비정상적인 상태를 예측하는데 활용할 수 있어 변압기의 소리를 이용한 고장진단 성능을 더욱 향상시킬 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수 개의 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 어플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (13)

  1. 컴퓨터 장치에서 수행되는 변압기 소리 검출 방법에 있어서,
    적어도 하나의 프로세서에 의해, 전력용 변압기의 소리 데이터를 수집하는 단계;
    상기 적어도 하나의 프로세서에 의해, 저주파 필터(low pass filter)인 평탄 필터(Smooth filter)를 이용하여 상기 소리 데이터에서 백색 잡음을 제거하는 단계;
    상기 적어도 하나의 프로세서에 의해, SVDD(Support Vector Data Description)을 적용하여 상기 백색 잡음이 제거된 소리 데이터에서 변압기 소리 후보를 분류하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 분류된 변압기 소리 후보를 검증하는 단계
    를 포함하고,
    상기 분류하는 단계는,
    잡음이 포함되지 않은 변압기의 실제 소리가 학습된 SVDD 모형을 슬라이딩 윈도우(sliding window) 처리 방식으로 적용하여 상기 백색 잡음이 제거된 소리 데이터에서 상기 변압기 소리 후보를 분류하고,
    소리 스트리밍에서 상기 SVDD를 적용하기 위해서는 길이가 가변 파라미터를 갖도록 상기 슬라이딩 윈도우 처리 방식을 적용하여 상기 변압기 소리 후보를 탐지하는 것
    을 특징으로 하는 변압기 소리 검출 방법.
  2. 제1항에 있어서,
    상기 수집하는 단계는,
    상기 전력용 변압기 혹은 상기 전력용 변압기의 주변에 부착된 마이크 센서를 통해 무선으로 상기 전력용 변압기의 소리 데이터를 수집하는 것
    을 특징으로 하는 변압기 소리 검출 방법.
  3. 삭제
  4. 삭제
  5. 삭제
  6. 제1항에 있어서,
    상기 검증하는 단계는,
    CNN(convolutional neural network)을 이용하여 상기 SVDD를 통해 분류된 상기 변압기 소리 후보를 검증하는 것
    을 특징으로 하는 변압기 소리 검출 방법.
  7. 변압기 소리 검출 방법을 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램에 있어서,
    상기 변압기 소리 검출 방법은,
    전력용 변압기 혹은 상기 전력용 변압기의 주변에 부착된 마이크 센서를 이용하여 상기 전력용 변압기의 소리 데이터를 수집하는 단계;
    저주파 필터(low pass filter)인 평탄 필터(Smooth filter)를 이용하여 상기 수집된 소리 데이터에서 백색 잡음을 제거하는 단계;
    SVDD(Support Vector Data Description)을 적용하여 상기 백색 잡음이 제거된 소리 데이터에서 변압기 소리 후보를 분류하는 단계; 및
    CNN(convolutional neural network)을 이용하여 상기 SVDD를 통해 분류된 상기 변압기 소리 후보를 검증하는 단계
    를 포함하고,
    상기 분류하는 단계는,
    잡음이 포함되지 않은 변압기의 실제 소리가 학습된 SVDD 모형을 슬라이딩 윈도우(sliding window) 처리 방식으로 적용하여 상기 백색 잡음이 제거된 소리 데이터에서 상기 변압기 소리 후보를 분류하고,
    소리 스트리밍에서 상기 SVDD를 적용하기 위해서는 길이가 가변 파라미터를 갖도록 상기 슬라이딩 윈도우 처리 방식을 적용하여 상기 변압기 소리 후보를 탐지하는 것
    을 특징으로 하는, 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
  8. 컴퓨터로 구현되는 변압기 소리 검출 시스템에 있어서,
    메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로세서는,
    전력용 변압기의 소리 데이터를 수집하는 데이터 수집부;
    저주파 필터(low pass filter)인 평탄 필터(Smooth filter)를 이용하여 상기 소리 데이터에서 백색 잡음을 제거하는 잡음 제거부;
    SVDD(Support Vector Data Description)을 적용하여 상기 백색 잡음이 제거된 소리 데이터에서 변압기 소리 후보를 분류하는 소리 분류부; 및
    상기 분류된 변압기 소리 후보를 검증하는 소리 검증부
    를 포함하고,
    상기 소리 분류부는,
    잡음이 포함되지 않은 변압기의 실제 소리가 학습된 SVDD 모형을 슬라이딩 윈도우(sliding window) 처리 방식으로 적용하여 상기 백색 잡음이 제거된 소리 데이터에서 상기 변압기 소리 후보를 분류하고,
    소리 스트리밍에서 상기 SVDD를 적용하기 위해서는 길이가 가변 파라미터를 갖도록 상기 슬라이딩 윈도우 처리 방식을 적용하여 상기 변압기 소리 후보를 탐지하는 것
    을 특징으로 하는 변압기 소리 검출 시스템.
  9. 제8항에 있어서,
    상기 데이터 수집부는,
    상기 전력용 변압기 혹은 상기 전력용 변압기의 주변에 부착된 마이크 센서를 통해 무선으로 상기 전력용 변압기의 소리 데이터를 수집하는 것
    을 특징으로 하는 변압기 소리 검출 시스템.
  10. 삭제
  11. 삭제
  12. 삭제
  13. 제8항에 있어서,
    상기 소리 검증부는,
    CNN(convolutional neural network)을 이용하여 상기 SVDD를 통해 분류된 상기 변압기 소리 후보를 검증하는 것
    을 특징으로 하는 변압기 소리 검출 시스템.
KR1020190006046A 2018-11-16 2019-01-17 잡음 환경에서 변압기 소리 검출을 위한 방법 KR102102887B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20180141485 2018-11-16
KR1020180141485 2018-11-16

Publications (1)

Publication Number Publication Date
KR102102887B1 true KR102102887B1 (ko) 2020-04-22

Family

ID=70473057

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190006046A KR102102887B1 (ko) 2018-11-16 2019-01-17 잡음 환경에서 변압기 소리 검출을 위한 방법

Country Status (1)

Country Link
KR (1) KR102102887B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102563584B1 (ko) * 2022-11-25 2023-08-07 한승영 신경망 기반 철도 차량의 소음 감소 시스템

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120055090A (ko) * 2010-11-23 2012-05-31 고려대학교 산학협력단 오디오 데이터 식별 장치와 그 방법 및 오디오 데이터 식별을 이용한 방범 시스템
KR101457881B1 (ko) * 2014-06-11 2014-11-04 지투파워 (주) 초음파 신호에 의한 수배전반의 지능형 아크 및 코로나 방전 진단 시스템
KR20170053304A (ko) * 2015-11-06 2017-05-16 주식회사 파워토스 변압기 이상 감지를 위한 음향 스펙트럼 감지기
KR20170119353A (ko) * 2016-04-18 2017-10-27 주식회사 세화 소리분석을 통한 선로전환기의 고장 탐지 식별 시스템
KR20180015164A (ko) * 2015-06-26 2018-02-12 삼성전자주식회사 소리를 판별하는 방법 및 이를 위한 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120055090A (ko) * 2010-11-23 2012-05-31 고려대학교 산학협력단 오디오 데이터 식별 장치와 그 방법 및 오디오 데이터 식별을 이용한 방범 시스템
KR101457881B1 (ko) * 2014-06-11 2014-11-04 지투파워 (주) 초음파 신호에 의한 수배전반의 지능형 아크 및 코로나 방전 진단 시스템
KR20180015164A (ko) * 2015-06-26 2018-02-12 삼성전자주식회사 소리를 판별하는 방법 및 이를 위한 장치
KR20170053304A (ko) * 2015-11-06 2017-05-16 주식회사 파워토스 변압기 이상 감지를 위한 음향 스펙트럼 감지기
KR20170119353A (ko) * 2016-04-18 2017-10-27 주식회사 세화 소리분석을 통한 선로전환기의 고장 탐지 식별 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102563584B1 (ko) * 2022-11-25 2023-08-07 한승영 신경망 기반 철도 차량의 소음 감소 시스템

Similar Documents

Publication Publication Date Title
KR102118340B1 (ko) 소리 정보를 이용한 변압기 고장 진단 방법
KR102094712B1 (ko) 소리 정보를 이용한 전력용 변압기의 이상 상황 탐지
US20210147182A1 (en) Non-intrusive data analytics system for adaptive intelligent condition monitoring of lifts
WO2017129032A1 (zh) 磁盘的故障预测方法和装置
US20140189440A1 (en) Predicting a time of failure of a device
US11556740B2 (en) Sensor triggered sound clip capturing for machine learning
CN111459692B (zh) 用于预测驱动器故障的方法、设备和计算机程序产品
KR102359090B1 (ko) 실시간 기업정보시스템 이상행위 탐지 서비스를 제공하는 방법과 시스템
US20180131560A1 (en) Content-aware anomaly detection and diagnosis
KR102102887B1 (ko) 잡음 환경에서 변압기 소리 검출을 위한 방법
US20190163599A1 (en) Tape library integrated failure indication based on cognitive sound and vibration analysis
CN116680146A (zh) 一种保障应用软件安全可靠运行的方法和装置
US20200059484A1 (en) Protocol-independent anomaly detection
US10990669B2 (en) Vehicle intrusion detection system training data generation
US10896252B2 (en) Composite challenge task generation and deployment
WO2022115419A1 (en) Method of detecting an anomaly in a system
CN114238330A (zh) 一种数据处理方法、装置、电子设备和存储介质
TW201820198A (zh) 檢測系統及檢測方法
US20180060987A1 (en) Identification of abnormal behavior in human activity based on internet of things collected data
CN112150033A (zh) 一种快递柜系统管理方法、装置及电子设备
CN112416700A (zh) 分析启动的预测性故障和smart日志
KR102446901B1 (ko) 가전기기 전력 분석 장치 및 방법
CN114860542A (zh) 趋势预测模型的优化方法、优化装置、电子设备和介质
US20170053291A1 (en) Optimal time scale and data volume for real-time fraud analytics
KR102216513B1 (ko) 실시간 전류 분석을 통한 전동기 열화 감지 방법 및 장치

Legal Events

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