KR102175292B1 - Intelligent Fire Prediction System - Google Patents
Intelligent Fire Prediction System Download PDFInfo
- Publication number
- KR102175292B1 KR102175292B1 KR1020200008053A KR20200008053A KR102175292B1 KR 102175292 B1 KR102175292 B1 KR 102175292B1 KR 1020200008053 A KR1020200008053 A KR 1020200008053A KR 20200008053 A KR20200008053 A KR 20200008053A KR 102175292 B1 KR102175292 B1 KR 102175292B1
- Authority
- KR
- South Korea
- Prior art keywords
- temperature
- current
- energy storage
- risk
- gas
- Prior art date
Links
- 238000004146 energy storage Methods 0.000 claims abstract description 122
- 238000011156 evaluation Methods 0.000 claims abstract description 55
- 239000011159 matrix material Substances 0.000 claims abstract description 50
- 238000001514 detection method Methods 0.000 claims abstract description 46
- 238000004364 calculation method Methods 0.000 claims description 29
- 230000035945 sensitivity Effects 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 230000001953 sensory effect Effects 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 9
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 7
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 7
- 238000009434 installation Methods 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 3
- 238000013021 overheating Methods 0.000 claims description 3
- 230000017525 heat dissipation Effects 0.000 claims description 2
- 238000012502 risk assessment Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 206010000369 Accident Diseases 0.000 description 3
- 230000035807 sensation Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/06—Electric actuation of the alarm, e.g. using a thermally-operated switch
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
Abstract
Description
본 발명은 에너지저장장치용 지능형 화재예지시스템에 관한 것으로, 더욱 상세하게는 에너지저장시설의 운영과정에 있어서, 과충전, 과전압 등으로 발생하는 에너지저장장치를 모니터링하여 화재를 예지하는 에너지저장장치용 지능형 화재예지시스템에 관한 것이다.The present invention relates to an intelligent fire prediction system for an energy storage device, and more particularly, in the operation of an energy storage facility, an intelligent energy storage device for predicting a fire by monitoring an energy storage device generated by overcharging, overvoltage, etc. It relates to a fire prediction system.
에너지저장시설의 화재감지시스템은 에너지저장시설 내부 변화 및 에너지저장장치의 과부하로 인한 변화를 측정하거나 모니터링하여 화재 등의 재난상황을 예방하기 위한 것으로, 에너지저장시설 내부의 온도, 습도, 불꽃, 화염 등의 정보를 기반으로 사용자가 화재를 포함한 재난상황에 의한 피해를 예방 및 최소화할 수 있다.The fire detection system of an energy storage facility measures or monitors changes in the energy storage facility and changes due to overloading of the energy storage device to prevent disasters such as fire.The temperature, humidity, flame, flame inside the energy storage facility Based on such information, users can prevent and minimize damage caused by disaster situations including fire.
종래의 경우, 에너지저장시설의 화재감지시스템은 에너지저장시설에 센서를 설치하여 에너지저장장치의 온도, 습도 등을 감지하였으며, 그에 따라 기 설정된 설정값에 도달할 경우, 에너지저장장치를 정지하였다.In the conventional case, the fire detection system of an energy storage facility installed a sensor in the energy storage facility to detect the temperature and humidity of the energy storage device, and accordingly, when reaching a preset value, the energy storage device was stopped.
하지만, 상기 방법의 경우, 에너지저장장치의 온도 및 습도를 감지하는 센서부의 기 설정된 설정값에 도달할 경우, 에너지저장장치를 정지하는 방식은 계절, 시간 및 기온 별 온도 및 습도 값에 따라 측정값이 일정하지 않은 문제점이 있었으며, 이를 해결하기 위하여 최근의 경우, 에너지저장장치 내부의 화학변화(가스방출 등)를 관측하는 센서부를 포함하는 제품군이 출시되고 있다.However, in the case of the above method, when the temperature and humidity of the energy storage device reaches a preset set value, the method of stopping the energy storage device is measured according to the temperature and humidity values for each season, time, and temperature. In order to solve this problem, a product group including a sensor unit for observing chemical changes (gas emission, etc.) inside the energy storage device has been released.
본 발명이 해결하고자 하는 기술적 과제는 온도, 가스(화학반응), 전류를 감지하며, 미리 설정된 리스크 매트릭스를 이용하여 에너지저장장치의 상태를 판단하고, 그에 따른 화재 발생 가능성을 사용자에게 제공하여 화재를 예지 및 대비하는 에너지저장장치용 지능형 화재예지시스템을 제공하는 것이다.The technical problem to be solved by the present invention is to detect temperature, gas (chemical reaction), and current, determine the state of the energy storage device using a preset risk matrix, and provide the user with the possibility of a fire. It is to provide an intelligent fire prediction system for predicting and preparing energy storage devices.
본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 아니하며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.The technical problem to be achieved by the present invention is not limited to the technical problems mentioned above, and other technical problems that are not mentioned can be clearly understood by those of ordinary skill in the technical field to which the present invention belongs from the following description. There will be.
상기 기술적 과제를 달성하기 위하여, 본 발명의 일실시예는 내부에 에너지저장장치가 설치된 하우징; 상기 하우징 내에 위치하여 상기 에너지저장장치의 온도를 감지하고 온도감지정보를 생성하는 온도감지모듈; 상기 하우징 내에 위치하여 상기 에너지저장장치에서 발생되는 가스를 감지하고 가스감지정보를 생성하는 가스감지모듈; 상기 하우징 내에 위치하여 상기 에너지저장장치에 전기적으로 연결되어 상기 에너지저장장치의 전류를 감지하고 전류감지정보를 생성하는 전류감지모듈; 상기 에너지저장장치에 대한 리스크 관리 및/또는 평가를 수행하여 화재를 예지하기 위하여, 온도, 가스, 전류 각각에 대한 리스크 평가정보를 산출하고, 상기 리스크 평가정보를 다차원으로 배열 및/또는 설정하여 리스크 매트릭스를 생성하는 리스크관리모듈; 및 상기 온도감지정보, 상기 가스감지정보, 상기 전류감지정보를 수신하고, 상기 리스크 매트릭스를 이용하여 상기 온도감지정보, 상기 가스감지정보, 상기 전류감지정보를 분석하여 화재를 예지하는 화재예지모듈을 포함하는, 에너지저장장치용 지능형 화재예지시스템을 제공한다.In order to achieve the above technical problem, an embodiment of the present invention is a housing in which an energy storage device is installed; A temperature sensing module positioned in the housing to sense a temperature of the energy storage device and to generate temperature sensing information; A gas detection module positioned in the housing to detect gas generated from the energy storage device and generate gas detection information; A current sensing module located in the housing and electrically connected to the energy storage device to sense a current of the energy storage device and to generate current sensing information; In order to predict a fire by performing risk management and/or evaluation on the energy storage device, risk evaluation information is calculated for each of temperature, gas, and current, and the risk evaluation information is arranged and/or set in multiple dimensions. A risk management module that generates a matrix; And a fire prediction module that receives the temperature detection information, the gas detection information, and the current detection information, and predicts a fire by analyzing the temperature detection information, the gas detection information, and the current detection information using the risk matrix. Including, it provides an intelligent fire prediction system for energy storage devices.
본 발명의 실시예에 있어서, 상기 리스크관리모듈은, 상기 온도, 상기 가스, 상기 전류 각각에 대한 온도 리스크 평가정보, 가스 리스크 평가정보, 전류 리스크 평가정보를 산출하되, 상기 온도 리스크 평가정보는, 상기 에너지저장장치의 일반온도요인을 반영하여 화재발생확률(P)과 화재 발생에 따른 영향강도(I)를 산출하는 온도PI산출단계, 및 상기 온도PI산출단계의 PI결과값에 기 수집된 특수온도요인이 반영된 온도체감도(S)를 추가로 반영하는 온도체감도(S) 반영단계를 통해 산출되고, 상기 가스 리스크 평가정보는, 상기 에너지저장장치의 일반가스요인을 반영하여 화재발생확률(P)과 화재 발생에 따른 영향강도(I)를 산출하는 가스PI산출단계, 및 상기 가스PI산출단계의 PI결과값에 기 수집된 특수가스요인이 반영된 가스체감도(S)를 추가로 반영하는 가스체감도(S) 반영단계를 통해 산출되고, 상기 전류 리스크 평가정보는, 상기 에너지저장장치의 일반전류요인을 반영하여 화재발생확률(P)과 화재 발생에 따른 영향강도(I)를 산출하는 전류PI산출단계, 및 상기 전류PI산출단계의 PI결과값에 기 수집된 특수전류요인이 반영된 전류체감도(S)를 추가로 반영하는 전류체감도(S) 반영단계를 통해 산출되며, 상기 온도 리스크 평가정보, 상기 가스 리스크 평가정보, 상기 전류 리스크 평가정보를 3차원으로 도시하여 상기 리스크 매트릭스를 생성할 수 있다.In an embodiment of the present invention, the risk management module calculates temperature risk evaluation information, gas risk evaluation information, and current risk evaluation information for each of the temperature, the gas, and the current, the temperature risk evaluation information, A special temperature PI calculation step that calculates the fire occurrence probability (P) and the impact intensity (I) according to the fire occurrence by reflecting the general temperature factors of the energy storage device, and the PI result value of the temperature PI calculation step It is calculated through the step of reflecting the temperature sensation (S) that additionally reflects the temperature sensation (S) reflecting the temperature factor, and the gas risk evaluation information reflects the general gas factors of the energy storage device and the probability of fire occurrence ( P) and the gas PI calculation step that calculates the impact intensity (I) of the fire occurrence, and the gas experience level (S) in which the special gas factors previously collected are reflected in the PI result value of the gas PI calculation step. It is calculated through the step of reflecting the gas sensory sensitivity (S), and the current risk assessment information reflects the general current factor of the energy storage device to calculate the fire occurrence probability (P) and the impact intensity (I) due to the occurrence of fire. It is calculated through the current PI calculation step and the current sensitivity (S) reflecting step of additionally reflecting the current sensitivity (S) in which the special current factor previously collected in the PI result value of the current PI calculation step is reflected, and the temperature The risk matrix may be generated by showing the risk evaluation information, the gas risk evaluation information, and the current risk evaluation information in three dimensions.
본 발명의 실시예에 있어서, 상기 일반온도요인은, 상기 에너지저장장치의 설치환경에 따라 수집된 발열온도, 상기 하우징의 위치, 계절, 기온 중 적어도 하나를 포함하는 일반온도변수를 포함하되, 과거 통계 데이터에 기초하여 화재 위험도가 높은 상기 일반온도변수로 설정되고, 상기 특수온도요인은, 상기 에너지저장장치의 과열에 영향을 미치는 특수온도변수를 포함하되, 상기 특수온도변수는 상기 에너지저장장치의 작동시간, 방열량 중 적어도 하나를 포함하고 세부적으로 차별화되어 반영될 수 있다.In an embodiment of the present invention, the general temperature factor includes a general temperature variable including at least one of a heating temperature collected according to an installation environment of the energy storage device, a location of the housing, a season, and a temperature, Based on statistical data, the general temperature variable having a high fire risk is set, and the special temperature factor includes a special temperature variable that affects overheating of the energy storage device, and the special temperature variable is It includes at least one of the operating time and the amount of heat dissipation, and may be differentiated and reflected in detail.
본 발명의 실시예에 있어서, 상기 온도PI산출단계에서는, 과거 통계정보를 통해 화재발생온도의 평균값을 산출하고, 상기 화재발생온도의 평균값에 따른 리스크에 과거 사고 통계정보를 반영하여, 2차원의 축으로 상기 PI결과값의 데이터를 생성하고, 상기 온도체감도(S) 반영단계에서는, 관리자로부터 상기 에너지저장장치의 화재발생 리스크에 대한 온도 체감도를 기 설정된 등급내에서 평가받고, 상기 PI결과값과 상기 온도체감도(S)를 3차원으로 도시하여 온도 리스크 매트릭스를 생성하고, 상기 온도 리스크 매트릭스의 벡터값을 상기 온도 리스크 평가정보로 산출될 수 있다.In an embodiment of the present invention, in the temperature PI calculation step, the average value of the fire occurrence temperature is calculated through the past statistical information, and the past accident statistics information is reflected in the risk according to the average value of the fire occurrence temperature, The data of the PI result value is generated by the axis, and in the step of reflecting the temperature sensibility (S), the temperature sensibility for the fire occurrence risk of the energy storage device is evaluated from the manager within a preset level, and the PI result A temperature risk matrix is generated by showing a value and the temperature sensitivity (S) in three dimensions, and a vector value of the temperature risk matrix may be calculated as the temperature risk evaluation information.
본 발명의 실시예에 있어서, 상기 일반가스요인은, 상기 에너지저장장치의 설치환경에 따라 수집된 상기 에너지저장장치의 화학반응, 상기 하우징의 내부체적, 습도 중 적어도 하나를 포함하는 일반가스변수를 포함하되, 과거 통계 데이터에 기초하여 화재 위험도가 높은 상기 일반가스변수로 설정되고, 상기 특수가스요인은, 상기 에너지저장장치의 화재에 영향을 미치는 특수가스변수를 포함하되, 상기 특수가스변수는 상기 에너지저장장치의 일산화탄소 발생량, 상기 하우징 내의 일산화탄소 농도 중 적어도 하나를 포함하고 세부적으로 차별화되어 반영될 수 있다.In an embodiment of the present invention, the general gas factor is a general gas variable including at least one of a chemical reaction of the energy storage device, an internal volume of the housing, and humidity collected according to the installation environment of the energy storage device. However, based on past statistical data, the general gas variable having a high fire risk is set, and the special gas factor includes a special gas variable that affects the fire of the energy storage device, wherein the special gas variable is the It includes at least one of the amount of carbon monoxide generated by the energy storage device and the concentration of carbon monoxide in the housing, and may be differentiated and reflected in detail.
본 발명의 실시예에 있어서, 상기 가스PI산출단계에서는, 과거 통계정보를 통해 화학반응에 따른 가스 농도 평균값을 산출하고, 상기 화학반응에 따른 가스 농도 평균값에 따른 리스크에 과거 사고 통계정보를 반영하여, 2차원의 축으로 상기 PI결과값의 데이터를 생성하고, 상기 가스체감도(S) 반영단계에서는, 관리자로부터 상기 에너지저장장치의 화재발생 리스크에 대한 온도 체감도를 기 설정된 등급내에서 평가받고, 상기 PI결과값과 상기 온도체감도(S)를 3차원으로 도시하여 온도 리스크 매트릭스를 생성하고, 상기 온도 리스크 매트릭스의 벡터값을 상기 온도 리스크 평가정보로 산출할 수 있다.In an embodiment of the present invention, in the gas PI calculation step, the average gas concentration value according to the chemical reaction is calculated through the past statistical information, and the historical accident statistics information is reflected in the risk according to the average gas concentration value according to the chemical reaction. , The PI result data is generated with a two-dimensional axis, and in the step of reflecting the gas sensibility (S), the temperature sensibility for the fire occurrence risk of the energy storage device is evaluated from the manager within a preset level. , A temperature risk matrix may be generated by showing the PI result value and the temperature sensitivity (S) in three dimensions, and a vector value of the temperature risk matrix may be calculated as the temperature risk evaluation information.
본 발명의 실시예에 있어서, 상기 일반전류요인은, 상기 에너지저장장치의 작동에 따라 수집된 상기 에너지저장장치의 정격전류, 허용전류 중 적어도 하나를 포함하는 일반전류변수를 포함하되, 과거 통계 데이터에 기초하여 화재 위험도가 높은 상기 일반전류변수로 설정되고, 상기 특수전류요인은, 상기 에너지저장장치의 화재에 영향을 미치는 특수전류변수를 포함하되, 상기 특수전류변수는 단락전류, 누설전류, 지락전류 중 적어도 하나를 포함하고 세부적으로 차별화되어 반영될 수 있다.In an embodiment of the present invention, the general current factor includes a general current variable including at least one of a rated current and an allowable current of the energy storage device collected according to the operation of the energy storage device, and past statistical data Is set as the general current variable having a high fire risk, and the special current factor includes a special current variable that affects the fire of the energy storage device, and the special current variable is short-circuit current, leakage current, and ground fault. It includes at least one of the currents and may be differentiated and reflected in detail.
본 발명의 실시예에 있어서, 상기 전류PI산출단계에서는, 과거 통계정보를 통해 상기 에너지저장장치의 전류 변화 평균값을 산출하고, 상기 전류 변화 평균값에 따른 리스크에 과거 사고 통계정보를 반영하여, 2차원의 축으로 상기 PI결과값의 데이터를 생성하고, 상기 전류체감도(S) 반영단계에서는, 관리자로부터 상기 에너지저장장치의 화재발생 리스크에 대한 전류체감도를 기 설정된 등급내에서 평가받고, 상기 PI결과값과 상기 전류체감도(S)를 3차원으로 도시하여 전류 리스크 매트릭스를 생성하고, 상기 전류 리스크 매트릭스의 벡터값을 상기 전류 리스크 평가정보로 산출할 수 있다.In an embodiment of the present invention, in the current PI calculation step, the average current change value of the energy storage device is calculated through the past statistics information, and the past accident statistics information is reflected in the risk according to the average current change value, The PI result value data is generated with the axis of, and in the step of reflecting the current sensitivity (S), the current sensitivity for the fire occurrence risk of the energy storage device is evaluated from the manager within a preset level, and the PI A current risk matrix is generated by showing the result value and the current sensitivity (S) in three dimensions, and a vector value of the current risk matrix can be calculated as the current risk evaluation information.
본 발명의 실시예에 따르면, 온도, 가스(화학반응), 전류를 감지하며, 미리 설정된 리스크 매트릭스를 이용하여 에너지저장장치의 상태를 판단하고, 그에 따른 화재 발생 가능성을 사용자에게 제공하여 화재를 예지 및 대비할 수 있다.According to an embodiment of the present invention, it detects temperature, gas (chemical reaction), and current, determines the state of the energy storage device using a preset risk matrix, and predicts a fire by providing the possibility of a fire accordingly to the user. And be prepared.
본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.The effects of the present invention are not limited to the above effects, and should be understood to include all effects that can be inferred from the configuration of the invention described in the detailed description or claims of the present invention.
도 1은 본 발명의 일 실시예에 따른 에너지저장장치용 지능형 화재예지시스템의 구성을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 3차원 온도 리스크 매트릭스의 예시 도면이다.
도 3은 본 발명의 일 실시예에 따른 3차원 가스 리스크 매트릭스의 예시 도면이다.
도 4는 본 발명의 일 실시예에 따른 3차원 전류 리스크 매트릭스의 예시 도면이다.
도 5는 본 발명의 일 실시예에 따른 다차원 리스크 매트릭스를 나타내고 있는 도면이다.1 is a view showing the configuration of an intelligent fire prediction system for an energy storage device according to an embodiment of the present invention.
2 is an exemplary diagram of a three-dimensional temperature risk matrix according to an embodiment of the present invention.
3 is an exemplary diagram of a three-dimensional gas risk matrix according to an embodiment of the present invention.
4 is an exemplary diagram of a three-dimensional current risk matrix according to an embodiment of the present invention.
5 is a diagram showing a multidimensional risk matrix according to an embodiment of the present invention.
이하에서는 첨부한 도면을 참조하여 본 발명을 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실시예로 한정되는 것은 아니다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, the present invention will be described with reference to the accompanying drawings. However, the present invention may be implemented in various different forms, and therefore is not limited to the embodiments described herein. In the drawings, parts irrelevant to the description are omitted in order to clearly describe the present invention, and similar reference numerals are assigned to similar parts throughout the specification.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결(접속, 접촉, 결합)"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다.Throughout the specification, when a part is said to be "connected (connected, contacted, bonded)" with another part, it is not only "directly connected", but also "indirectly connected" with another member in the middle. "Including the case. In addition, when a part "includes" a certain component, it means that other components may be further provided, rather than excluding other components unless specifically stated to the contrary.
본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "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.The terms used in the present specification are only used to describe specific embodiments, and are not intended to limit the present invention. Singular expressions include plural expressions unless the context clearly indicates otherwise. In this specification, terms such as "comprise" or "have" are intended to designate the presence of features, numbers, steps, actions, components, parts, or a combination thereof described in the specification, but one or more other features. It is to be understood that the presence or addition of elements or numbers, steps, actions, components, parts, or combinations thereof, does not preclude in advance.
본 발명에 따른 “리스크(위험도, Risk)”는 에너지저장장치의 작동이나 유지 과정에서 발생할 수 있는 실행상의 실수(Task execution errors) 및/또는 안정적인 작동에 필요한 사전 구비 요건의 불충족(Failures in meeting activity preconditions) 등에 의해 발생할 수 있는 인명 및/또는 재산상의 손실 등의 위험, 예컨대 화재 발생 가능성을 지칭할 수 있다.“Risk” according to the present invention refers to task execution errors that may occur during the operation or maintenance of the energy storage device and/or failures in meeting prerequisites for stable operation. activity preconditions), such as risk of loss of life and/or property, such as the possibility of a fire.
또한, 본 발명에 따른 “리스크(위험도, Risk)”는 “1~10”과 같은 스케일 범위 내 점수로 수치화(정량화)되거나, “상-중-하”와 같은 등급으로 생성되거나 표현될 수 있다.In addition, the “risk (risk)” according to the present invention may be quantified (quantified) as a score within a scale range such as “1 to 10”, or may be generated or expressed in a grade such as “high-medium-low”. .
또한, 본 발명에 따른 “매트릭스(Matrix)”는 온도, 가스, 전류의 요소에 따른 과거의 통계분석 결과에 기초한 리스크 값(수치), 에너지저장장치 및/또는 하우징에 설치된 센서 네트워크(및/또는 현장 관리자 등이 과거 데이터를 기반으로 평가하여 임의 값을 부여하는 현재 리스크 값(수치)이 될 수도 있다)를 통해 수집되는 데이터의 분석을 통한 실시간 리스크 값(수치), 예측 알고리즘(몬테카를로 시뮬레이션 등)을 기반으로 하는 미래 예측에 따른 리스크 값(수치)을 기반으로 각각(즉, 일 예로 “온도”에 대한 리스크를 과거, 현재 및 미래 예측 값(수치)으로 각각 계산하고, 이를 3차원 벡터 형태나 3차원 그래프로 생성) 도시화 한 것을 지칭할 수 있다.In addition, the “matrix” according to the present invention refers to a risk value (value) based on the results of past statistical analysis according to factors of temperature, gas, and current, and a sensor network installed in the energy storage device and/or the housing (and/or Real-time risk value (numerical value) through analysis of data collected through analysis of the current risk value (numerical value) that field managers evaluate based on past data and assign a random value), prediction algorithm (Monte Carlo simulation, etc.) Based on the risk value (numerical value) according to the future prediction based on (i.e., for example, the risk for “temperature” is calculated as past, present, and future predicted values (numerical values), respectively, and this is calculated in the form of a 3D vector or It can be referred to as urbanization) created as a 3D graph.
또한, 전술한 설명과 달리, 본 발명에 따른 “매트릭스(Matrix)”는 온도(X축)-가스(Y축)-전류(Z축)의 종합적으로 도식화한 3차원 매트릭스나 2차원 등 다차원(Multi-Dimensions)의 그래프 등이 다양한 형태와 모양으로 정의될 수 있다.In addition, unlike the above description, the “matrix” according to the present invention is a three-dimensional matrix or two-dimensional, which is a comprehensive schematic of temperature (X-axis)-gas (Y-axis)-current (Z-axis). Multi-Dimensions) graphs can be defined in various shapes and shapes.
또한, 전술한 설명들과 달리, 본 발명에 따른 “매트릭스(Matrix)”는 온도, 가스 및 전류 요소 중 어느 2개를 상호 조합하여, 과거 리스크 값, 현재 리스크 값 및 미래 리스크 값(수치, 숫자)을 기반으로 2차원 또는 3차원 등의 다차원의 그래프나 좌표, 도표 등의 형태로 생성된 이미지 자료를 지칭할 수도 있다.In addition, unlike the above description, the “matrix” according to the present invention combines any two of temperature, gas, and current elements to each other, so that the past risk value, the present risk value, and the future risk value (number, number ), it may refer to image data created in the form of a multidimensional graph, coordinates, or chart, such as 2D or 3D.
이하 첨부된 도면을 참고하여 본 발명의 실시예를 상세히 설명하기로 한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.
도 1은 본 발명의 일 실시예에 따른 에너지저장장치용 지능형 화재예지시스템의 구성을 나타내는 도면이다.1 is a view showing the configuration of an intelligent fire prediction system for an energy storage device according to an embodiment of the present invention.
도 1을 참조하면, 본 발명의 일 실시예에 따른 에너지저장장치용 지능형 화재예지시스템은 에너지저장장치(Energy Storage System: ESS)(10)의 화재를 예지하기 위하여 하우징(100), 온도감지모듈(200), 가스감지모듈(300), 전류감지모듈(400), 리스크관리모듈(500), 및 화재예지모듈(600)을 포함할 수 있다.Referring to FIG. 1, an intelligent fire prediction system for an energy storage device according to an embodiment of the present invention includes a
구체적으로, 상기 하우징(100)은 기 설정된 형태로 형성되어 상기 에너지저장장치(10)의 수용공간을 마련하고, 내부에 상기 에너지저장장치(10)가 설치될 수 있다. 여기서, 상기 하우징(100)은 상기 에너지저장장치(10)가 설치된 에너지저장시설을 형성할 수 있다.Specifically, the
상기 온도감지모듈(200)은 상기 하우징(100) 내에 위치하여 상기 에너지저장장치(10)의 온도를 감지하고 감지된 온도로 온도감지정보를 생성할 수 있다. 이를 위하여, 상기 가스감지모듈(300)은 상기 에너지저장장치(10) 및/또는 상기 하우징(100)의 온도(변화)를 직간접적으로 감지하는 적어도 하나의 온도센서를 포함할 수 있다. 예를 들면, 상기 온도센서는 상기 에너지저장장치(10)의 각 셀의 온도를 직접 또는 간접적으로 감지할 수 있다. 또한, 상기 온도센서는 복수개 각각이 상기 에너지저장장치(10)의 각 셀에 설치될 수 있다.The
상기 가스감지모듈(300)은 상기 하우징(100) 내에 위치하여 상기 에너지저장장치(10)에서 발생되는 가스를 감지하고 감지된 가스로 가스감지정보를 생성할 수 있다. 이를 위하여, 상기 가스감지모듈(300)은 상기 에너지저장장치(10) 및/또는 상기 하우징(100)에서 발생되는 가스를 직간접적으로 감지하는 적어도 하나의 가스센서를 포함할 수 있다. 예를 들면, 상기 가스센서는 상기 에너지저장장치(10)의 각 셀에서 화학반응 발생 이전에 발생되는 일산화탄소 및/또는 그 발생량을 감지할 수 있다.The
상기 전류감지모듈(400)은 상기 하우징(100) 내에 위치하여 상기 에너지저장장치(10)에 전기적으로 연결되어 상기 에너지저장장치(10)의 전류량을 감지하고 감지된 전류량으로 전류감지정보를 생성할 수 있다. 이를 위하여, 상기 전류감지모듈(400)은 상기 에너지저장장치(10)의 전류값을 직간접적으로 감지하는 적어도 하나의 전류센서를 포함할 수 있다. 예를 들면, 상기 전류센서는 상기 에너지저장장치(10)의 지락전류, 단락전류, 누설전류 등에 의한 전류값을 감지할 수 있다.The
상기 리스크관리모듈(500)은 화재를 예지할 수 있도록 상기 에너지저장장치(10)에 대한 리스크 관리 및/또는 평가를 수행할 수 있다. 또한, 상기 리스크관리모듈(500)은 온도, 가스, 전류 각각에 대한 리스크 평가정보, 온도 리스크 평가정보, 가스 리스크 평가정보, 전류 리스크 평가정보를 산출하고, 상기 리스크 평가정보를 다차원으로 배열 및/또는 설정하여 리스크 매트릭스를 생성할 수 있다.The
구체적으로, 상기 리스크관리모듈(500)은 상기 에너지저장장치(10)의 일반온도요인을 반영하여 화재발생확률(P)과 화재 발생에 따른 영향강도(I)를 산출하는 온도PI산출단계, 및 상기 온도PI산출단계의 PI결과값에 기 수집된 특수온도요인이 반영된 온도체감도(S)를 추가로 반영하는 온도체감도(S) 반영단계를 통해 상기 온도 리스크 평가정보를 산출할 수 있다.Specifically, the
여기서, 상기 일반온도요인은 상기 에너지저장장치의 설치환경에 따라 수집된 발열온도, 상기 하우징의 위치, 계절, 기온 중 적어도 하나를 포함하는 일반온도변수를 포함하되, 과거 통계 데이터에 기초하여 화재 위험도가 높은 상기 일반온도변수로 설정될 수 있다. 또한, 상기 특수온도요인은 상기 에너지저장장치의 과열에 영향을 미치는 특수온도변수를 포함하되, 상기 특수온도변수는 상기 에너지저장장치의 작동시간, 방열량 중 적어도 하나를 포함하고 세부적으로 차별화되어 반영될 수 있다.Here, the general temperature factor includes a general temperature variable including at least one of a heating temperature collected according to the installation environment of the energy storage device, a location of the housing, a season, and a temperature, but the fire risk is based on past statistical data. May be set as the general temperature variable where is high. In addition, the special temperature factor includes a special temperature variable that affects overheating of the energy storage device, and the special temperature variable includes at least one of an operating time and a heat radiation amount of the energy storage device, and is differentiated and reflected in detail. I can.
이때, 상기 리스크관리모듈(500)은 상기 온도PI산출단계에서 과거 통계정보를 통해 화재발생온도의 평균값을 산출하고, 상기 화재발생온도의 평균값에 따른 리스크에 과거 사고 통계정보를 반영하여, 2차원의 축으로 상기 PI결과값의 데이터를 생성할 수 있다. 또한, 상기 리스크관리모듈(500)은 상기 온도체감도(S) 반영단계에서 관리자로부터 상기 에너지저장장치(10)의 화재발생 리스크에 대한 온도 체감도를 기 설정된 등급내에서 평가받고, 상기 PI결과값과 상기 온도체감도(S)를 3차원으로 도시하여 온도 리스크 매트릭스를 생성하고, 상기 온도 리스크 매트릭스의 벡터값을 상기 온도 리스크 평가정보로 산출할 수 있다.At this time, the
여기서는 도 2를 더 참조해서 상기 온도 리스크 매트릭스의 생성에 대하여 보다 상세하게 설명한다.Here, the generation of the temperature risk matrix will be described in more detail with reference to FIG. 2.
도 2는 본 발명의 일 실시예에 따른 3차원 온도 리스크 매트릭스의 예시 도면이다.2 is an exemplary diagram of a three-dimensional temperature risk matrix according to an embodiment of the present invention.
상기 리스크관리모듈(500)은 온도PI 산출단계에서 에너지저장장치의 온도에 따른 과거 화재사고 발생확률(P) 및 화재사고 발생에 따른 영향강도(I, 금전적 수치로 표시 가능)을 각각 도출한 이후, 온도별 PI값을 종합적으로 산출할 수 있다. 또한 이와 함께 전체 온도를 통합하여 온도PI가 산출될 수도 있다(일 예로 에너지저장장치별로 PI그래프가 온도별로 생성되고, 생성된 복수개의 온도별 그래프가 겹쳐지거나 합쳐져 나타나도록 하여 해당 에너지저장장치의 전체 온도에 따른 온도 PI가 산출되는 형태 등). 또한 이와 달리(또한 함께) 전술한, 온도 PI결과값의 데이터는 1~10 스코어 등 스케일로 수치화 된 값으로도 생성될 수 있다.After the
또한, 상기 리스크관리모듈(500)은 관리자 등으로부터 온도의 리스크에 대한 온도체감도(S, Sensory Level/Significance)를 과거의 통계 데이터(PI 값)와 특수온도요인에 기반한 현재 및/또는 미래 예측 데이터를 상대적으로 비교 판단하여 관리자 등이 입력할 수 있다.In addition, the
다만, 객관적으로 수치화 되어 도출될 수 있는 과거 통계 데이터(PI 값)와 달리 관리자 등에 의해 주관적으로 평가되는 한계점을 고려하여, S(체감도, Significance/Sensory Level)의 입력은 평가자의 주관적 판단에 따른 오류를 줄이기 위해 평가 지표를 단순화하는 것이 바람직하다. 일 예로 상기 온도 PI결과값의 평가 지표는 1~10과 같은 스케일로 평가 범위가 넓은 반면, 상기 온도체감도(S)는 상/중/하와 같이 평가 범위(간격)를 좁게 하여 평가자 별로 부여할 수 있는 선택 범위를 좁게 함으로써 평가자 별 관점 등에 따른 오차 발생 가능성을 최소화할 수 있다.However, unlike past statistical data (PI value) that can be objectively quantified and derived, in consideration of the limitations subjectively evaluated by the manager, etc., the input of S (Experience, Significance/Sensory Level) is based on the subjective judgment of the evaluator. It is desirable to simplify the evaluation index to reduce errors. As an example, the evaluation index of the temperature PI result value has a wide evaluation range on a scale such as 1 to 10, whereas the temperature experience (S) narrows the evaluation range (interval) such as upper/medium/lower to give each evaluator. By narrowing the range of possible options, it is possible to minimize the possibility of errors due to the viewpoints of each evaluator.
예를 들면, 상기 온도체감도(S)는 상중하의 3 스코어 스케일로만 등급이 구분될 수 있으며, 현장 관리자 등은 상/중/하의 3 스코어 스케일로 상기 온도체감도(S)를 평가할 수 있으며, 온도PI 산출단계에서 도출된 PI결과값에 가감되어 추가로 반영될 수 있다.For example, the temperature sensibility (S) can be classified only on a three-score scale of upper, middle, and lower, and a site manager can evaluate the temperature sensibility (S) on a three-score scale of upper/middle/lower, It can be additionally reflected by adding or subtracting the PI result value derived in the temperature PI calculation step.
또한, 상기 리스크관리모듈(500)은 상기 에너지저장장치(10)의 일반가스요인을 반영하여 화재발생확률(P)과 화재 발생에 따른 영향강도(I)를 산출하는 가스PI산출단계, 및 상기 가스PI산출단계의 PI결과값에 기 수집된 특수가스요인이 반영된 가스체감도(S)를 추가로 반영하는 가스체감도(S) 반영단계를 통해 상기 가스 리스크 평가정보를 산출할 수 있다.In addition, the
여기서, 상기 일반가스요인은 상기 에너지저장장치의 설치환경에 따라 수집된 상기 에너지저장장치의 화학반응, 상기 하우징의 내부체적, 습도 중 적어도 하나를 포함하는 일반가스변수를 포함하되, 과거 통계 데이터에 기초하여 화재 위험도가 높은 상기 일반가스변수로 설정될 수 있다. 또한, 상기 특수가스요인은 상기 에너지저장장치의 화재에 영향을 미치는 특수가스변수를 포함하되, 상기 특수가스변수는 상기 에너지저장장치의 일산화탄소 발생량, 상기 하우징 내의 일산화탄소 농도 중 적어도 하나를 포함하고 세부적으로 차별화되어 반영될 수 있다.Here, the general gas factor includes a general gas variable including at least one of a chemical reaction of the energy storage device, an internal volume of the housing, and humidity collected according to the installation environment of the energy storage device, Based on the fire risk, the general gas variable may be set. In addition, the special gas factor includes a special gas variable that affects the fire of the energy storage device, and the special gas variable includes at least one of carbon monoxide generation amount of the energy storage device and carbon monoxide concentration in the housing, and in detail It can be differentiated and reflected.
이때, 상기 리스크관리모듈(500)은 상기 가스PI산출단계에서 과거 통계정보를 통해 화학반응에 따른 가스 농도 평균값을 산출하고, 상기 가스 농도 평균값에 따른 리스크에 과거 사고 통계정보를 반영하여, 2차원의 축으로 상기 PI결과값의 데이터를 생성하고, 상기 가스체감도(S) 반영단계에서 관리자로부터 상기 에너지저장장치(10)의 화학반응의 화재발생 리스크에 대한 가스 체감도를 기 설정된 등급내에서 평가받고, 상기 PI결과값과 상기 가스체감도(S)를 3차원으로 도시하여 가스 리스크 매트릭스를 생성하고, 상기 가스 리스크 매트릭스의 벡터값을 상기 가스 리스크 평가정보로 산출할 수 있다.At this time, the
여기서는 도 3을 더 참조해서 상기 가스 리스크 매트릭스의 생성에 대하여 보다 상세하게 설명한다.Here, the generation of the gas risk matrix will be described in more detail with reference to FIG. 3.
도 3은 본 발명의 일 실시예에 따른 3차원 가스 리스크 매트릭스의 예시 도면이다.3 is an exemplary diagram of a three-dimensional gas risk matrix according to an embodiment of the present invention.
상기 리스크관리모듈(500)은 가스PI 산출단계에서 에너지저장장치에서 발생하는 가스 종류에 따른 과거 화재사고 발생확률(P) 및 화재사고 발생에 따른 영향강도(I, 금전적 수치로 표시 가능)을 각각 도출한 이후, 가스별 PI값을 종합적으로 산출할 수 있다. 또한 이와 함께 가스별 농도를 통합하여 가스PI가 산출될 수도 있다(일 예로 에너지저장장치별로 PI그래프가 가스별로 생성되고, 생성된 복수개의 가스별 그래프가 겹쳐지거나 합쳐져 나타나도록 하여 해당 에너지저장장치에서 발생하는 가스에 따른 가스 PI가 산출되는 형태 등). 또한 이와 달리(또한 함께) 전술한, 가스 PI결과값의 데이터는 1~10 스코어 등 스케일로 수치화 된 값으로도 생성될 수 있다.In the gas PI calculation step, the
또한, 상기 리스크관리모듈(500)은 관리자 등으로부터 가스 리스크에 대한 가스체감도(S, Sensory Level/Significance)를 과거의 통계 데이터(PI 값)와 특수가스요인에 기반한 현재 및/또는 미래 예측 데이터를 상대적으로 비교 판단하여 관리자 등이 입력할 수 있다.In addition, the
다만, 객관적으로 수치화 되어 도출될 수 있는 과거 통계 데이터(PI 값)와 달리 관리자 등에 의해 주관적으로 평가되는 한계점을 고려하여, S(체감도, Significance/Sensory Level)의 입력은 평가자의 주관적 판단에 따른 오류를 줄이기 위해 평가 지표를 단순화하는 것이 바람직하다. 일 예로 상기 가스 PI결과값의 평가 지표는 1~10과 같은 스케일로 평가 범위가 넓은 반면, 상기 가스체감도(S)는 상/중/하와 같이 평가 범위(간격)를 좁게 하여 평가자 별로 부여할 수 있는 선택 범위를 좁게 함으로써 평가자 별 관점 등에 따른 오차 발생 가능성을 최소화할 수 있다.However, unlike past statistical data (PI value) that can be objectively quantified and derived, in consideration of the limitations subjectively evaluated by the manager, etc., the input of S (Experience, Significance/Sensory Level) is based on the subjective judgment of the evaluator. It is desirable to simplify the evaluation index to reduce errors. For example, the evaluation index of the gas PI result value has a wide evaluation range on a scale such as 1 to 10, whereas the gas sensory sensitivity (S) is assigned to each evaluator by narrowing the evaluation range (interval) such as high/medium/low. By narrowing the range of possible options, it is possible to minimize the possibility of errors due to the viewpoints of each evaluator.
예를 들면, 상기 가스체감도(S)는 상중하의 3 스코어 스케일로만 등급이 구분될 수 있으며, 현장 관리자 등은 상/중/하의 3 스코어 스케일로 상기 가스체감도(S)를 평가할 수 있으며, 가스PI 산출단계에서 도출된 PI결과값에 가감되어 추가로 반영될 수 있다.For example, the gas sensibility (S) can be classified only on a three-score scale of upper, middle, and lower, and a site manager can evaluate the gas sensibility (S) on a three-score scale of upper, middle, and lower, It can be additionally reflected by adding or subtracting the PI result value derived in the gas PI calculation step.
또한, 상기 리스크관리모듈(500)은 상기 에너지저장장치(10)의 일반전류요인을 반영하여 화재발생확률(P)과 화재 발생에 따른 영향강도(I)를 산출하는 전류PI산출단계, 및 상기 전류PI산출단계의 PI결과값에 기 수집된 특수전류요인이 반영된 전류체감도(S)를 추가로 반영하는 전류체감도(S) 반영단계를 통해 상기 전류 리스크 평가정보를 산출할 수 있다.In addition, the
여기서, 상기 일반전류요인은 상기 에너지저장장치의 작동에 따라 수집된 상기 에너지저장장치의 정격전류, 허용전류 중 적어도 하나를 포함하는 일반전류변수를 포함하되, 과거 통계 데이터에 기초하여 화재 위험도가 높은 상기 일반전류변수로 설정될 수 있다. 또한, 상기 특수가스요인은 상기 에너지저장장치의 화재에 영향을 미치는 특수가스변수를 포함하되, 상기 특수전류변수는 단락전류, 누설전류, 지락전류 중 적어도 하나를 포함하고 세부적으로 차별화되어 반영될 수 있다.Here, the general current factor includes a general current variable including at least one of a rated current and an allowable current of the energy storage device collected according to the operation of the energy storage device, but the fire risk is high based on past statistical data. It can be set as the general current variable. In addition, the special gas factor includes a special gas variable that affects the fire of the energy storage device, and the special current variable includes at least one of short-circuit current, leakage current, and ground current, and can be differentiated and reflected in detail. have.
이때, 상기 리스크관리모듈(500)은 상기 전류PI산출단계에서 과거 통계정보를 통해 상기 에너지저장장치(10)의 전류 변화 평균값을 산출하고, 상기 전류 변화 평균값에 따른 리스크에 과거 사고 통계정보를 반영하여, 2차원의 축으로 상기 PI결과값의 데이터를 생성할 수 있다. 또한, 상기 리스크관리모듈(500)은 상기 전류체감도(S) 반영단계에서 관리자로부터 상기 에너지저장장치(10)의 화재발생 리스크에 대한 전류체감도를 기 설정된 등급내에서 평가받고, 상기 PI결과값과 상기 전류체감도(S)를 3차원으로 도시하여 전류 리스크 매트릭스를 생성하고, 상기 전류 리스크 매트릭스의 벡터값을 상기 전류 리스크 평가정보로 산출할 수 있다.At this time, the
여기서는 도 4를 더 참조해서 상기 전류 리스크 매트릭스의 생성에 대하여 보다 상세하게 설명한다.Here, the generation of the current risk matrix will be described in more detail with reference to FIG. 4.
도 4는 본 발명의 일 실시예에 따른 3차원 전류 리스크 매트릭스의 예시 도면이다.4 is an exemplary diagram of a three-dimensional current risk matrix according to an embodiment of the present invention.
상기 리스크관리모듈(500)은 전류 PI 산출단계에서 에너지저장장치의 전류 변화에 따른 과거 화재사고 발생확률(P) 및 화재사고 발생에 따른 영향강도(I, 금전적 수치로 표시 가능)을 각각 도출한 이후, 전류 PI값을 종합적으로 산출할 수 있다. 또한 이와 함께 전류 변화량을 통합하여 전류PI가 산출될 수도 있다(일 예로 에너지저장장치별로 PI그래프가 전류별로 생성되고, 생성된 복수개의 전류별 그래프가 겹쳐지거나 합쳐져 나타나도록 하여 해당 에너지저장장치의 전류 변화에 따른 전류 PI가 산출되는 형태 등). 또한 이와 달리(또한 함께) 전술한, 전류 PI결과값의 데이터는 1~10 스코어 등 스케일로 수치화 된 값으로도 생성될 수 있다.In the current PI calculation step, the
또한, 상기 리스크관리모듈(500)은 관리자 등으로부터 전류 리스크에 대한 전류체감도(S, Sensory Level/Significance)를 과거의 통계 데이터(PI 값)와 특수전류요인에 기반한 현재 및/또는 미래 예측 데이터를 상대적으로 비교 판단하여 관리자 등이 입력할 수 있다.In addition, the
다만, 객관적으로 수치화 되어 도출될 수 있는 과거 통계 데이터(PI 값)와 달리 관리자 등에 의해 주관적으로 평가되는 한계점을 고려하여, S(체감도, Significance/Sensory Level)의 입력은 평가자의 주관적 판단에 따른 오류를 줄이기 위해 평가 지표를 단순화하는 것이 바람직하다. 일 예로 상기 전류 PI결과값의 평가 지표는 1~10과 같은 스케일로 평가 범위가 넓은 반면, 상기 전류체감도(S)는 상/중/하와 같이 평가 범위(간격)를 좁게 하여 평가자 별로 부여할 수 있는 선택 범위를 좁게 함으로써 평가자 별 관점 등에 따른 오차 발생 가능성을 최소화할 수 있다.However, unlike past statistical data (PI value) that can be objectively quantified and derived, in consideration of the limitations subjectively evaluated by the manager, etc., the input of S (Experience, Significance/Sensory Level) is based on the subjective judgment of the evaluator. It is desirable to simplify the evaluation index to reduce errors. For example, the evaluation index of the current PI result value has a wide evaluation range on a scale such as 1 to 10, whereas the current sensitivity (S) narrows the evaluation range (interval), such as high/medium/low, to give each evaluator. By narrowing the range of possible options, it is possible to minimize the possibility of errors due to the viewpoints of each evaluator.
예를 들면, 상기 전류체감도(S)는 상중하의 3 스코어 스케일로만 등급이 구분될 수 있으며, 현장 관리자 등은 상/중/하의 3 스코어 스케일로 상기 전류체감도(S)를 평가할 수 있으며, 전류PI 산출단계에서 도출된 PI결과값에 가감되어 추가로 반영될 수 있다.For example, the current sensitivity (S) can be classified only on a three-score scale of upper, middle, and lower, and a site manager may evaluate the current sensitivity (S) on a three-score scale of upper/middle/lower, It can be additionally reflected by adding or subtracting the PI result value derived in the current PI calculation step.
상기 화재예지모듈(600)은 상기 온도감지정보, 상기 가스감지정보, 상기 전류감지정보를 수신하고, 상기 리스크 매트릭스를 이용하여 상기 온도감지정보, 상기 가스감지정보, 상기 전류감지정보를 분석하여 화재를 예지할 수 있다.The
여기서, 상기 화재예지모듈(600)은 온도, 가스, 전류 각각의 리스크값을 수치화하여 3차원 매트릭스나 다차원 그래프를 생성할 수 있으며, “온도-가스”, “가스-전류”, “온도-전류” 연계 리스크 매트릭스나 리스크 값을 수치화하여 생성할 수도 있다.Here, the
이때, 상기 리스크 매트릭스는 도 5에 도시된 바와 같이, 온도, 가스, 전류로 구분된 축(Axis)으로 각각 형성되고, 각 축(Axis)에 해당되는 값은 상기 에너지저장장치(10)에 따라 개별적 또는 종합적으로 시각적으로 확인할 수 있는 다차원 리스크 매트릭스로 형성, 제공될 수 있다. 이때, 각 축(Axis)에 대응되는 수치 값의 경우, 전술한 온도, 가스, 전류 각각의 리스크 값 생성 단계에 의해 도출되고, 각각 도출된 리스크 값이 다시 반영(미리 설정된 각 리스크 값이 평균, 가중평균, 합산되는 등의 방식)되어 생성될 수 있다.In this case, the risk matrix is formed of each axis (Axis) divided into temperature, gas, and current, as shown in FIG. 5, and a value corresponding to each axis (Axis) is determined according to the energy storage device (10). It can be formed and presented as a multidimensional risk matrix that can be visually identified individually or collectively. At this time, in the case of a numerical value corresponding to each axis, it is derived by the above-described risk value generation step for temperature, gas, and current, and each derived risk value is reflected again (each preset risk value is averaged, Weighted average, summed, etc.).
또한, 상기 화재예지모듈(600)은 상기 리스크 매트릭스에 수신한 상기 온도감지정보, 상기 가스감지정보, 상기 전류감지정보를 대입하여 상기 에너지저장장치(10)의 상태(화재 발생 위험도)를 판단하고, 판단 결과로 화재를 예지할 수 있다.In addition, the
본 발명의 실시예에 따르면, 온도, 가스(화학반응), 전류를 감지하며, 미리 설정된 리스크 매트릭스를 이용하여 에너지저장장치의 상태를 판단하고, 그에 따른 화재 발생 가능성을 사용자에게 제공하여 화재를 예지 및 대비할 수 있다.According to an embodiment of the present invention, it detects temperature, gas (chemical reaction), and current, determines the state of the energy storage device using a preset risk matrix, and predicts a fire by providing the possibility of a fire accordingly to the user. And be prepared.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.The above description of the present invention is for illustrative purposes only, and those of ordinary skill in the art to which the present invention pertains will be able to understand that it can be easily modified into other specific forms without changing the technical spirit or essential features of the present invention. will be. Therefore, it should be understood that the embodiments described above are illustrative in all respects and not limiting. For example, each component described as a single type may be implemented in a distributed manner, and similarly, components described as being distributed may also be implemented in a combined form.
본 발명의 범위는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present invention is indicated by the claims to be described later, and all changes or modified forms derived from the meaning and scope of the claims and their equivalent concepts should be interpreted as being included in the scope of the present invention.
10: 에너지저장장치
100: 하우징
200: 온도감지모듈
300: 가스감지모듈
400: 전류감지모듈
500: 리스크관리모듈
600: 화재예지모듈10: energy storage device
100: housing
200: temperature detection module
300: gas detection module
400: current detection module
500: risk management module
600: fire prediction module
Claims (8)
상기 하우징 내에 위치하여 상기 에너지저장장치의 온도를 감지하고 온도감지정보를 생성하는 온도감지모듈;
상기 하우징 내에 위치하여 상기 에너지저장장치에서 발생되는 가스를 감지하고 가스감지정보를 생성하는 가스감지모듈;
상기 하우징 내에 위치하여 상기 에너지저장장치에 전기적으로 연결되어 상기 에너지저장장치의 전류를 감지하고 전류감지정보를 생성하는 전류감지모듈;
상기 에너지저장장치에 대한 리스크 관리 및 평가 중 적어도 하나를 수행하여 화재를 예지하기 위하여, 온도, 가스, 전류 각각에 대한 리스크 평가정보를 산출하고, 상기 리스크 평가정보를 다차원으로 배열 및 설정 중 적어도 하나를 수행하여 리스크 매트릭스를 생성하는 리스크관리모듈; 및
상기 온도감지정보, 상기 가스감지정보, 상기 전류감지정보를 수신하고, 상기 리스크 매트릭스를 이용하여 상기 온도감지정보, 상기 가스감지정보, 상기 전류감지정보를 분석하여 화재를 예지하는 화재예지모듈;을 포함하고,
상기 리스크관리모듈은,
상기 온도, 상기 가스, 상기 전류 각각에 대한 온도 리스크 평가정보, 가스 리스크 평가정보, 전류 리스크 평가정보를 산출하되,
상기 온도 리스크 평가정보는,
상기 에너지저장장치의 일반온도요인을 반영하여 화재발생확률(P)과 화재 발생에 따른 영향강도(I)를 산출하는 온도PI산출단계, 및 상기 온도PI산출단계의 PI결과값에 기 수집된 특수온도요인이 반영된 온도체감도(S)를 추가로 반영하는 온도체감도(S) 반영단계를 통해 산출되고,
상기 가스 리스크 평가정보는,
상기 에너지저장장치의 일반가스요인을 반영하여 화재발생확률(P)과 화재 발생에 따른 영향강도(I)를 산출하는 가스PI산출단계, 및 상기 가스PI산출단계의 PI결과값에 기 수집된 특수가스요인이 반영된 가스체감도(S)를 추가로 반영하는 가스체감도(S) 반영단계를 통해 산출되고,
상기 전류 리스크 평가정보는,
상기 에너지저장장치의 일반전류요인을 반영하여 화재발생확률(P)과 화재 발생에 따른 영향강도(I)를 산출하는 전류PI산출단계, 및 상기 전류PI산출단계의 PI결과값에 기 수집된 특수전류요인이 반영된 전류체감도(S)를 추가로 반영하는 전류체감도(S) 반영단계를 통해 산출되며,
상기 온도 리스크 평가정보, 상기 가스 리스크 평가정보, 상기 전류 리스크 평가정보를 3차원으로 도시하여 상기 리스크 매트릭스를 생성하는 것을 특징으로 하는, 에너지저장장치용 지능형 화재예지시스템.
A housing with an energy storage device installed therein;
A temperature sensing module positioned in the housing to sense a temperature of the energy storage device and to generate temperature sensing information;
A gas detection module positioned in the housing to detect gas generated from the energy storage device and generate gas detection information;
A current sensing module located in the housing and electrically connected to the energy storage device to sense a current of the energy storage device and to generate current sensing information;
In order to predict a fire by performing at least one of risk management and evaluation for the energy storage device, risk evaluation information for each of temperature, gas, and current is calculated, and at least one of arranging and setting the risk evaluation information in multiple dimensions A risk management module that generates a risk matrix by performing the process; And
A fire prediction module that receives the temperature detection information, the gas detection information, and the current detection information, and predicts a fire by analyzing the temperature detection information, the gas detection information, and the current detection information using the risk matrix; Including,
The risk management module,
Calculate temperature risk evaluation information, gas risk evaluation information, and current risk evaluation information for each of the temperature, the gas, and the current,
The above temperature risk evaluation information,
A special temperature PI calculation step that calculates the fire occurrence probability (P) and the impact intensity (I) according to the fire occurrence by reflecting the general temperature factors of the energy storage device, and the PI result value of the temperature PI calculation step It is calculated through the temperature sensibility (S) reflecting step that additionally reflects the temperature sensibility (S) reflecting the temperature factor,
The gas risk assessment information,
The gas PI calculation step that calculates the fire occurrence probability (P) and the impact intensity (I) of the fire occurrence by reflecting the general gas factors of the energy storage device, and the PI result value of the gas PI calculation step It is calculated through the gas experience level (S) reflecting step that additionally reflects the gas experience level (S) reflecting the gas factor,
The current risk evaluation information is,
The current PI calculation step, which calculates the fire occurrence probability (P) and the impact intensity (I) according to the fire occurrence by reflecting the general current factor of the energy storage device, and a special previously collected PI result value of the current PI calculation step. It is calculated through the step of reflecting the current feeling (S) additionally reflecting the current feeling (S) reflecting the current factor,
An intelligent fire prediction system for an energy storage device, characterized in that the temperature risk evaluation information, the gas risk evaluation information, and the current risk evaluation information are shown in three dimensions to generate the risk matrix.
상기 일반온도요인은,
상기 에너지저장장치의 설치환경에 따라 수집된 발열온도, 상기 하우징의 위치, 계절, 기온 중 적어도 하나를 포함하는 일반온도변수를 포함하되, 과거 통계 데이터에 기초하여 화재 위험도가 높은 상기 일반온도변수로 설정되고,
상기 특수온도요인은,
상기 에너지저장장치의 과열에 영향을 미치는 특수온도변수를 포함하되, 상기 특수온도변수는 상기 에너지저장장치의 작동시간, 방열량 중 적어도 하나를 포함하고 세부적으로 차별화되어 반영되는 것을 특징으로 하는, 에너지저장장치용 지능형 화재예지시스템.
The method of claim 1,
The general temperature factors are,
Including a general temperature variable including at least one of a heating temperature collected according to the installation environment of the energy storage device, a location of the housing, a season, and a temperature, but the general temperature variable having a high fire risk based on past statistical data Is set,
The above special temperature factors are:
Including a special temperature variable that affects overheating of the energy storage device, wherein the special temperature variable includes at least one of an operating time of the energy storage device and an amount of heat dissipation, and is differentiated and reflected in detail. Intelligent fire prediction system for devices.
상기 온도PI산출단계에서는,
과거 통계정보를 통해 화재발생온도의 평균값을 산출하고, 상기 화재발생온도의 평균값에 따른 리스크에 과거 사고 통계정보를 반영하여, 2차원의 축으로 상기 PI결과값의 데이터를 생성하고,
상기 온도체감도(S) 반영단계에서는,
관리자로부터 상기 에너지저장장치의 화재발생 리스크에 대한 온도 체감도를 기 설정된 등급내에서 평가받고, 상기 PI결과값과 상기 온도체감도(S)를 3차원으로 도시하여 온도 리스크 매트릭스를 생성하고, 상기 온도 리스크 매트릭스의 벡터값을 상기 온도 리스크 평가정보로 산출하는 것을 특징으로 하는, 에너지저장장치용 지능형 화재예지시스템.
The method of claim 3,
In the temperature PI calculation step,
Calculate the average value of the fire occurrence temperature through the past statistical information, reflect the historical accident statistics information to the risk according to the average value of the fire occurrence temperature, and generate the data of the PI result value with a two-dimensional axis,
In the step of reflecting the temperature sensitivity (S),
The temperature sensory degree of the fire risk of the energy storage device is evaluated from the manager within a preset level, and the PI result value and the temperature experience degree (S) are shown in three dimensions to create a temperature risk matrix, and the An intelligent fire prediction system for an energy storage device, characterized in that the vector value of the temperature risk matrix is calculated as the temperature risk evaluation information.
상기 일반가스요인은,
상기 에너지저장장치의 설치환경에 따라 수집된 상기 에너지저장장치의 화학반응, 상기 하우징의 내부체적, 습도 중 적어도 하나를 포함하는 일반가스변수를 포함하되, 과거 통계 데이터에 기초하여 화재 위험도가 높은 상기 일반가스변수로 설정되고,
상기 특수가스요인은,
상기 에너지저장장치의 화재에 영향을 미치는 특수가스변수를 포함하되, 상기 특수가스변수는 상기 에너지저장장치의 일산화탄소 발생량, 상기 하우징 내의 일산화탄소 농도 중 적어도 하나를 포함하고 세부적으로 차별화되어 반영되는 것을 특징으로 하는, 에너지저장장치용 지능형 화재예지시스템.
The method of claim 1,
The above general gas factors are:
Including a general gas variable including at least one of a chemical reaction of the energy storage device, an internal volume of the housing, and humidity collected according to the installation environment of the energy storage device, but the fire risk is high based on past statistical data It is set as a general gas variable,
The above special gas factors are:
Including a special gas variable that affects the fire of the energy storage device, wherein the special gas variable includes at least one of a carbon monoxide generation amount of the energy storage device and a carbon monoxide concentration in the housing, and is reflected in detail. An intelligent fire prediction system for energy storage devices.
상기 가스PI산출단계에서는,
과거 통계정보를 통해 화학반응에 따른 가스 농도 평균값을 산출하고, 상기 화학반응에 따른 가스 농도 평균값에 따른 리스크에 과거 사고 통계정보를 반영하여, 2차원의 축으로 상기 PI결과값의 데이터를 생성하고,
상기 가스체감도(S) 반영단계에서는,
관리자로부터 상기 에너지저장장치의 화재발생 리스크에 대한 온도 체감도를 기 설정된 등급내에서 평가받고, 상기 PI결과값과 상기 온도체감도(S)를 3차원으로 도시하여 온도 리스크 매트릭스를 생성하고, 상기 온도 리스크 매트릭스의 벡터값을 상기 온도 리스크 평가정보로 산출하는 것을 특징으로 하는, 에너지저장장치용 지능형 화재예지시스템.
The method of claim 5,
In the gas PI calculation step,
Calculate the average value of the gas concentration due to the chemical reaction through the past statistical information, reflect the historical accident statistics information to the risk according to the average value of the gas concentration due to the chemical reaction, and generate the data of the PI result value with a two-dimensional axis. ,
In the step of reflecting the gas sensory sensitivity (S),
The temperature sensory degree of the fire risk of the energy storage device is evaluated from the manager within a preset level, and the PI result value and the temperature experience degree (S) are shown in three dimensions to create a temperature risk matrix, and the An intelligent fire prediction system for an energy storage device, characterized in that the vector value of the temperature risk matrix is calculated as the temperature risk evaluation information.
상기 일반전류요인은,
상기 에너지저장장치의 작동에 따라 수집된 상기 에너지저장장치의 정격전류, 허용전류 중 적어도 하나를 포함하는 일반전류변수를 포함하되, 과거 통계 데이터에 기초하여 화재 위험도가 높은 상기 일반전류변수로 설정되고,
상기 특수전류요인은,
상기 에너지저장장치의 화재에 영향을 미치는 특수전류변수를 포함하되, 상기 특수전류변수는 단락전류, 누설전류, 지락전류 중 적어도 하나를 포함하고 세부적으로 차별화되어 반영되는 것을 특징으로 하는, 에너지저장장치용 지능형 화재예지시스템.
The method of claim 1,
The general current factor is,
It includes a general current variable including at least one of a rated current and an allowable current of the energy storage device collected according to the operation of the energy storage device, but is set as the general current variable having a high fire risk based on past statistical data, ,
The above special current factors are:
Including a special current variable that affects the fire of the energy storage device, wherein the special current variable includes at least one of short-circuit current, leakage current, and ground current, and is differentiated and reflected in detail. Intelligent fire prediction system for use.
상기 전류PI산출단계에서는,
과거 통계정보를 통해 상기 에너지저장장치의 전류 변화 평균값을 산출하고, 상기 전류 변화 평균값에 따른 리스크에 과거 사고 통계정보를 반영하여, 2차원의 축으로 상기 PI결과값의 데이터를 생성하고,
상기 전류체감도(S) 반영단계에서는,
관리자로부터 상기 에너지저장장치의 화재발생 리스크에 대한 전류체감도를 기 설정된 등급내에서 평가받고, 상기 PI결과값과 상기 전류체감도(S)를 3차원으로 도시하여 전류 리스크 매트릭스를 생성하고, 상기 전류 리스크 매트릭스의 벡터값을 상기 전류 리스크 평가정보로 산출하는 것을 특징으로 하는, 에너지저장장치용 지능형 화재예지시스템.The method of claim 7,
In the current PI calculation step,
Calculating the average current change value of the energy storage device through the past statistical information, reflecting past accident statistics information to the risk according to the average current change value, and generating the data of the PI result value on a two-dimensional axis,
In the step of reflecting the current sensitivity (S),
The manager evaluates the current sensitivity of the energy storage device for the risk of fire occurrence within a preset level, and generates a current risk matrix by showing the PI result value and the current sensitivity (S) in three dimensions. An intelligent fire prediction system for an energy storage device, characterized in that the vector value of the current risk matrix is calculated as the current risk evaluation information.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200008053A KR102175292B1 (en) | 2020-01-21 | 2020-01-21 | Intelligent Fire Prediction System |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200008053A KR102175292B1 (en) | 2020-01-21 | 2020-01-21 | Intelligent Fire Prediction System |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102175292B1 true KR102175292B1 (en) | 2020-11-06 |
Family
ID=73571785
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200008053A KR102175292B1 (en) | 2020-01-21 | 2020-01-21 | Intelligent Fire Prediction System |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102175292B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102614893B1 (en) * | 2022-11-22 | 2023-12-15 | 정희섭 | Fire detection apparatus using multiple sensors and operating method thereof |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100711572B1 (en) * | 2006-03-29 | 2007-04-27 | 연세대학교 산학협력단 | Management method for risk in construction using risk checklist and apparatus threrof |
| KR102045489B1 (en) * | 2019-05-09 | 2019-11-18 | 풍성에너지 (주) | Device for prevention of fires in energy storage system, and method thereof |
| KR102050803B1 (en) | 2019-03-14 | 2019-12-04 | 주식회사 창성에이스산업 | Automatic Fire Extinguishing System To prevent Fire Sensing and Explosion Of Energy Storage Device |
-
2020
- 2020-01-21 KR KR1020200008053A patent/KR102175292B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100711572B1 (en) * | 2006-03-29 | 2007-04-27 | 연세대학교 산학협력단 | Management method for risk in construction using risk checklist and apparatus threrof |
| KR102050803B1 (en) | 2019-03-14 | 2019-12-04 | 주식회사 창성에이스산업 | Automatic Fire Extinguishing System To prevent Fire Sensing and Explosion Of Energy Storage Device |
| KR102045489B1 (en) * | 2019-05-09 | 2019-11-18 | 풍성에너지 (주) | Device for prevention of fires in energy storage system, and method thereof |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102614893B1 (en) * | 2022-11-22 | 2023-12-15 | 정희섭 | Fire detection apparatus using multiple sensors and operating method thereof |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3695392B1 (en) | Fire detection system | |
| Aven | A semi-quantitative approach to risk analysis, as an alternative to QRAs | |
| CN110149327B (en) | Network security threat warning method and device, computer equipment and storage medium | |
| US20170117725A1 (en) | Thermal Monitoring of Battery Packs | |
| CN105551549A (en) | Method and system for on-line monitoring of running state of nuclear power equipment | |
| KR102319083B1 (en) | Artificial intelligence based fire prevention device and method | |
| WO2019087101A1 (en) | System and method for anomaly detection in an electrical network | |
| WO2013043170A1 (en) | Automated detection of a system anomaly | |
| CN105758661B (en) | Boiler heating surface service life evaluation system and method | |
| KR102136141B1 (en) | Emergency generator including function for fault prevention using artificial intelligence algorithm | |
| CN108228412A (en) | A kind of method and device based on system health degree faults of monitoring system and hidden danger | |
| KR102175292B1 (en) | Intelligent Fire Prediction System | |
| CN109992963A (en) | The protecting information safety method and system of a kind of electric power terminal and its embedded system | |
| CN104285189A (en) | System and method for detecting electric power plant equipment overheating with real-time plural parallel detection and analysis parameters | |
| CN109859431A (en) | A kind of detection method, system, equipment and the medium of fire safety evaluating hidden danger | |
| KR102238764B1 (en) | Real-time accident prediction system using hazard assessment and method thereof | |
| CN117409526A (en) | Electrical fire extremely early warning and monitoring system and fire extinguishing method | |
| CN207614235U (en) | Fire control system based on Internet of Things | |
| KR102386117B1 (en) | Sticker Apparatus for detecting Fire | |
| CN108269021A (en) | Risk monitoring system and method are merged based on NB-IoT electric network informations physics | |
| CN117279348A (en) | Strong electromagnetic pulse protection system with monitoring function | |
| RU2536657C1 (en) | System for evaluating safety and efficiency of design solutions to ensure safety of hazardous production facility | |
| KR102231648B1 (en) | Method, apparatus and computer-readable medium for managing inspection history information of fire fighting facility | |
| CN115514099A (en) | Electric power utilization safety inspection system and method | |
| TW201730831A (en) | Error detection system, error detection method and power management system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |