KR102268237B1

KR102268237B1 - 인공지능 기반의 자동정정 계산 및 전력제어 방법 및 시스템

Info

Publication number: KR102268237B1
Application number: KR1020200109447A
Authority: KR
Inventors: 강문식
Original assignee: 강문식
Priority date: 2020-08-28
Filing date: 2020-08-28
Publication date: 2021-06-23
Anticipated expiration: 2040-08-28

Abstract

전력계통에 설치된 적어도 하나 이상의 보호계전기를 대상으로 보호계전기 정정 판단, 보호계전기 중에서 보호계전기 정정이 필요한 보호계전기의 동작 파라미터 값 정정 및 전력계통의 상태 및 보호계전기의 응동 감시를 포함하는, 인공지능 기반의 자동정정 계산 및 전력제어 방법이 개시된다.
본 발명에 따르면, 보호계전기가 응동하는 전후 과정을 감시하고 보호계전기 응동의 결과를 분석할 수 있다.

Description

인공지능 기반의 자동정정 계산 및 전력제어 방법 및 시스템{AI-BASED SYSTEM AND METHOD FOR AUTOMATIC CALCULATION AND POWER CONTROL}

본 발명은 인공지능 기반의 자동정정 계산 및 전력제어 방법 및 시스템에 관한 것으로, 더욱 상세하게는 보호계전기와 인공지능에 기반하여 전력계통을 감시, 보호 및 제어할 수 있는 방법 및 시스템에 관한 것이다.

전력계통 감시 및 제어 시스템은 작업 현장에서 투입된 모든 전력 설비를 제어하고 운영 관련 데이터를 수집 및 기록한다.

전력계통의 수변전설비 보호는 전력 설비의 이상 상태, 즉 사고의 발생 및 확대를 방지하는 것을 말한다. 전력 사고로 다락, 지락, 단선, 과열, 기계적 파괴 등이 있고 그 발생원인으로서 낙뢰와 같은 이상 전압, 지진과 같은 자연재해, 이물질의 접촉, 절연열화, 환경에 따른 오손, 과부하, 제작시공의 불완전, 보수불량 등을 들 수가 있다.

전력 사고 중에서 가능 많은 것은 단락, 지락 등의 절연사고이며, 이외의 사고도 대부분 절연사고로 발전한다. 발생한 전력 사고를 조속히 검출, 제거함으로써 전력 설비의 파괴와 사고의 파급을 최소한으로 줄이는 동시에 정상상태의 복구를 용이하게 하기 위해 보호계전기가 이용된다.

그런데 종래에는 전력계통의 감시 및 제어와 전력계통의 보호가 서로 구분되어 있어서 전력계통 감시 및 제어 시스템을 이용하여 보호계전기를 제어하는데 어려움이 많았다.

특히 정정값 자동계산 보호계전기 장치는 보호계전기 장치 내부에 롬 형태로 정정값 자동계산 프로그램을 탑재하는 방식을 이용하였다.

종래 기술의 보호계전기 장치에 따르면, 복잡한 코딩으로 인해 보호계전기 장치의 펌웨어의 용량 증가에 따라 구동이 느려지고 버그가 발생할 확률이 높았으며, 전력계통의 구성이 복잡하고, 이에 연결된 보호계전기 장치의 수가 증가할수록 전력계통의 말단 부하에 연결되는 보호계전기를 커버하기에 많은 비용이 지불되어야 했다.

한국 등록 특허 제10-2076765호 (2020.05.18 공고) 한국 등록 특허 제10-2088740호 (2020.03.13 공고)

상기 종래 기술의 문제점을 해결하기 위해 본 발명이 해결하고자 하는 일 과제는, 전력계통을 감시하고, 각종 전력 사고 발생 시에 전력계통을 보호하고 제어할 수 있는 통합된 시스템 및 방법을 제공하는 것이다.

본 발명이 해결하고자 하는 일 과제는, 복수의 보호계전기들의 서로 다른 동작 특성에 따라 개별적으로 제어할 수 제어방법 및 시스템을 제공하는 것이다.

본 발명이 해결하고자 하는 일 과제는, 복수의 보호계전기의 정정을 통합하여 관리할 수 있는 방법 및 시스템을 제공하는 것이다.

본 발명이 해결하고자 하는 일 과제는, 보호계전기가 동작하는 전후 과정을 감시하고 보호계전기 동작의 결과를 분석할 수 있는 방법 및 시스템을 제공하는 것이다.

상기 목적을 달성하기 위해, 본 발명의 일 실시 예에 따른, 인공지능 기반의 자동정정 계산 및 전력제어 방법은, 보호계전기의 동작을 감시 및 제어하는 전력계통 감시제어 시스템이 수행하는 방법으로서, 전력계통에 설치된 적어도 하나 이상의 보호계전기를 대상으로 보호계전기 정정을 판단하는 단계, 보호계전기 중에서 보호계전기 정정이 필요한 보호계전기의 동작 파라미터 값을 정정하는 단계 및 전력계통의 상태 및 상기 보호계전기의 응동을 감시하는 단계를 포함하도록 구성될 수 있다.

또한, 인공지능 기반의 자동정정 계산 및 전력제어 방법은, 전력계통의 상태 및 동작 파라미터 값에 기반하여 보호계전기의 응동 가능성에 대해 경고하는 단계를 더 포함하도록 구성될 수 있다.

또한, 인공지능 기반의 자동정정 계산 및 전력제어 방법은, 사고 발생을 감지하고, 보호계전기의 응동 시, 사고의 원인을 확인하는 단계를 더 포함하도록 구성될 수 있다.

또한, 인공지능 기반의 자동정정 계산 및 전력제어 방법은, 사고 발생을 감지하고, 보호계전기의 미응동 시, 보호계전기와 연계된 차단기의 동작을 직접 제어하는 단계를 더 포함하도록 구성될 수 있다.

또한, 인공지능 기반의 자동정정 계산 및 전력제어 방법은, 수집된 사고 데이터에 기반하여 학습을 통해 훈련된 인공지능 모델을 이용하여 상기 사고의 원인을 분석하는 단계를 더 포함하도록 구성될 수 있다.

또한, 인공지능 기반의 자동정정 계산 및 전력제어 방법은, 수집된 사고 데이터를 이용하여 사고의 원인을 분석하도록 학습을 통해 인공지능 모델을 훈련시키는 단계를 더 포함하도록 구성될 수 있다.

또한, 인공지능 기반의 자동정정 계산 및 전력제어 방법은, 동작 파라미터 값의 정정에 관한 결과보고서를 작성하는 단계를 더 포함하도록 구성될 수 있다.

상기 목적을 달성하기 위해, 본 발명의 일 실시 예에 따른, 인공지능 기반의 자동정정 계산 및 전력제어 시스템은, 전력계통에 설치된 적어도 하나 이상의 보호계전기를 대상으로 보호계전기 정정을 판단하는 정정 판단부, 보호계전기 중에서 보호계전기 정정이 필요한 보호계전기의 동작 파라미터 값을 정정하는 보호계전기 정정부 및 전력계통의 상태 및 보호계전기의 응동을 감시하는 전력계통 감시부를 포함하도록 구성될 수 있다.

기타 실시 예의 구체적인 사항은 "발명을 실시하기 위한 구체적인 내용" 및 첨부 "도면"에 포함되어 있다.

본 발명의 이점 및/또는 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 각종 실시 예를 참조하면 명확해질 것이다.

그러나 본 발명은 이하에서 개시되는 각 실시 예의 구성만으로 한정되는 것이 아니라 서로 다른 다양한 형태로도 구현될 수도 있으며, 단지 본 명세서에서 개시한 각각의 실시 예는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구범위의 각 청구항의 범주에 의해 정의될 뿐임을 알아야 한다.

본 발명에 의하면, 전력계통의 감시 및 제어와 통합하여 전력계통을 보호할 수 있다.

또한, 복수의 보호계전기들의 서로 다른 응동 특성에 따른 개별적 제어가 가능하다.

또한, 인공지능 기반의 자동정정 계산 및 전력제어 시스템을 이용하여 복수의 보호계전기의 정정을 통합하여 관리할 수 있다.

또한, 보호계전기가 응동하는 전후 과정을 감시하고 보호계전기 응동의 결과를 분석할 수 있다.

도 1은 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 시스템의 일 예시도이다.
도 2는 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 시스템의 일 예시도이다.
도 3은 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 시스템에 포함된 서버의 블록도이다.
도 4는 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 시스템에 포함된 클라이언트의 블록도이다.
도 5는 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 방법의 흐름도이다.
도 6은 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 방법의 흐름도이다.
도 7은 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 방법의 흐름도이다.
도 8은 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 방법의 흐름도이다.
도 9는 본 발명의 일 실시 예에 따른 인공 신경망 모델의 예시도이다.

본 발명을 상세하게 설명하기 전에, 본 명세서에서 사용된 용어나 단어는 통상적이거나 사전적인 의미로 무조건 한정하여 해석되어서는 아니 되며, 본 발명의 발명자가 자신의 발명을 가장 최선의 방법으로 설명하기 위해서 각종 용어의 개념을 적절하게 정의하여 사용할 수 있고, 더 나아가 이들 용어나 단어는 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 함을 알아야 한다.

즉, 본 명세서에서 사용된 용어는 본 발명의 바람직한 실시 예를 설명하기 위해서 사용되는 것일 뿐이고, 본 발명의 내용을 구체적으로 한정하려는 의도로 사용된 것이 아니며, 이들 용어는 본 발명의 여러 가지 가능성을 고려하여 정의된 용어임을 알아야 한다.

또한, 본 명세서에서, 단수의 표현은 문맥상 명확하게 다른 의미로 지시하지 않는 이상, 복수의 표현을 포함할 수 있으며, 유사하게 복수로 표현되어 있다고 하더라도 단수의 의미를 포함할 수 있음을 알아야 한다.

본 명세서의 전체에 걸쳐서 어떤 구성 요소가 다른 구성 요소를 "포함"한다고 기재하는 경우에는, 특별히 반대되는 의미의 기재가 없는 한 임의의 다른 구성 요소를 제외하는 것이 아니라 임의의 다른 구성 요소를 더 포함할 수도 있다는 것을 의미할 수 있다.

더 나아가서, 어떤 구성 요소가 다른 구성 요소의 "내부에 존재하거나, 연결되어 설치된다"라고 기재한 경우에는, 이 구성 요소가 다른 구성 요소와 직접적으로 연결되어 있거나 접촉하여 설치되어 있을 수 있고, 일정한 거리를 두고 이격되어 설치되어 있을 수도 있으며, 일정한 거리를 두고 이격되어 설치되어 있는 경우에 대해서는 해당 구성 요소를 다른 구성 요소에 고정 내지 연결하기 위한 제 3의 구성 요소 또는 수단이 존재할 수 있으며, 이 제 3의 구성 요소 또는 수단에 대한 설명은 생략될 수도 있음을 알아야 한다.

반면에, 어떤 구성 요소가 다른 구성 요소에 "직접 연결"되어 있다거나, 또는 "직접 접속"되어 있다고 기재되는 경우에는, 제 3의 구성 요소 또는 수단이 존재하지 않는 것으로 이해하여야 한다.

마찬가지로, 각 구성 요소 간의 관계를 설명하는 다른 표현들, 즉 " ~ 사이에"와 "바로 ~ 사이에", 또는 " ~ 에 이웃하는"과 " ~ 에 직접 이웃하는" 등도 마찬가지의 취지를 가지고 있는 것으로 해석되어야 한다.

또한, 본 명세서에서 "일면", "타면", "일측", "타측", "제 1", "제 2" 등의 용어는, 사용된다면, 하나의 구성 요소에 대해서 이 하나의 구성 요소가 다른 구성 요소로부터 명확하게 구별될 수 있도록 하기 위해서 사용되며, 이와 같은 용어에 의해서 해당 구성 요소의 의미가 제한적으로 사용되는 것은 아님을 알아야 한다.

또한, 본 명세서에서 "상", "하", "좌", "우" 등의 위치와 관련된 용어는, 사용된다면, 해당 구성 요소에 대해서 해당 도면에서의 상대적인 위치를 나타내고 있는 것으로 이해하여야 하며, 이들의 위치에 대해서 절대적인 위치를 특정하지 않는 이상은, 이들 위치 관련 용어가 절대적인 위치를 언급하고 있는 것으로 이해하여서는 아니된다.

또한, 본 명세서에서는 각 도면의 각 구성 요소에 대해서 그 도면 부호를 명기함에 있어서, 동일한 구성 요소에 대해서는 이 구성 요소가 비록 다른 도면에 표시되더라도 동일한 도면 부호를 가지고 있도록, 즉 명세서 전체에 걸쳐 동일한 참조 부호는 동일한 구성 요소를 지시하고 있다.

본 명세서에 첨부된 도면에서 본 발명을 구성하는 각 구성 요소의 크기, 위치, 결합 관계 등은 본 발명의 사상을 충분히 명확하게 전달할 수 있도록 하기 위해서 또는 설명의 편의를 위해서 일부 과장 또는 축소되거나 생략되어 기술되어 있을 수 있고, 따라서 그 비례나 축척은 엄밀하지 않을 수 있다.

또한, 이하에서, 본 발명을 설명함에 있어서, 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 구성, 예를 들어, 종래 기술을 포함하는 공지 기술에 대해 상세한 설명은 생략될 수도 있다.

이하, 본 발명의 실시 예에 대해 관련 도면들을 참조하여 상세히 설명하기로 한다.

사회가 발전함에 따라, 사회 전반에 걸쳐 전기 에너지에 대한 의존도가 높아지고 정보화 사회가 고도화됨에 따라 전력의 안정적 공급과 질적 향상에 대한 요구는 급증하고 있다.

또한, 전력 계통에는 수많은 발전 및 변전, 송배전 설비가 서로 복잡하게 연계되어 있기 때문에, 전력 계통에서 고장이 발생한 경우 보호계전기가 전력 계통으로부터 고장 구간을 신속하게 분리시켜야 한다. 분리가 늦어지면 전력 설비는 크게 손상될 뿐만 아니라 고장이 인접 구간으로 파급되어 사고의 범위는 확대될 수 있다.

보호계전기(Protection Relay)란 계기용 변류기(Current Transformer, CT), 계기용 변압기(Potential Transformer, PT)를 이용하여 실시간으로 입력 받은 정보를 내부적으로 판단하여 고장 구간을 전력 계통으로부터 분리함으로써 타 설비를 보호하는 장치를 말한다. 보호계전기를 이용한 설비 보호에 있어서 차단 구간이 최소가 되도록 사고 구간을 차단하는 선택성, 사고 전류의 대소에 의하여 보호 성능이 좌우되지 않는 동작 감도, 사고 확대 방지를 위한 동작 속도 및 신뢰성이 요구된다. 따라서, 계통 보호 및 안정도 확보가 절대적으로 필요하며 보호계전기의 중요성은 더욱 증대되고 있다.

보호계전기를 이용하여 보호계전 시스템을 구축하는 것은 전력 계통의 안정 운전에 매우 중요한 요소이며, 각 설비 별 보호 협조는 정전 범위의 최소화 및 설비의 보호 등에 가장 기본적인 사항이다.

즉, 보호계전 시스템을 적절하게 구성하여야 하는 것은 대단히 중요하지만, 전력 계통 구성에 정형화된 규정이 없고, 보호계전 시스템 구성에도 일정한 규정이나 형태가 없으며 다음과 같은 개념을 기준으로 구성한다.

보호계전 시스템을 구성하는데 각 설비 별로 그에 적합한 보호계전기를 채택하고 보호 구간을 정하고 이들이 서로 잘 협조하여(Relay Coordination) 최적의 동작 특성과 신뢰성을 확보할 수 있도록 한다.

신뢰성 있는 동작과 신속한 고장 구간의 선택 차단을 위해 각 설비 즉, 발전기(Generator), 변압기(Transformer) 보호, 모선(Bus), 송배전선(Line), 전동기 (Motor) 별로 그에 적합한 보호계전 시스템 및 보호 범위를 가져야 한다.

또한, 신뢰성 있는 동작 및 보호 계전기의 오동작 또는 부동작에 따른 파급을 방지하기 위해 앞의 보호 범위가 서로 중첩되도록 구성하는데, 주 보호(Primary Protection)는 보호 범위 내의 고장을 가장 먼저 검출하여 선택 차단할 수 있도록 동작하는 보호계전기를 말하고, 후비 보호(Backup Protection)는 주 보호가 실패할 경우 확대 파급 방지를 위해 동작하는 보호 계전기를 말한다.

그런데, 전력 계통은 고장 발생으로 인한 구간 절체 및 복구, 기기나 설비의 점검 등으로 인해 종종 변경될 수 있으며, 특히 배전 계통은 계통 변경이 빈번하다.

이와 같은 계통 변경시 적절한 보호를 위하여 변화된 계통에 맞게 보호 계전기의 정정값을 바꾸어 주는 보호계전기 정정이 필요할 때가 있다.

여기에서, 보호계전기 정정(Protection Relay Setting Study)이란 보호 계전기에서 검출하는 정보(전압, 전류, 주파수, 위상 등)를 근거로 보호계전기가 전력 설비의 이상 유무를 정확하게 판단이 가능하도록 요구하는 각종 파라미터를 입력하기 위하기 위해 필요한 문서를 작성하는 일련의 작업을 말한다.

특히, 보호계전기는 오직 보호계전기에 셋팅된 파라미터를 기준으로 판단하는 장치이므로, 정정 오류 시에는 오동작 또는 부동작으로 인해 큰 사고로 확대할 수 있는 문제점이 있었다.

또한, 정정 업무는 상당히 어려운 작업 중의 하나이므로 현재는 정정 전문가에 의하여 수작업으로 이루어지고 있어, 빈번한 계통 변화에 실시간으로 대응하기란 사실상 불가능한 한계가 있었다.

한편, 보호 계전기의 동작특성에 따라 정한시성, 반한시성 및 정한시성 반한시로 구분된다.

정한시성(Definition Time Characteristics)은 단락 전류의 크기가 정해진 값을 초과하면 그 크기에 관계없이 정해진 시간에 동작하여 차단기를 개방하도록 하는 특성을 가진다.

반면, 반한시성(Inverse Time Characteristics)은 단락 전류의 크기가 정해진 값을 초과할 경우 그 크기에 따라 동작 시간이 결정되어 차단기를 개방하도록 하는 특성을 가진 것으로서, 단락 전류가 커질수록 동작 시간이 짧아지며 곡선의 기울기에 따라 반한시성(Inverse), 과 반한시성(Very Inverse), 초 반한시성(Extremely Inverse)의 세 가지로 구분된다.

본 발명은 종래 기술에 따른, 보호계전기 내부에 롬 형태로 저장되어 동작하던 정정값 자동 계산 프로그램을 개선한 것으로서, 전력계통 감시 및 제어 시스템을 이용하여 복수의 보호계전기의 정정값 계산을 클라우드 즉, 네트워크를 이용하여 수행하고, 보호계전기의 응동을 제어할 수 있는 인공지능 기반의 자동정정 계산 및 전력제어 방법 및 시스템에 관한 것이다.

도 1은 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 시스템의 일 예시도이다.

도 1을 참조하면, 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 시스템은, 전력계통과 스카다(SCADA), 서버(Server), OPC, 데이터베이스(Database, DB), 데이터 수집(Data Acquistion), 웹 서버(Web Server), 원격 접속(Remote Access), 원격 단말 장치(Remote Terminal Unit, RTU), HMI(Human machine Interface), PLC(Programmable Logic Controller), 및 원격 시스템(Remote System) 중에서 전력계통에 연결된 적어도 하나의 구성요소와 이들이 통신할 수 있도록 서로 연결시키는 네트워크(Network)를 포함하도록 구성될 수 있다.

스카다(SCADA)는 감시 제어 및 데이터 취득(Supervisory Control And Data Acquisition, SCADA)을 의미하며, 원방에 설치된 현장계기 및 센서로부터 데이터를 원격 단말 장치(Remote Terminal Unit, RTU)가 수집한 후, 유무선 통신망을 통해 중앙감시실에 설치된 감시 제어용 컴퓨터에 전송하여, 현장의 상황을 온라인으로 감시 제어하는 시스템이다.

서버(Server)는 그 용도에 따라 다양한 서버, 예를 들어 보조계전기 정정을 위한 프로그램을 구동하는 전용의 서버, SCADA 시스템에서 기능 별로, 예를 들어 감시용 서버, 제어용 서버, 전력품질 분석용 서버, 예방진단 분석용 서버를 독립적으로 포함할 수 있다.

OPC 서버는 산업용 자동화 및 IoT를 위한 연결 플랫폼으로 제조업에서 일반적으로 널리 사용되는 약 150개 이상의 드라이버를 제공하는 소프트웨어이다. OPC 서버의 특징은, 산업제어시스템 고유의 통신 요구 사항을 제공하며, 장비를 자동으로 연결하고, 장비의 데이터를 읽고 쓸 수 있으며, 해당 데이터를 HMI, 스카다(SCADA), 생산관리시스템(Manufacturing Execution System, MES) 또는 업무통합관리(Enterprise Resource Planning, ERP) 시스템에 완벽하게 통합할 수 있고, 높은 신뢰성과 사용자 편의성으로 신속하게 설치하여 완벽하게 작동할 수 있도록 한다.

데이터베이스(Database, DB)는 데이터 수집을 기초로 하여 체계적으로 저장된 데이터이다. DB는 다양한 메이커가 생산하는 보호계전기에 관한 하드웨어 데이터, 전력 계통에서 발생된 전력 사고에 관한 사고 데이터 및 CT, PT를 포함하여 각종 센서를 이용하여 전력계통에서 측정된 각종 센싱 데이터를 포함할 수 있다.

데이터 수집(Data Acquistion)은, 설치된 보호계전기에 관한 하드웨어 데이터 수집, 전력 계통에서 발생한 각종 전력 사고와 관련된 사고 데이터의 수집 및 전력계통에 설치된 각종 센서를 이용하여 수집된 센싱 데이터의 수집을 포함할 수 있다. 측정된 아날로그 신호는 디지털 형태의 센싱 데이터로 변화되어 데이터 수집 장치에 의해 수집된다.

웹 서버(Web Server)는 웹 블라우저를 기반으로 인공지능 기반의 자동정정 계산 및 전력제어 시스템에 접속할 수 있는 플랫폼을 제공한다. 사용자는 전용의 웹 애플리케이션이나 웹 브라우저를 이용하여 인공지능 기반의 자동정정 계산 및 전력제어 시스템에 접속하고, 사용자 인터페이스를 통해 정보를 얻거나 제어 명령을 내릴 수 있다.

원격 접속(Remote Access)은 원격지에 떨어진 단말을 통해 전력계통 감지, 보호 및 제어 시스템에 접속할 수 있는 플랫폼을 제공한다. 사용자는 원격지에서 개인 모바일 단말이나 개인용 컴퓨터를 이용하여 인공지능 기반의 자동정정 계산 및 전력제어 시스템에 접속하여 보호계전에 관한 정보를 얻거나 제어 명령을 내릴 수 있다.

원격 단말 장치(Remote Terminal Unit, RTU)는 SCADA 시스템에서 주로 사용되는 장치로서, 원격지에서 데이터를 수집해 전송 가능한 형식으로 데이터를 변환한 뒤 중앙 서버로 송신하는 장치이다. RTU는 또한 주 장치로부터 정보를 수집하고, 주 장치에서 지시되는 일련의 작업 절차들을 수행하기도 한다. RTU는 신호감지 또는 측정을 위한 입력 채널, 제어와 지시 및 경고를 위한 출력 채널 그리고 통신 포트 등을 갖추고 있다.

HMI(Human machine Interface)는 스카다 시스템의 구성요소로서 운영자에게 처리 데이터를 표시해 주고 운영자가 처리 과정을 제어할 수 있도록 하니 위한 소프트웨어 및 하드웨어이다. HMI 소프트웨어는 운영환경의 설정, 감시화면의 편집 및 데이터의 수집과 각종 연산을 수행한다.

PLC(Programmable Logic Controller)는 산업 플랜트의 자동 제어 및 감시에 사용하는 제어 장치이다. PLC는 입력을 프로그램에 의해 순차적으로 논리 처리하고 그 출력 결과를 이용해 연결된 외부장치를 제어한다. PLC는 단독으로 쓰일 수도 있고, 스카다 등의 시스템과 함께 사용되기도 한다.

원격 시스템(Remote System)은 멀리 떨어진 작업현장에 설치된 원격 단말 장치(RTU)와 HMI 등의 장치를 말하며, 네트워크를 통해 인공지능 기반의 자동정정 계산 및 전력제어 시스템에 통신 연결될 수 있다.

현장 PC(Industrial PC)는 공장과 같은 작업 현장에 설치된 컴퓨터로서 원격 단말 장치를 통하거나 네트워크 카드를 통해 다른 구성요소와 통신 연결될 수 있다.

도 2는 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 시스템의 일 예시도이다.

도 2를 참조하면, 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 시스템(1)은, 광의의 개념으로 보호계전기(100), 원격 단말 장치(200), 서버(300) 및 클라이언트(400)를 포함할 수 있으며, 협의의 개념으로 서버(300) 또는 클라이언트(400)에 해당할 수 있다.

즉 협의의 개념으로서의 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 시스템(300 또는 400)은 보호계전기의 정정의 필요성을 판단하고, 보호계전기 정정 작업을 수행하고, 보호계전기의 응동을 감지하고, 보호계전기 응동에 따른 사고를 분석하는 서버(300) 또는 클라이언트(400)에 해당한다.

보호계전기(100)는 네트워크(500)를 통해 직접 또는 원격 단말 장치(200)와 네트워크를 통해 서버(300) 및 클라이언트(400)와 통신 연결될 수 있다. 아날로그 보호계전기는 원격 단말 장치(200)를 통해 서버(300) 또는 클라이언트(400)와 통신이 가능하다, 디지털 보호계전기는 자체적으로 통신부를 포함하고 있으며 프로세스 단위로 데이터를 처리하도록 프로세서와 메모리를 포함하고 있어서 디지털 데이터를 처리할 수 있다.

네트워크(500)는 유선 및 무선 네트워크, 예를 들어 LAN(local area network), WAN(wide area network), 인터넷(internet), 인트라넷(intranet) 및 엑스트라넷(extranet), 그리고 모바일 네트워크, 예를 들어 셀룰러, 3G, LTE, 5G, WiFi 네트워크, 애드혹 네트워크 및 이들의 조합을 비롯한 임의의 적절한 통신 네트워크 일 수 있다.

네트워크(500)는 허브, 브리지, 라우터, 스위치 및 게이트웨이와 같은 네트워크 요소들의 연결을 포함할 수 있다. 네트워크(500)는 인터넷과 같은 공용 네트워크 및 안전한 기업 사설 네트워크와 같은 사설 네트워크를 비롯한 하나 이상의 연결된 네트워크들, 예컨대 다중 네트워크 환경을 포함할 수 있다. 네트워크(500)에의 액세스는 하나 이상의 유선 또는 무선 액세스 네트워크들을 통해 제공될 수 있다.

도 3은 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 시스템에 포함된 서버의 블록도이다.

도 3을 참조하면, 서버(300)는 하드웨어 계층, OS, SCADA Core 층, 미들웨어(Middle-Ware) 계층, 애플리케이션(Application) 계층을 포함하여, 그 밖에 보안, ITSM, NMS, CBD(UML), 통신채널 및 배포체계를 포함하도록 구성될 수 있다. 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 방법은, 전력계통 감시 및 보호를 수행하는 SCADA 코어 계층, 애플리케이션 계층과 함께 애드온 형태로 포함된 보호계전기 제어 프로그램을 통해 수행될 수 있다. 그리고 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 시스템은 보호계전기 제어를 포함하는 서버(300) 또는 서버(300)에 연결되어 인공지능 기반의 자동정정 계산 및 전력제어 방법을 수행하는 클라이언트(400)에 해당할 수 있다. 이하 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 시스템이 클라이언트(400) 형태로 구현된 실시 예에 대해 설명하기로 한다.

도 4는 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 시스템에 포함된 클라이언트의 블록도이다.

도 4를 참조하면, 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 시스템의 클라이언트(400)는 입력 장치(410), 출력 장치(420), 저장 장치(430), 통신 장치(440), 프로세서(450), 러닝 프로세서(460) 및 메모리(470)를 포함하도록 구성될 수 있다.

입력 장치(410)는 키보드, 마우스, 입력 패드, 입력 펜, 및 터치 스크린 중에서 적어도 하나를 이용하여 구현될 수 있다. 출력 장치(420)는 스피커, 프린터, 모니터 등의 형태로 구현될 수 있다. 저장 장치(430)는 비휘발성 램, 하드디스크 드라이브(HDD)와 같은 자기저장장치, 솔리드 스테이트 드라이브(SSD) 형태로 구현될 수 있다.

통신장치(440)는 전력계통 감시 및 제어 시스템, 예를 들어 SCADA 시스템에 이용되는 각종 직렬 또는 병렬 통신 모듈 및 이더넷을 포함할 수 있다.

프로세서(450)는 연산을 통해 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 방법을 수행하도록 코딩된 명령어 셋을 실행할 수 있다. 이 명령어 셋의 실행을 통해 인공지능 기반의 자동정정 계산 및 전력제어 시스템(1)이 제어될 수 있다.

러닝 프로세서(460)는 사고파형을 포함하는 사고 데이터를 이용하여 사고 분석 모델에 해당하는 인공 신경망 모델을 학습을 통해 훈련시킬 수 있다. 러닝 프로세서(460)는 영상 데이터 처리 전용의 GPU 설계 방식에 의해 제조된 프로세서일 수 있다.

클라이언트(400)는 인공지능 기반의 자동정정 계산 및 전력제어 방법의 실행에 필요한 정정 판단부(471), 데이터 입력부(472), 고장전류 계산부(473), 보호계전기 정정부(474), 사고 분석부(475) 및 DB 관리부(477)를 포함하도록 구성될 수 있다. 이러한 구성요소들은 하드웨어, 예를 들어 인공지능 기반의 자동정정 계산 및 전력제어 방법을 수행하는 로직이 집적된 칩과 같은 형태로 또는 소프트웨어, 예를 들어 보호계전기 제어 프로그램 형태로 구현될 수 있다.

여기서, 애플리케이션 계층 내의 보호계전기 제어 프로그램은 스카다 코어 계층과 함께 메모리(471)에 로드되고, 프로세서(450)의 연산 작용에 의해 방법을 구성하는 기능이 수행될 수 있다. 그리고 보호계전기 제어 프로그램에는 정정 자동계산 프로그램이 포함될 수 있다.

정정 판단부(471)는 보호계전기를 포함하여 신설된 전력 기기 및 폐쇄된 전력 기기의 변화와 전력계통의 계통도를 비교하여, 전력계통도의 수정 및 보호계전기의 정정의 필요성을 판단한다.

데이터 입력부(472)는 전력 계통도를 새롭게 그리거나 수정할 수 있다. 전력 계통도의 작성 및 수정 과정에서 보호계전기(100)가 추가되거나 삭제될 수 있다. 전력 계통도는 실제의 전력계통의 배선도를 그대로 반영하여 드로잉된다.

고장전류 계산부(473)는 보호계전기 정정 자동계산 프로그램을 실행 시키고, 이 프로그램을 이용하여 고장전류를 계산하고 결과 값을 도출한다.

보호계전기 정정부(474)는 기 설정된 정정기준 및 계산된 고장전류에 따라 보호계전기(100) 파라미터 값을 정정한다.

사고 분석부(475)는 사고가 발생한 경우, 해당 보호계전기(100)의 사고파형과 이벤트 내용을 전송 받는다. 빅데이터 자료 등을 활용하여 인공지능 기반의 사고분석을 수행할 수 있다.

인공지능 모델(476)은 사고 파형을 이용하여 사고 유형을 분류, 사고와 관련된 보호계전기의 파라미터 설정 값의 적정성을 분석할 수 있다.

전력계통이 운영되는 동안 사고가 발생하면, 해당 보호계전기(100)의 사고파형과 이벤트 내용이 인공지능 기반의 자동정정 계산 및 전력제어 시스템(400)에 전송된다. 그리고 인공지능 기반의 자동정정 계산 및 전력제어 시스템(400)은 빅데이터 자료 등을 활용하여 인공지능 기반의 사고 분석 서비스를 사용자에게 제공할 수 있다.

보호계전기(100)의 관리가 통합되어 수행되므로, 사용자는 전력계통에 보호방식을 보다 유연하게 적용할 수 있다.

DB 관리부(477)는 보호계전기의 메이커 및 모델명에 따라 셋팅 파라미터를 데이터베이스화 하여 저장한다. 그리고 DB 관리부(477)는 과거의 사고파형 기록자료와 사고발생 시 사고파형을 업데이터하여 저장 및 보관하며 사고 분석 시에 활용할 수 있다.

또한, DB 관리부(477)는 전력계통 해석 프로그램을 활용하여 다양한 사고유형의 모의 사고파형을 저장 및 업데이트 할 수 있다.

도 5는 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 방법의 흐름도이다.

본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 방법(S100)은 인공지능 기반의 자동정정 계산 및 전력제어 시스템(300 또는 400)에 의해 수행될 수 있다.

인공지능 기반의 자동정정 계산 및 전력제어 방법(S100)은 전력계통에 설치된 적어도 하나 이상의 보호계전기를 대상으로 보호계전기 정정을 판단하는 단계(S110), 보호계전기 중에서 보호계전기 정정이 필요한 보호계전기의 동작 파라미터 값을 정정하는 단계(S120) 및 전력계통의 상태 및 보호계전기의 응동을 감시하는 단계(S130)를 포함하도록 구성될 수 있다.

S100에서 정정 판단부(471)는 보호계전기(100)의 정정 필요성을 판단한다. 정정의 필요성은 과거에 작성된 전력계통의 계통도의 변화, 각종 센서 등을 통해 수집된 센싱 값의 변화 등을 통해 판단될 수 있다.

S120에서 데이터 입력부(472), 고장전류 계산부(473) 및 보호계전기 정정부(474)는 보호계전기(100)의 동작 파라미터 값을 정정할 수 있다. 이 과정에 대해서는 도 5에서 상세히 설명하기로 한다.

S130에서 인공지능 기반의 자동정정 계산 및 전력제어 시스템(400)은 CT, PT 및 그 밖의 각종 센서에서 수신된 센싱 데이터에 기반하여 전력계통의 상태 및 보호계전기(100)의 응동을 감시할 수 있다.

도 6은 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 방법의 흐름도이다.

도 6을 참조하면, 보호계전기의 동작 파라미터 값 정정(S200)은 전력계통 드로잉 및 데이터 입력(S121), 보호계전기 정정 자동계산(S122), 고장전류 및 결과값 도출(S123), 정정기준 및 고장전류에 따라 보호계전기 파라미터 값 정정 (S124), 및 개별 보호계전기에 셋팅 값 입력(S125)을 포함하도록 구성될 수 있다.

S121에서 데이터 입력부(472)는 전력계통의 계통도를 드로잉하고 수집된 피보호 기기에 대한 자료를 이용하여 피보호 기기에 대한 데이터를 입력한다.

S122에서 고장전류 계산부(473)는 보호계전기 정정 자동계산 프로그램을 실행한다.

S123에서 고장전류 계산부(473)는 고장전류 결과 및 결과값 도출한다.

S124에서 보호계전기 정정부(474)는 기 설정된 정정기준 및 계산된 고장 전류에 기반하여 보호계전기 파라미터 값을 정정하고, 보호협조 곡선 및 보호계전기 정정표를 작성할 수 있다.

보호계전기 정정부(474)가 최적의 정정값을 선정하면, 인공지능 기반의 자동정정 계산 및 전력제어 시스템(400)은 통신 장치(440)를 통해 각 보호계전기(100)에 접속하여 파라미터 설정 값을 입력한다(S125). 여기서 사용되는 통신 프로토콜은 RS-232 또는 RS-485를 통한 Modbus 방식 및 국제표준규격 IEC-61850 통식 방식 중에서 사용자가 자유롭게 선택하여 적용할 수 있다.

이후 인공지능 기반의 자동정정 계산 및 전력제어 시스템(400)은 동작 파라미터 값의 정정에 관한 결과보고서를 작성할 수 있다.

도 7은 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 방법의 흐름도이다.

도 7을 참조하면, 전력 사고가 발생한 경우에 인공지능 기반의 자동정정 계산 및 전력제어 시스템이 수행하는 방법이 개시되어 있다.

인공지능 기반의 자동정정 계산 및 전력제어 시스템(400)은 SCADA Core 계층의 감시제어를 통해 전력계통에 발생한 전력 사고를 감지할 수 있다(S210). 예를 들어 인공지능 기반의 자동정정 계산 및 전력제어 시스템(400)은 각종 센서를 통해 수신한 사고 파형에 기반하거나, 보호계전기의 응동에 의한 차단기의 동작을 통해 전력 사고의 발생을 감지할 수 있다.

전력계통에 전력 사고가 발생하면, 사고 지점에서 피보호기기를 위해 설치된 보호계전기가 응동하고, 응동에 따라 보호계전기가 차단기에 차단신호를 발생시킨다(S220). 그리고 차단신호에 의해 피보호기기가 계통으로부터 분리된다.

사고 이후, 인공지능 기반의 자동정정 계산 및 전력제어 시스템(400)은 보호계전기(100)로부터 제공받은 사고파형과 이벤트 사항, 빅데이터 자료 등을 활용하여 사고 원인을 분석하고, 분석을 통한 결과를 사용자에게 제공할 수 있다(S230).

도 8은 본 발명의 일 실시 예에 따른 인공지능 기반의 자동정정 계산 및 전력제어 방법의 흐름도이다.

도 8을 참조하면, 사고에 대한 경고(S310), 사고 발생 감지(S321, S322), 사고 분석(S331), 및 사고 원인 분석 모델의 훈련(S332) 단계가 도시되어 있다.

보호계전기(100)는 셋팅 파라미터 값의 범위에 있는 입력 값이 감지되면 차단기에 차단 신호를 자동으로 발생시킨다. 따라서 보호계전기(100)의 설비만으로 보호계전기의 응동 가능성에 대한 경고, 즉 알람을 발생시킬 수 없으나, 인공지능 기반의 자동정정 계산 및 전력제어 시스템을 통해 보호계전기를 제어하는 경우, 인공지능 기반의 자동정정 계산 및 전력제어 시스템(400)은 CT 및 PT에 의해 수집된 입력 값을 감지함으로써 보호계전기의 응동을 예측하고 이에 대한 경고를 발생시킬 수 있다(S310).

인공지능 기반의 자동정정 계산 및 전력제어 시스템(400)가 사고 발생을 감지한 경우, 보호계전기(100)는 셋팅된 파라미터 값의 범위에 따라 사고에 대해 응동을 하거나(S321), 응동을 하지 않을 수 있다(S332). 보호계전기(100)가 응동 시에 인공지능 기반의 자동정정 계산 및 전력제어 시스템(400)은 보호계전기(100)가 송신한 사고파형 및 이벤트 사항, 빅데이터 자료를 이용하여 사고의 원인을 확인할 수 있다. 사고 발생이 감지되어도, 보호계전기(100)가 응동하지 않을 경우 전력계통 감지, 보호 및 제어 시스템(100)은 직접 차단기에 차단신호를 발생시켜 차단기 동작을 직접 제어할 수도 있다(S322). 이후의 사고 원인의 확인 과정은 그대로 적용될 수 있다.

인공지능 기반의 자동정정 계산 및 전력제어 시스템(400)은 사고 발생 후에 수집된 사고파형 및 이벤트 사항 및 빅데이터 자료(이하 사고 데이터)에 기반하여 사고 원인을 분석할 수 있다(S331).

인공지능 기반의 자동정정 계산 및 전력제어 시스템(400)은 인공지능 모델을 활용하여 사고 원인 분석을 할 수 있다. 사고 원인 분석에 사용되는 사고 데이터는, 사고파형과 같은 영상 데이터이다. 따라서, 사고 원인 분석을 위한 인공지능 모델을 생성시키고, 인공지능 모델을 각종 사고파형을 포함하는 영상 데이터를 이용하여 학습시킬 수 있다. 학습을 통해 인공지능 모델은 사고파형을 분류하고, 분류를 통해 사고를 분석할 수 있다.

또한, 인공지능 기반의 자동정정 계산 및 전력제어 시스템(400)은 러닝 프로세서(460)를 통해, 사고 데이터를 이용하여 사고 원인 분석 모델을 훈련시킬 수 있다(S332).

도 9는 본 발명의 일 실시 예에 따른 인공 신경망 모델의 예시도이다.

도 9를 참조하면, 본 발명의 일 실시 예에 따른 인공지능 모델을 이용한 사고 원인 분석의 예시도가 개시되어있다.

머신 러닝을 수행하는 합성곱 신경망(Convolutional Neural Network, CNN)의 구조가 나타나 있다.

CNN은 이미지의 특징을 추출하는 영역과 클래스를 분류하는 영역으로 나뉠 수 있다. 특징 추출 영역은 Convolution Layer와 Pooling Layer를 여러 겹 쌓는 형태로 구성된다. Convolution Layer는 입력 데이터에 필터를 적용 후 활성화 함수를 반영하는 필수 요소이다. Convolution Layer 다음에 위치하는 Pooling Layer는 선택적인 레이어이다. CNN 마지막 부분에는 이미지 분류를 위한 Fully Connected Layer가 추가된다. 이미지의 특징을 추출하는 부분과 이미지를 분류하는 영역 사이에 이미지 형태를 배열 형태로 만드는 Flattern Layer가 위치한다.

CNN은 이미지 특징 추출을 위하여 입력데이터를 필터가 순회하며 합성곱을 계산하고, 그 계산 결과를 이용하여 Feature Map을 만든다. Convolution Layer Filter 크기, Stride, Padding 적용 여부, Max Pooling 크기에 따라 출력 데이터의 Shape이 변경된다.

인공지능 기반의 자동정정 계산 및 전력제어 시스템(400)은 합성곱 신경망을 이용하여 사고파형을 분석하고, 분석 결과에 따라 사고 보고서를 작성할 수 있다.

이와 같이 본 발명의 일 실시 예에 의하면, 전력계통의 감시 및 제어와 통합하여 전력계통을 보호할 수 있다.

이상, 일부 예를 들어서 본 발명의 바람직한 여러 가지 실시 예에 대해서 설명하였지만, 본 "발명을 실시하기 위한 구체적인 내용" 항목에 기재된 여러 가지 다양한 실시 예에 관한 설명은 예시적인 것에 불과한 것이며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 이상의 설명으로부터 본 발명을 다양하게 변형하여 실시하거나 본 발명과 균등한 실시를 행할 수 있다는 점을 잘 이해하고 있을 것이다.

또한, 본 발명은 다른 다양한 형태로 구현될 수 있기 때문에 본 발명은 상술한 설명에 의해서 한정되는 것이 아니며, 이상의 설명은 본 발명의 개시 내용이 완전해지도록 하기 위한 것으로 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이며, 본 발명은 청구범위의 각 청구항에 의해서 정의될 뿐임을 알아야 한다.

100: 보호계전기
200: 원격 단말 장치(RTU)
300: 인공지능 기반의 자동정정 계산 및 전력제어 시스템의 서버
400: 인공지능 기반의 자동정정 계산 및 전력제어 시스템의 클라이언트
500: 네트워크

Claims

자동정정 계산 및 전력제어 시스템이 수행하는 방법으로서,
전력계통에 설치된 적어도 하나 이상의 보호계전기를 대상으로 보호계전기 정정을 판단하는 단계;
상기 보호계전기 중에서 상기 보호계전기 정정이 필요한 보호계전기의 동작 파라미터 값을 정정하는 단계; 및
상기 전력계통의 상태 및 상기 보호계전기의 응동을 감시하는 단계를 포함하고,
사고 발생이 감지될 경우, 상기 보호계전기는 정정된 파라미터 값의 범위에 따라 사고에 대해 응동을 하거나 응동을 하지 않으며,
상기 전력계통에서 사고가 발생한 경우, 상기 사고 발생을 감지하고, 정정된 상기 파라미터 값의 범위에 따라 상기 보호계전기의 미응동 시, 상기 보호계전기와 연계된 차단기의 동작을 직접 제어하는 단계를 더 포함하며,
사고 발생을 감지하고, 상기 보호계전기의 응동 시, 상기 사고의 원인을 확인하는 단계를 더 포함하고,
수집된 사고 데이터에 기반하여 학습을 통해 훈련된 인공지능 모델을 이용하여 상기 사고의 원인을 분석하는 단계를 더 포함하며,
수집된 사고 데이터를 이용하여 사고의 원인을 분석하도록 학습을 통해 인공지능 모델을 훈련시키는 단계를 더 포함하고,
상기 자동정정 계산 및 전력제어 시스템은 CT 및 PT에 의해 수집된 입력 값을 감지함으로써 보호계전기의 응동을 예측하고 이에 대한 경고를 발생하는,
자동정정 계산 및 전력제어 방법.
제 1 항에 있어서,
상기 전력계통의 상태 및 상기 동작 파라미터 값에 기반하여 상기 보호계전기의 응동 가능성에 대해 경고하는 단계를 더 포함하는,
자동정정 계산 및 전력제어 방법.
삭제
삭제
삭제
삭제
제 1 항에 있어서,
상기 동작 파라미터 값의 정정에 관한 결과보고서를 작성하는 단계를 더 포함하는,
자동정정 계산 및 전력제어 방법.
전력계통에 설치된 적어도 하나 이상의 보호계전기를 대상으로 보호계전기 정정을 판단하는 정정 판단부;
상기 보호계전기 중에서 상기 보호계전기 정정이 필요한 보호계전기의 동작 파라미터 값을 정정하는 보호계전기 정정부;
상기 전력계통의 상태 및 상기 보호계전기의 응동을 감시하는 전력계통 감시부; 및
상기 전력계통에서 사고가 발생한 경우, 상기 사고 발생을 감지하고, 정정된 파라미터 값의 범위에 따라 상기 보호계전기의 미응동 시, 상기 보호계전기와 연계된 차단기의 동작을 직접 제어하는 프로세서를 포함하며,
사고 발생이 감지될 경우, 상기 보호계전기는 정정된 파라미터 값의 범위에 따라 사고에 대해 응동을 하거나 응동을 하지 않으며,
사고 발생을 감지하고, 상기 보호계전기의 응동 시, 상기 사고의 원인을 확인하고,
수집된 사고 데이터에 기반하여 학습을 통해 훈련된 인공지능 모델을 이용하여 상기 사고의 원인을 분석하며,
수집된 사고 데이터를 이용하여 사고의 원인을 분석하도록 학습을 통해 인공지능 모델을 훈련시키고,
CT 및 PT에 의해 수집된 입력 값을 감지함으로써 보호계전기의 응동을 예측하고 이에 대한 경고를 발생하는,
자동정정 계산 및 전력제어 시스템.