KR102310900B1 - 무인항공기를 이용한 송전설비의 진단장치 및 그 방법 - Google Patents

무인항공기를 이용한 송전설비의 진단장치 및 그 방법 Download PDF

Info

Publication number
KR102310900B1
KR102310900B1 KR1020190079383A KR20190079383A KR102310900B1 KR 102310900 B1 KR102310900 B1 KR 102310900B1 KR 1020190079383 A KR1020190079383 A KR 1020190079383A KR 20190079383 A KR20190079383 A KR 20190079383A KR 102310900 B1 KR102310900 B1 KR 102310900B1
Authority
KR
South Korea
Prior art keywords
power transmission
aerial vehicle
unmanned aerial
transmission line
corona discharge
Prior art date
Application number
KR1020190079383A
Other languages
English (en)
Other versions
KR20210003518A (ko
Inventor
김석태
박준영
이재경
김동근
김산
김태균
오기용
정시헌
Original Assignee
한국전력공사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전력공사 filed Critical 한국전력공사
Priority to KR1020190079383A priority Critical patent/KR102310900B1/ko
Publication of KR20210003518A publication Critical patent/KR20210003518A/ko
Priority to KR1020210130917A priority patent/KR20210122764A/ko
Priority to KR1020210130918A priority patent/KR20210123267A/ko
Application granted granted Critical
Publication of KR102310900B1 publication Critical patent/KR102310900B1/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
    • G01R31/1218—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 optical methods; using charged particle, e.g. electron, beams or X-rays
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D47/00—Equipment not otherwise provided for
    • B64D47/08—Arrangements of cameras
    • 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
    • G01R31/1263—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 of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
    • G01R31/1272—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 of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation of cable, line or wire insulation, e.g. using partial discharge measurements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/30—Transforming light or analogous information into electric information
    • H04N5/33—Transforming infrared radiation
    • B64C2201/127—
    • B64C2201/14—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2201/00—UAVs characterised by their flight controls

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Locating Faults (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 무인항공기를 이용한 송전설비의 진단장치 및 그 방법이 개시된다. 본 발명의 무인항공기를 이용한 송전설비의 진단방법은, 제어부가 송전설비를 따라 무인항공기의 비행을 제어하여 이동시키는 단계; 제어부가 무인항공기를 이동시키면서 비행정보와 촬영부를 통해 촬영영상을 수집하는 단계; 제어부가 촬영영상을 전처리하고 1차원 행렬로 차원을 축소하는 단계; 제어부가 코로나 방전의 세기와 송전설비의 위치를 기반으로 절대좌표계에 사상하는 단계; 제어부가 절대좌표계에 사상된 송전선로의 각 지점에서 코로나 방전의 일관성을 계산하는 단계; 및 제어부가 코로나 방전의 일관성을 기반으로 송전설비를 진단하는 단계;를 포함하는 것을 특징으로 한다.

Description

무인항공기를 이용한 송전설비의 진단장치 및 그 방법{DIAGNOSTIC APPARATUS FOR FACILITIES OF POWER TRANSMISSION USING UNMANED AERIAL VEHICLE AND METHOD THEREOF}
본 발명은 무인항공기를 이용한 송전설비의 진단장치 및 그 방법에 관한 것으로서, 보다 상세하게는 무인항공기를 이용한 순시점검으로 송전설비의 코로나 방전을 측정하여 송전설비의 결함위치를 추정하고 고장을 진단하기 위한 무인항공기를 이용한 송전설비의 진단장치 및 그 방법에 관한 것이다.
최근 정보통신 및 그 제어기술의 발전으로 인해 사람이 직접 탑승하여 수행하기에는 위험한 작업이나 어려운 작업들을 대신 수행 가능하게 하는 무인항공기(예 : 드론)에 대한 개발이 활발히 진행되고 있다.
이러한 무인항공기는 위성 및 관성 항법 장치(예 : GPS, Global Positioning System)를 기반으로, 사용자가 설정한 경로, 고도, 속도로 이동하거나, 무인항공기 내부에 탑재된 제어 시스템에 의하여 비행 위치나 자세, 방향 등을 제어한다.
한편 전력설비 중 송전선로는 초고압 전력이 송전되는 고압선, 송전탑, 애자, 및 클램프 등이 포함되며, 수십만 볼트[V]의 고압 전기가 흐르므로, 송전선로는 지상에서 수십 미터의 공중에 별도의 피복 없이 설치된다. 이에 따라, 송전선로는, 낙뢰, 폭우, 및 태풍 등에 노출되어 손상 가능성이 높아지게 되었고, 이로 인해 송전선로에 대한 정기적인 검사가 필수적으로 필요하게 되었다.
이에 따라 종래에는 작업자가 철탑에 직접 탑승하여 송전선로를 육안으로 점검하였으나, 이러한 방식은 작업자가 위험에 노출되는 등, 고비용이며 효율이 낮은 점검 방법이라는 문제점이 있었고, 또한 송전선로의 점검을 위해서는 송전을 정지시킨 후 점검 작업을 수행해야 하기 때문에 작업(즉, 송전선로 점검) 가능한 시기가 제한되는 단점이 있었다.
이외에도 종래에는 송전선로 상에 각종 감시 설비를 설치하고, 이 감시 설비를 통해 송전선로 상태를 지속적으로 추정 및 감시하였으나, 이러한 방식은 송전선로 상에 별도의 감시 설비를 추가적으로 더 설치하여야 하고, 그 결과 감시 설비 설치에 따른 비용도 증가하게 되는 문제점이 있었다.
이에 따라 최근에는 무인항공기에 카메라를 탑재하여 비행을 통한 원거리 점검에 활용하여 육안 감시를 대체함으로써, 점검 작업의 안전성을 높이고 설비진단의 신뢰도를 향상시키려는 시도가 활발하게 이루어지고 있다.
본 발명의 배경기술은 대한민국 공개특허 10-2016-0123551호(2016.10.26. 공개, 전력 설비 점검을 위한 위상 정보 기반의 드론 시스템 자동 제어 시스템 및 그 방법)에 개시되어 있다.
송전선로에 직접 접근하지 않고도 상태감시 및 고장진단을 수행 가능한 다양한 센서들이 현재까지 연구 및 개발되었다.
이러한 센서들에는 가시광선 영역을 사용하는 광학 고배율 카메라, 적외선 파장대역을 이용하여 개소의 과열 여부를 확인할 수 있는 적외선 카메라, 결함부에서 발생하는 초음파를 감지 가능한 초음파 카메라 등이 존재한다.
또한, 다양한 고장진단 기법 중 코로나 카메라를 이용한 기법은 송전선로 결함부의 불균일한 표면 주변의 대기가 이온화되어 발생하는 코로나 방전에서 방출되는 UV-C 영역의 자외선을 감지하여 결함의 위치를 확인하는 방법이다. 일반적으로 자외선은 10-397 nm에 이르는 파장으로 길이에 따라 A (320-400 nm), B (280-320 nm), C (100-280 nm) 세 가지로 분류하는데, 이 중 UV-A 및 UV-B 대역의 파장 일부가 대기를 투과하여 지상으로 도달되고, UV-C 대역 파장은 대기의 오존층에서 완벽히 차단된다.
따라서 UV-C 대역의 자외선은 지상에서 자연적으로 존재하지 않기 때문에 태양광 블라인드(Solar Blind) 대역으로 불린다. 송전선로 표면에 손상이 발생하면 코로나 방전이 발생하기 쉽기 때문에, 코로나 카메라를 이용할 경우 효율적으로 고장 탐지가 가능하며, 이러한 표면 손상은 전체 결함 중에서 상당수를 차지하기 때문에 탐지 가능한 결함의 비중이 크다.
그러나 현재 코로나 카메라를 이용한 점검은 작업자가 직접 송전선로 근처에 접근하여 지상에서부터 코로나 카메라로 송전선로를 촬영하는 방식으로 수행되기 때문에, 고도가 높은 765 kV 송전선로와 같은 구간이나 육로로 접근하기 어려운 일부 산간지역에서 활용하기에 제약이 존재하는 문제점이 있다.
또한 결함 판별에 사용되는 기준 또한 특정 지점에서 발생하는 코로나 방전을 일정 시간 이상 촬영하였을 때 계측되는 코로나 방전의 빈도로, 긴 송전선로 구간을 짧은 시간에 점검하는 순시점검(patrol inspection)에는 부적합하다는 문제점이 있다.
본 발명은 상기와 같은 문제점들을 개선하기 위하여 안출된 것으로, 일 측면에 따른 본 발명의 목적은 무인항공기를 이용한 순시점검으로 송전설비의 코로나 방전을 측정하여 송전설비의 결함위치를 추정하고 고장을 진단하기 위한 무인항공기를 이용한 송전설비의 진단장치 및 그 방법을 제공하는 것이다.
본 발명의 일 측면에 따른 무인항공기를 이용한 송전설비의 진단장치는, 송전설비를 촬영하여 촬영영상을 제공하는 촬영부; 촬영부를 탑재하고 송전설비를 따라 비행하는 무인항공기; 및 무인항공기를 제어하여 송전설비를 따라 비행시키면서 비행정보를 입력받고 촬영부로부터 촬영영상을 입력받으며, 촬영영상으로부터 분석한 코로나 방전의 세기와 송전설비의 위치를 기반으로 절대좌표계에 사상한 후 송전선로의 각 지점에 따라 코로나 방전의 일관성을 계산하여 송전설비를 진단하는 제어부;를 포함하는 것을 특징으로 한다.
본 발명에서 촬영부는, 송전설비에서 방전되는 코로나 방전의 UV-C 대역의 자외선을 촬영한 코로나 촬영영상을 제공하는 코로나 카메라; 및 송전설비를 촬영하여 광학 촬영영상을 제공하는 광학 카메라를 포함하는 것을 특징으로 한다.
본 발명에서 제어부는, 무인항공기를 제어하여 송전선로의 이도에 따라 짐벌을 이용해 촬영각도를 제어하거나, 수평을 유지하면서 고도를 조절하여 촬영부로부터 촬영영상을 입력받는 것을 특징으로 한다.
본 발명에서 제어부는, 촬영영상으로부터 코로나 방전과 관련 없는 부분을 삭제하여 전처리하고, 전처리된 촬영영상을 1차원 행렬로 차원을 축소하여 코로나 방전의 세기를 시간-위치정보를 기반으로 절대좌표계에 사상하는 것을 특징으로 한다.
본 발명에서 제어부는, 송전설비를 진단할 때 촬영영상으로부터 심층학습 모델을 이용한 분류 알고리즘을 통해 송전설비를 식별하여 분류하는 것을 특징으로 한다.
본 발명은 제어부의 진단결과를 출력하는 출력부;를 더 포함하는 것을 특징으로 한다.
본 발명의 다른 측면에 따른 무인항공기를 이용한 송전설비의 진단방법은, 제어부가 송전설비를 따라 무인항공기의 비행을 제어하여 이동시키는 단계; 제어부가 무인항공기를 이동시키면서 비행정보와 촬영부를 통해 촬영영상을 수집하는 단계; 제어부가 촬영영상을 전처리하고 1차원 행렬로 차원을 축소하는 단계; 제어부가 코로나 방전의 세기와 송전설비의 위치를 기반으로 절대좌표계에 사상하는 단계; 제어부가 절대좌표계에 사상된 송전선로의 각 지점에서 코로나 방전의 일관성을 계산하는 단계; 및 제어부가 코로나 방전의 일관성을 기반으로 송전설비를 진단하는 단계;를 포함하는 것을 특징으로 한다.
본 발명에서 촬영영상은, 송전설비에서 방전되는 코로나 방전의 UV-C 대역의 자외선을 촬영한 코로나 촬영영상과, 송전설비를 촬영한 광학 촬영영상을 포함하는 것을 특징으로 한다.
본 발명에서 촬영영상을 수집하는 단계는, 제어부가 무인항공기를 제어하여 송전선로의 이도에 따라 짐벌을 이용해 촬영각도를 제어하거나, 수평을 유지하면서 고도를 조절하여 촬영부로부터 촬영영상을 수집하는 것을 특징으로 한다.
본 발명에서 절대좌표계에 사상하는 단계는, 제어부가 촬영영상으로부터 코로나 방전과 관련없는 부분을 삭제하여 전처리하는 단계; 제어부가 전처리한 촬영영상으로부터 코로나 방전의 세기를 분석하여 1차원 행렬로 차원을 축소하는 단계; 및 제어부가 차원이 축소된 코로나 방전의 세기를 시간-위치정보를 기반으로 절대좌표계에 사상하는 단계를 포함하는 것을 특징으로 한다.
본 발명에서 송전설비를 진단하는 단계는, 제어부가 촬영영상으로부터 심층학습 모델을 이용한 분류 알고리즘을 통해 송전설비를 식별하여 분류하는 것을 특징으로 한다.
본 발명의 일 측면에 따른 무인항공기를 이용한 송전설비의 진단장치 및 그 방법은 코로나 카메라를 탑재한 무인항공기를 이용한 송전설비의 코로나 방전에 의한 UV-C 대역의 자외선을 측정하여 송전설비의 결함위치를 추정하고 고장을 진단하며, 촬영된 광학 촬영영상을 이용하여 심층학습 기법을 통해 고장이 발생된 송전설비를 식별하여 분류함으로써 접근이 제한적인 송전설비에 대한 순시점검으로 송전선로 및 송전애자의 고장을 진단하고 알람을 발생시킬 수 있다.
도 1은 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단장치를 나타낸 블록 구성도이다.
도 2는 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단장치를 통해 점검하는 송전설비를 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법을 설명하기 위한 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 무인항공기의 짐벌 제어를 설정하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 촬영영상의 관심영역을 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 코로나 촬영영상의 줄무늬를 나타낸 도면이다.
도 7은 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 촬영영상의 전처리 전후를 나타낸 도면이다.
도 8은 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 차원 축소 개념을 설명하기 위한 도면이다.
도 9는 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 코로나 방전의 세기를 절대좌표계에 사상한 결과를 나타낸 도면이다.
도 10은 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 코로나 촬영영상의 구간 길이를 설명하기 위한 도면이다.
도 11은 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 구간에 따른 코로나 방전의 세기를 나타낸 예시도이다.
도 12는 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 구간에 따른 코로나 방전의 일관성 계산 결과를 나타낸 예시도이다.
도 13은 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 고장위치를 산출하는 방법을 설명하기 위한 도면이다.
도 14는 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 고도정보에 따라 송전설비를 분류하는 도면이다.
이하, 첨부된 도면들을 참조하여 본 발명에 따른 무인항공기를 이용한 송전설비의 진단장치 및 그 방법을 설명한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단장치를 나타낸 블록 구성도이고, 도 2는 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단장치를 통해 점검하는 송전설비를 나타낸 도면이다.
도 1에 도시된 바와 같이 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단장치는, 촬영부(10), 무인항공기(20), 제어부(30) 및 출력부(40)를 포함할 수 있다.
촬영부(10)는 송전설비를 촬영하여 코로나 촬영영상과 광학 촬영영상을 제어부(40)에 제공할 수 있다.
촬영부(10)는 코로나 카메라(12)와 광학 카메라(14)를 포함할 수 있다.
여기서, 코로나 카메라(12)는 송전설비에서 방전되는 코로나 방전의 UV-C 대역(100-280 nm)의 자외선을 촬영한 코로나 촬영영상을 제공할 수 있고, 광학 카메라(14)는 송전설비를 촬영한 광학 촬영영상을 제공할 수 있다.
본 실시예에서는 코로나 촬영영상을 기반으로 송전설비의 고장을 진단할 수 있고, 광학 촬영영상을 기반으로 고장이 발생된 송전설비를 식별할 수 있다.
무인항공기(20)는 촬영부(10)를 송전설비를 따라 비행하여 접근이 제한적인 송전설비에 접근하여 촬영영상을 수집할 수 있도록 이동할 수 있다.
무인항공기(20)는 도 2에 도시된 바와 같이 송전설비를 점검하기 위해 촬영각도를 제어하면서 송전선로(TLs)를 따라 비행하여 순시점검하게 되며, 송전탑의 애자(Insulators)를 점검하기 위해 수평을 유지하면서 고도를 조절하여 수직방향으로 이동할 수 있다.
제어부(30)는 무인항공기(20)를 제어하여 송전설비를 따라 비행시키면서 비행정보를 입력받고 촬영부(10)로부터 촬영영상을 입력받으며, 촬영영상으로부터 분석한 코로나 방전의 세기와 송전설비의 위치를 기반으로 절대좌표계에 사상한 후 송전선로의 각 지점에 따라 코로나 방전의 일관성을 계산하여 송전설비를 진단할 수 있다.
여기서 제어부(30)는 무인항공기(20)의 위치정보와 송전선로의 위치정보를 이용하여 무인항공기(20)를 제어하여 송전선로를 따라 이동하여 접근이 제한적인 송전설비에 접근할 뿐만 아니라 송전선로의 이도에 따라 짐벌(gimbal)을 이용해 촬영각도를 제어하거나, 수평을 유지하면서 고도를 조절하여 촬영부(10)로부터 촬영영상을 입력받을 수 있다.
또한 제어부(30)는 촬영영상으로부터 코로나 방전과 관련없는 카메라 제조사, 날짜, 확대 배율과 같은 각종 메타 데이터가 표시되는 OSD(On Screen Display) 부분을 삭제하고 배경과 코로나 방전이 더욱 선명하게 구별되도록 배경 블랙크닝(blackening) 작업을 수행하여 전처리한다.
본 실시예에서는 코로나 카메라(12)의 화각이 10° 미만의 작은 화각을 가지는 특징을 고려할 때 코로나 카메라(12)로 촬영되는 송전설비는 하나의 송전설비로 제한적이기 때문에 제어부(30)는 코로나 촬영영상에 대해 2차원 행렬의 각 열의 원소를 모두 합한 1차원 행렬로 차원을 축소하여 연산량을 줄인 상태에서 코로나 방전의 세기를 산출하여 촬영영상을 수집한 시간-위치정보를 기반으로 절대좌표계에 사상할 수 있다.
이후 제어부(30)는 절대좌표계에 사상된 코로나 방전의 세기를 기반으로 각 지점에서 발생된 코로나 방전의 일관성을 계산하여 송전설비의 고장을 진단하고 고장 위치를 특정하며, 심층학습 모델을 이용한 분류 알고리즘을 통해 광학 촬영영상으로부터 송전설비를 식별하여 종류별(애자, 송전선로, 댐퍼 등)로 분류할 수 있다.
출력부(40)는 제어부(30)의 진단결과를 출력할 수 있다. 여기서 출력부(40)는 진단결과에 따라 고장 위치, 식별한 송전설비 및 알람을 출력할 수 있다.
상술한 바와 같이, 본 발명의 실시예에 의한 무인항공기를 이용한 송전설비의 진단장치에 따르면, 코로나 카메라를 탑재한 무인항공기를 이용한 송전설비의 코로나 방전에 의한 UV-C 대역의 자외선을 측정하여 송전설비의 결함위치를 추정하고 고장을 진단하며, 촬영된 광학 촬영영상을 이용하여 심층학습 기법을 통해 고장이 발생된 송전설비를 식별하여 분류함으로써 접근이 제한적인 송전설비에 대한 순시점검으로 송전선로 및 송전애자의 고장을 진단하고 알람을 발생시킬 수 있다.
도 3은 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법을 설명하기 위한 흐름도이고, 도 4는 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 무인항공기의 짐벌 제어를 설정하기 위한 도면이며, 도 5는 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 촬영영상의 관심영역을 나타낸 도면이고, 도 6은 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 코로나 촬영영상의 줄무늬를 나타낸 도면이며, 도 7은 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 촬영영상의 전처리 전후를 나타낸 도면이고, 도 8은 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 차원 축소 개념을 설명하기 위한 도면이며, 도 9는 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 코로나 방전의 세기를 절대좌표계에 사상한 결과를 나타낸 도면이고, 도 10은 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 코로나 촬영영상의 구간 길이를 설명하기 위한 도면이며, 도 11은 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 구간에 따른 코로나 방전의 세기를 나타낸 예시도이고, 도 12는 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 구간에 따른 코로나 방전의 일관성 계산 결과를 나타낸 예시도이며, 도 13은 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 고장위치를 산출하는 방법을 설명하기 위한 도면이고, 도 14는 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서 고도정보에 따라 송전설비를 분류하는 도면이다.
도 3에 도시된 바와 같이 본 발명의 일 실시예에 따른 무인항공기를 이용한 송전설비의 진단방법에서는 먼저, 제어부(30)가 송전설비를 따라 무인항공기(20)의 비행을 제어하여 이동시킨다.
본 실시예에서 무인항공기(20)를 이용한 송전설비의 순시점검은 도 2에 도시된 바와 같이 송전선로(TLs)를 점검하기 위해 송전선로 진행방향을 따라 점검이 진행된다. 또한, 송전선로를 절연 및 지지하기 위한 송전탑의 애자(insulators)를 점검하기 위해 수직방향을 따라 송전탑의 측면을 점검하게 된다.
따라서 제어부(30)는 애자를 점검할 경우에는 촬영부(10)의 코로나 카메라(12)의 각도를 수평으로 고정하고 무인항공기(20)의 고도를 조절하여 점검하고, 송전선로를 점검할 경우에는 송전선로의 이도를 고려하여 짐벌(gimbal)을 이용해 촬영부(10)의 코로나 카메라(12) 목표 각도를 계산하여 촬영각도를 제어하도록 한다.
여기서 목표 각도를 계산하기 위해 제어부(30)는 무인항공기(20)의 위치정보와 송전선로의 위치정보를 이용하여 짐벌 제어의 목표 각도 θ를 계산할 수 있다.
도 4에 도시된 바와 같이 무인항공기(20)가 송전선로(TL)를 따라 wp1에서 wp2로 직선 이동하는 상황을 가정할 때, L은 점검시작점 wp1에서 점검종료점 wp2 까지의 거리, 즉 무인항공기가 이동하게 되는 총 거리이다.
또한, ℓ은 점검시작점 wp1에서 현재 위치 P 까지의 거리, 즉 무인항공기(20)가 현재까지 이동한 거리이다. TL 평면(TL surface)은 송전선로 TL이 포함되는 평면으로 TL 평면에서 z축(높이)과 수직하는 송전선로의 진행 방향을 xTL축, z축 및 xTL축과 수직인 방향을 yTL축으로 정의할 수 있다.
TL 평면에서 송전선로 TL은 경간의 양 끝점 p1, p2를 포함하면서 p1, p2 사이(D)의 중점에서 z축과 평행한 방향으로 선을 내렸을 때 송전선로 TL과의 거리, 즉 이도(sag) S는 이차곡선 혹은 현수선으로 정의할 수 있다.
무인항공기(20)의 현재 위치 P에서부터 TL 평면으로 수선의 발을 내렸을 때 만나는 점을 p'으로 정의하며, P에서 p'까지 수선의 길이를 h로 정의하며, 수선의 발 p'으로부터 z축과 평행한 방향으로 선을 내렸을 때 송전선로 TL과 만나는 점을 p로 정의하고 p'으로부터 p까지의 거리를 v로 정의한다. P가 wp1일 때 h 및 v는 h1 및 v1로 정의하며, P가 wp2일 때 h 및 v는 h2 및 v2로 정의한다.
이때 수평을 기준으로 짐벌의 제어 목표 각도 θ는 무인항공기(20)의 현재 위치 P에서 TL평면으로 내린 수선의 발 p' 및 p 세 점으로 정의되는 삼각형이 P점에서 가지는 각도이며, h 및 v값을 계산하면 이 두 값의 비를 이용하여 산출 가능하다.
본 실시예에서는 무인항공기(20) 등으로 사전에 측정된 송전선로 정보를 통해 주어지거나 계산되는 h1, h2, v1, v2, L, S 및 실시간 위치정보를 기반으로 계산되는 ℓ을 이용하여 무인항공기의 현재위치에 따른 h, v를 실시간으로 계산한 뒤, 삼각형의 성질을 이용하여 짐벌 제어 목표 각도 θ를 자동으로 산출하여 짐벌 제어 목표 각도로 활용할 수 있다.
여기서, ℓ은 wp1의 좌표와 무인항공기(20)의 실시간 좌표 P 사이의 거리로써, 이용하는 좌표계에 따라 ℓ을 산출하는 방식은 달라질 수 있다.
예를 들어, wp1의 좌표계와 무인항공기(20)의 좌표계가 특정 좌표를 영점으로 두는 3차원 직교좌표계일 경우, 간단히 두 점의 좌표의 차이의 제곱을 합한 것의 제곱근으로 산출할 수 있으며(
Figure 112019067742730-pat00001
) 지구를 타원체로 가정하는 GPS와 같은 좌표계의 경우, 두 좌표의 위도 및 경도의 차이로 인한 수평거리의 제곱과 고도차의 제곱을 합한 것의 제곱근으로 산출할 수 있다. 이때 위도 및 경도의 차이로 인한 수평거리는 대표적으로 Vincenty's formula를 이용하여 계산할 수 있다.
도 4의 (b)는 가로축 xTL, 세로축 yTL이 되도록 -z방향으로 투영한 평면으로, wp1, p1, p2, wp2로 정의되는 사각형은 h1, h2가 평행한 사다리꼴이므로 ℓ과 L의 비를 이용하여 h를 계산 가능하며 수학식 1과 같이 산출할 수 있다.
Figure 112019067742730-pat00002
도 4의 (c)는 가로축 xTL, 세로축은 z축이 되도록 -yTL방향으로 투영한 평면으로, v를 p1, wp1, wp2, p2로 정의되는 사다리꼴에 포함되는 부분과, 사다리꼴과 송전선로 TL사이의 부분 f(ℓ)로 구분하였을 때, 상술한 h를 계산하는 방법을 동일하게 적용하여 수학식 2로 산출 가능하다.
Figure 112019067742730-pat00003
또한, 송전선로 TL을 이차곡선으로 보았을 때, 수학식 3과 같이 f(ℓ) 또한 f(0)=0, f(L)=0, f(L/2)=S인 이차함수로 볼 수 있다.
Figure 112019067742730-pat00004
여기서 수학식 3을 수학식 2에 대입하여 v를 산출하면 수학식 4와 같다.
Figure 112019067742730-pat00005
여기서 h와 v는 무인항공기(20)가 점검할 때 시간에 가변적이므로 h(ℓ) 및 v(ℓ)로 표현되며, h(ℓ) 및 v(ℓ)를 이용하여 무인항공기(20)가 송전선로 점검을 수행할 때 송전선로 처짐을 고려하여 제어해야하는 코로나 카메라(12)의 목표 각도 θ(t)를 구하면 수학식 5와 같다.
Figure 112019067742730-pat00006
p와 무인항공기(20)의 현재 위치 P 사이의 이격거리 r(ℓ) 또한 h(ℓ) 및 v(ℓ)를 이용하여 수학식 6과 같이 산출할 수 있으며, 시간에 따른 이격거리 r(ℓ)의 정보는 절대좌표계에서 송전선로 TL의 코로나 방전에 대한 정보를 사상할 때 사용될 수 있다.
Figure 112019067742730-pat00007
S10 단계에서 비행 제어를 통해 무인항공기(20)를 이동시키면서 제어부(30)는 비행정보와 촬영부(10)를 통해 촬영영상을 수집한다(S20).
여기서 촬영영상은 송전설비에서 방전되는 코로나 방전의 UV-C 대역의 자외선을 촬영한 코로나 촬영영상과, 송전설비를 촬영한 광학 촬영영상을 포함한다.
이와 같이 제어부(20)는 짐벌 제어를 수행하며 촬영된 코로나 촬영영상을 광학 촬영영상과 결합하여 실시간 상태감시에 활용하거나 흑백 영상으로 저장하여, 시간에 따른 p와 무인항공기(20)의 현재 위치 P 사이의 이격거리 r(ℓ) 데이터, 위치정보로부터 기록된 시간-위치정보 데이터와 같이 일관성 계산에 사용할 수 있다.
여기서, 제어부(20)가 실시간 상태감시에 활용하기 위해 광학 촬영영상과 코로나 촬영영상을 결합하는 과정은, 일반적으로 화각이 상대적으로 넓은 광학 촬영영상에서 코로나 카메라(12)가 촬영하는 관심영역(region of interest)을 설정하는 과정 및 코로나 촬영영상을 변환하여 관심영역 위에 사상하는 과정으로 나누어질 수 있다.
광학 카메라(14)와 같거나 비슷한 위치에 설치된 코로나 카메라(12)의 화각을 가로 αh, 세로 αv, 가시광선 카메라(14)의 화각을 가로 βh, 세로 βv라고 할 때, 도 5에 도시된 바와 같이 관심영역은 광학 카메라(14) 화면의 영역과 중심을 공유하며 광학 카메라(14) 화면의 가로 길이 H, 세로 길이 V 기준으로 가로 길이, 세로 길이를 가지는 영역이다. 가시광선 카메라(14) 화면의 왼쪽 아래 꼭짓점을 영점 O 라 할 때 영점 O를 기준으로 관심영역 (x, y)을 수학식 7과 같이 표현할 수 있다.
Figure 112019067742730-pat00008
관심영역에 코로나 촬영영상을 사상하기 위해서 코로나 촬영영상을 구성하는 행렬 I의 각 원소를 후술할 전처리 단계에서의 블랙크닝(blackening) 과정의 기준치 c를 이용하여 분류, c보다 원소의 값이 큰 영역에서 1, 그렇지 않은 영역에서 0을 갖도록 변환한다. 그 뒤 송전선로 주변 환경을 고려하여 광학 촬영영상의 배경과 간섭이 가장 적은 색을 현장에서 선택하고, 행렬 I의 값이 1을 가지는 부분에서 해당 색상을 표현하고 0을 가지는 부분에서 투명하도록 I를 RGB 색상을 표현하는 IRGB 행렬로 변환한 뒤 IRGB 가 표현하는 화면을 관심영역에 덮어씌우면 광학 카메라(12) 및 코로나 카메라(14)의 촬영영상이 결합되어 현재 촬영 중인 구간의 광학 촬영영상과 코로나 방전의 발생을 동시에 감시할 수 있는 실시간 상태감시를 진행할 수도 있다.
한편, 고장진단을 위해 제어부(30)는 S20 단계에서 수집된 코로나 촬영영상에서 코로나 방전과 무관한 특징들을 제거하고 코로나 방전이 강조되도록 이미지 처리하여 촬영영상을 전처리한다(S30).
제어부(30)는 촬영영상에서 카메라 제조사, 날짜, 확대 배율과 같은 각종 메타데이터가 표시되는 OSD(On-Screen Display)를 제거하고, 배경과 코로나 방전이 더욱 선명하게 구별되도록 블랙크닝(blackening) 작업을 수행한다.
촬영영상을 구성하는 각 순간의 화면인 프레임을 행의 길이가 가로 해상도, 열의 길이가 세로 해상도인 2차원 행렬이라 할 때, 각 원소의 값은 해당 화소의 색상을 의미한다. 흑백의 경우 0~255의 값을 원소로 가지며 0은 검은색, 255는 흰색을 의미하며 원소의 값이 기준치 c 미만일 경우 해당 원소를 0으로 고정, 즉 화소의 색을 검은색으로 고정하여 코로나 방전과 무관한 OSD를 삭제하고 코로나 방전을 제외한 배경을 완전히 검은색으로 변화시켜 코로나 방전이 부각되도록 한다.
한편, 코로나 카메라(12) 자체 혹은 녹화 도중의 문제로 인해 촬영영상에 도 6과 같이 일부 코로나 방전이 1 픽셀 단위의 간격을 갖는 줄무늬의 형태로 나타날 수 있다. 하나의 연결된 원형에 가까운 모습으로 표현되는 정상적인 경우와 비교하였을 때 코로나 방전이 표현되는 면적이 상대적으로 적어 코로나 방전의 세기가 낮아 보이는 왜곡이 발생하게 된다.
따라서 화면을 구성하는 2차원 행렬의 모든 행에, 한 행 위의 원소 값을 더하여 줄무늬를 제거하여 전처리할 수 있다.
도 7에 도시된 바와 같이 전처리를 수행하여 블랙크닝을 통해 코로나 카메라(12)의 제조사를 나타내는 OSD가 사라졌으며, 배경의 색이 기존에 비해 완전히 검은색으로 고정되었다. 또한 줄무늬를 제거하는 과정을 통해 코로나 방전이 줄무늬 없이 연결된 형태로 나타낼 수 있으며, 줄무늬가 처음부터 없었던 부분의 경우 한 행 위의 값들을 더하게 되므로 더욱 흰색에 가까운 색을 띠게 되어 코로나 방전이 강조되도록 할 수 있다.
S30 단계에서 촬영영상을 전처리한 후 제어부(30)는 전처리한 촬영영상을 2차원 행렬에서 가로 또는 세로 길이만을 갖는 1차원 행렬로 변환하여 차원을 축소한다(S40).
코로나 카메라(12)를 통해 송전설비를 촬영할 때 코로나 카메라(12)는 대체로 10°미만의 작은 화각을 가지고 있기 때문에 이격거리가 매우 긴 상황과 같은 제한적인 경우를 제외하면 한 화면에 하나의 송전선로만이 촬영된다.
따라서 제한된 화각을 고려할 때, 송전선로가 어느 행에 걸쳐 촬영되었는지는 실제 코로나 방전의 위치를 특정할 때 불필요한 정보가 되며, 반대로 코로나 방전이 어느 열에 걸쳐 발생하였는지는 코로나 방전이 발생한 송전선로 상의 위치를 특정할 때 필수적인 정보가 된다.
따라서 도 8의 (a)와 같이 2차원 행렬의 각 열의 원소를 모두 합한 값을 원소로 하는 1차원 행렬로 축소하여 코로나 방전의 위치에 대한 정보는 유지하되 행렬의 차원은 작아져 다음 과정들의 연산양을 줄일 수 있도록 한다.
코로나 카메라(12)로 송전선로가 아닌 애자를 점검할 때에도 마찬가지로 두 개소 이상의 애자를 한 화면에 촬영하게 되는 상황은 제한적이며 코로나 방전이 어느 열에 걸쳐 발생하였는지는 불필요한 정보이기 때문에 도 8의 (b)와 같이 2차원 행렬의 각 행의 원소를 모두 합한 값을 원소로 하는 1차원 행렬로 축소할 수 있다.
행렬 I 의 각 열의 원소들을 모두 더한 뒤, 한 열 전체가 흰색(255)의 값을 가지고 있을 때의 값 M×255로 나누어 정규화 한 것을 K 행렬의 각 원소로 할 수 있다. K 행렬의 원소의 값은 0일 경우 해당 열에서 코로나 방전이 전무했음을 의미하고, 1일 경우 해당 열 전체가 코로나 방전에 의해 흰색으로 표현되었음을 의미하므로 코로나 방전의 세기를 의미한다.
S40 단계에서 차원 축소를 한 후 제어부(30)는 코로나 방전의 세기와 비행정보로부터 산출한 송전설비의 위치를 기반으로 절대좌표계에 사상한다(S50).
도 9에 도시된 바와 같이 차원 축소된 1차원 행렬의 값들을 비행정보로부터 수집한 시간-위치정보 데이터, 시간-이격거리 데이터를 이용하여 절대좌표에 사상한다.
여기서 1차원 행렬의 각 원소의 값이 나타내는 실제 점검 구간 상의 지점을 특정하기 위하여 1차원 행렬이 나타내는 구간의 길이 R을 계산한다.
도 10에 도시된 바와 같이 코로나 카메라(12)를 통해 촬영된 촬영영상의 한 화면에 촬영된 구간의 길이 R과, 무인항공기(20)의 비행정보에서 계산된 이격거리 r(ℓ), 코로나 카메라(12)의 화각 α사이의 관계를 통해 수학식 8과 같이 R을 구할 수 있다.
Figure 112019067742730-pat00009
여기서, 송전선로을 점검할 경우 시간-위치정보 데이터를 이용하여 무인항공기(20), 즉 1차원 행렬의 중심의 점검시작점 wp1로부터의 거리 ℓ을 계산하여 ℓcenter로 둔다면 1차원 행렬의 양쪽 끝 원소에 해당하는 ℓ은 ℓcenter-R/2, ℓcenter+R/2 가 된다. ℓ은 점검시작점 wp1로부터의 거리이므로 무인항공기(20)가 움직인 방향이 코로나 카메라(12)의 화면 기준 오른쪽이라면 오른쪽에 있는 ℓ이 더 크므로 원소의 1차원 행렬의 왼쪽 끝에 해당하는 ℓ 값이 ℓcenter-R/2이고, 무인항공기(20)가 움직인 방향이 코로나 카메라(12)의 화면 기준 왼쪽이라면 1차원 행렬의 오른쪽 끝에 해당하는 ℓ 값이 ℓcenter-R/2이다.
따라서 N열 1차원 행렬의 j번째 원소에 해당하는 ℓ, ℓj를 무인항공기(20) 이동방향에 따라 수학식 9와 같이 구할 수 있다.
Figure 112019067742730-pat00010
수학식 9를 송전선로에 대한 무인항공기(20)의 이동방향에 대한 변수 dir를 이용하면 수학식 10과 같이 표현할 수 있다.
여기서 dir은 무인항공기(20)의 이동방향을 기준으로 송전선로가 왼쪽에 위치하면 1, 오른쪽에 위치하면 -1을 갖는, 즉 화면 기준 무인항공기(20)의 이동방향이 오른쪽일 때 1, 왼쪽일 때 -1을 갖는 변수이다. dir의 값은 자료수집을 위해 무인항공기(20)의 경로를 설정할 때 결정되며 사전에 주어지는 변수이다.
Figure 112019067742730-pat00011
전송선로를 점검하는 방법과 같은 방법을 이용하여 절연애자를 점검할 경우에는 M행 1차원 행렬의 i번째 원소에 해당하는 ℓ, ℓi를 수학식 10과 같이 구할 수 있다. 이때 ℓcenter의 값은 비행정보를 통해 얻을 수 있는 해당 코로나 촬영영상을 촬영한 시점에서의 무인항공기(20)의 고도값이며, dir의 값은 무인항공기(20)가 아래 방향으로 이동하면 1, 위 방향으로 이동하면 -1이다.
Figure 112019067742730-pat00012
따라서 제어부(30)는 수학식 10 또는 수학식 11을 이용하여 코로나 방전의 세기를 사상할 수 있다.
도 11과 같이 차원 축소를 통해 얻은 모든 1차원 행렬들에 대해 사상을 수행하고, 각 원소들, 즉 코로나 방전의 세기를 ℓ을 기준으로 사상하여 표현할 수 있다.
S50 단계에서 코로나 방전의 세기를 절대좌표계에 사상한 후 제어부는 절대좌표계에 사상된 송전선로의 각 지점에서 코로나 방전의 일관성을 계산한다(S60).
제어부(30)는 도 11과 같은 점검구간의 코로나 방전의 세기에 대한 정보를 기반으로 각 지점에서 발생한 코로나 방전의 일관성을 계산한다.
어떤 지점 ℓ 에서 코로나 방전이 일관적으로 발생한다는 것은 유의미한 크기의 코로나 방전이 지속적으로 관측되었다는 뜻으로 해당 지점에서의 코로나 방전의 세기의 값이 평균적으로 높은 값임을 의미한다.
반대로 고장으로 인해 일관적으로 코로나 방전이 발생한 것이 아닌 잡음으로 인해 순간적으로 관측된 코로나 방전의 경우 해당 지점에 관측된 코로나 방전의 세기는 평균적으로 낮거나 0에 가까운 값을 가질 것이다.
또한 실제 자료 수집 과정에 있어 무인항공기(20)의 움직임과 자세가 일정하지 않을 수 있으며 위치정보에도 오차가 존재함을 고려하여 허용오차 T를 두어 ℓ 지점에서의 코로나 방전의 일관성을 계산할 때
Figure 112019067742730-pat00013
구간에서 관측된 코로나 방전을 ℓ에서 발생한 코로나 방전으로 볼 수 있다고 가정한다. 이러한 점들을 반영하여
Figure 112019067742730-pat00014
구간에서 관측된 코로나 방전의 세기의 평균을 구한 뒤 전체 점검구간에서 발생한 코로나 방전의 최대값으로 나누어 ℓ 지점에서의 코로나 방전의 일관성 수치를 계산한다.
따라서 ℓ에 따른 코로나 방전의 세기를 cdi(ℓ)으로 두면 ℓ에서 발생한 코로나 방전의 일관성 수치 C(ℓ)은 수학식 12와 같다.
Figure 112019067742730-pat00015
ℓ에 따른 코로나 방전의 일관성을 계산한 그래프는 도 12에 도시된 바와 같이 것을 나타낼 수 있다. ℓ이 5 m일 때, 즉 점검시작점으로부터 약 5 m 떨어진 지점에서 코로나 방전의 일관성이 높음을 확인할 수 있다.
S60 단계에서 각 지점에서의 코로나 방전의 일관성을 계산한 후 제어부(30)는 코로나 방전의 일관성을 기반으로 송전설비를 진단한다(S70).
제어부(20)는 계산된 일관성 수치를 기반으로 송전설비에서 결함이 발생한 위치를 특정(localization)하고 분류(classification)하여 송전설비를 진단하고, 그 결과를 기반으로 알람을 발생시킬 수 있다.
일관성 수치는 코로나 방전이 일정 규모 이상으로 관측되는 빈도가 높을수록 높게 계산된다. 즉 코로나 방전의 특성에 따라 점검 시점에서의 온도, 습도, 점검대상이 되는 송전선로의 운전 전압, 결함의 종류와 정도에 의해 계산되는 코로나 일관성 수치 또한 다르며 고장 여부를 판별하기 위해 절대적인 수치만을 이용하는 것은 이러한 코로나 방전의 특성들을 반영하기 어렵다.
따라서 본 실시예에서는 점검구간에 대한 코로나 방전의 세기 cdi(ℓ) 및 일관성 수치 C(ℓ)의 분포를 기준으로 고장을 진단할 수 있다.
먼저, 제어부(30)는 cdi(ℓ)의 최댓값, C(ℓ)의 최댓값 Cmax 및 평균값
Figure 112019067742730-pat00016
의 비를 이용하여 점검구간 전체에서 결함의 존재 여부를 판단한다. 송전선로에 결함이 발생하였을 때, 결함이 발생되어 코로나 방전이 발생하는 구간은 그렇지 않은 구간에 비해 매우 작은 비중을 차지하므로 결함 발생여부와 관계없이
Figure 112019067742730-pat00017
은 0에 근접하는 값을 가진다. 하지만 Cmax은 결함이 발생한 경우에 그렇지 않은 경우에 비해 큰 값을 가지게 되므로 Cmax을
Figure 112019067742730-pat00018
으로 나눈 값이 특정 기준 ac보다 높을 때 해당 점검구간에서 결함이 발생하였다고 판단할 수 있다.
또한, 제어부(30)는 결함이 발생한 구간 중 일관성 수치가 최댓값 Cmax의 CAUmin %~ Warnmin % 사이의 값을 가지는 구간을 결함이 의심된다는 의미의 주의(caution) 구간으로, 일관성 수치가 Cmax의 Warnmin % 이상의 값을 가지는 구간에 대하여 결함이 발생하였을 가능성이 매우 높다는 의미의 경고(warning) 구간으로 설정하여 고장을 진단할 수 있다.
도 13에 도시된 바와 같이 송전선로 점검의 경우 점검시작점에 해당하는 송전선로의 끝점 p1을 기준으로 한 결함의 위치를 p1으로부터 xTL방향으로의 거리 xfault 와 p1과의 고도차 vfault 두 값으로 결함의 위치를 특정할 수 있다.
여기서 xfault 는 사다리꼴 wp1, p1, p2, wp2의 성질, 결함의 위치에 해당하는 ℓ, ℓfault 및 L 그리고 p1과 p2 사이의 수평거리 xp1p2를 이용하여, vfault는 f(ℓfault)와 p1과 p2의 고도차 p2z - p1z를 이용하여 수학식 13과 수학식 14를 통해 구할 수 있다.
Figure 112019067742730-pat00019
Figure 112019067742730-pat00020
여기에서 p1z, p2z, xp1p2은 무인항공기(20)나 사전에 측정된 정보이며, ℓfault은 일관성 검출 계산 결과로부터 얻을 수 있다. 애자 점검의 경우 결함 발생 위치의 고도 zfault값으로 결함의 위치를 특정하며 ℓfault 값이 무인항공기(20)의 결함이 관측된 시점에서의 고도와 동일하므로 zfault의 값은 ℓfault값과 같다.
S70 단계에서 송전설비를 진단한 후 제어부(30)는 진단결과를 출력한다(S80).
여기서, 제어부(30)는 진단결과를 출력할 때 촬영영상으로부터 심층학습 모델을 이용한 분류 알고리즘을 통해 송전설비를 식별하고 분류하여 출력한다.
특정된 결함의 위치에 대하여 결함이 발생한 구성요소의 종류(애자, 송전선로, 댐퍼, 등)를 광학 촬영영상에 물체인식이 가능한 심층학습 기법을 적용하여 분류하고 알람의 단계(주의나 경고), 일관성 수치, 코로나 촬영영상 및 광학 촬영영상, 촬영된 시각 및 결함이 발생한 위치와 그 분류를 포함한 알람을 출력한다.
광학 촬영영상에서 물체를 분류하는데 이용되는 심층학습 모델의 분류로는 대표적으로 합성곱신경망(Convolutional Neural Network) 모델이 적용될 수 있다.
합성곱신경망 모델에서는 합성곱층(convolution layer)에서의 합성곱연산(convolution)을 통해 화면상의 유의미한 특징(feature)을 검출하고, 풀링층(pooling layer)을 통해 의도적으로 화면을 열화시켜 비선형성을 부여하는 것을 반복하여 화면상의 물체의 특징을 추출(feature extraction)한 뒤 그 결과를 바탕으로 물체의 종류를 판별하는 분류를 수행한다.
첫 합성곱층에서는 화면의 크기에 비해 매우 작은 수 픽셀 크기의 단순한 특징만을 검출하지만 풀링층과 합성곱층이 반복되면서 단순한 특징들이 연결되어 만들어지는 복잡하고 다양한 형태의 특징을 검출 가능해지며 이 특징들을 통해 화면상의 물체를 분류하게 된다.
이와 같이 심층학습 모델을 이용한 분류 알고리즘으로 관심영역에 해당하는 화면을 분류, 결함이 발생한 구성요소를 분류할 수 있다.
한편, 제어부(30)는 애자 점검시 애자가 설치된 고도에 대한 정보가 있다면 광학 촬영영상을 이용한 심층학습 기법을 대신하여 도 14에 도시된 바와 같이 zfault 값이 각각의 애자들이 설치된 고도의 구간 Zcomp,i 중 어떤 Zcomp,i에 포함되는지를 확인하는 것으로 결함이 발생한 애자를 분류할 수 있다.
상술한 바와 같이, 본 발명의 실시예에 의한 무인항공기를 이용한 송전설비의 진단방법에 따르면, 코로나 카메라를 탑재한 무인항공기를 이용한 송전설비의 코로나 방전에 의한 UV-C 대역의 자외선을 측정하여 송전설비의 결함위치를 추정하고 고장을 진단하며, 촬영된 광학 촬영영상을 이용하여 심층학습 기법을 통해 고장이 발생된 송전설비를 식별하여 분류함으로써 접근이 제한적인 송전설비에 대한 순시점검으로 송전선로 및 송전애자의 고장을 진단하고 알람을 발생시킬 수 있다.
본 명세서에서 설명된 구현은, 예컨대, 방법 또는 프로세스, 장치, 소프트웨어 프로그램, 데이터 스트림 또는 신호로 구현될 수 있다. 단일 형태의 구현의 맥락에서만 논의(예컨대, 방법으로서만 논의)되었더라도, 논의된 특징의 구현은 또한 다른 형태(예컨대, 장치 또는 프로그램)로도 구현될 수 있다. 장치는 적절한 하드웨어, 소프트웨어 및 펌웨어 등으로 구현될 수 있다. 방법은, 예컨대, 컴퓨터, 마이크로프로세서, 집적 회로 또는 프로그래밍 가능한 로직 디바이스 등을 포함하는 프로세싱 디바이스를 일반적으로 지칭하는 프로세서 등과 같은 장치에서 구현될 수 있다. 프로세서는 또한 최종-사용자 사이에 정보의 통신을 용이하게 하는 컴퓨터, 셀 폰, 휴대용/개인용 정보 단말기(personal digital assistant: "PDA") 및 다른 디바이스 등과 같은 통신 디바이스를 포함한다.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다.
따라서 본 발명의 진정한 기술적 보호범위는 아래의 청구범위에 의해서 정하여져야 할 것이다.
10 : 촬영부
12 : 코로나 카메라
14 : 광학 카메라
20 : 무인항공기
30 : 제어부
40 : 출력부

Claims (11)

  1. 송전설비를 촬영하여 촬영영상을 제공하는 촬영부;
    상기 촬영부를 탑재하고 상기 송전설비를 따라 비행하는 무인항공기; 및
    상기 무인항공기를 제어하여 상기 송전설비를 따라 비행시키면서 비행정보를 입력받고 상기 촬영부로부터 상기 촬영영상을 입력받으며, 상기 촬영영상으로부터 분석한 코로나 방전의 세기와 상기 송전설비의 위치를 기반으로 절대좌표계에 사상한 후 송전선로의 각 지점에 따라 코로나 방전의 일관성을 계산하여 상기 송전설비를 진단하는 제어부;를 포함하되,
    상기 제어부는, 코로나 방전의 일관성 수치를 기반으로 송전설비에서 결함이 발생한 위치인 결함위치를 특정하되, 상기 결함 위치는 무인항공기의 점검 시작점(wp1)에 대응하는 송전선로 시작점(p1)으로부터 상기 결함 위치까지의 거리(xfault) 및 상기 송전선로 시작점(p1)과 상기 결함 위치 간의 고도차(vfault)로 특정되며,
    상기 송전선로 시작점(p1)으로부터 상기 결함 위치까지의 거리(xfault)는, 송전선로가 포함된 TL 평면에서의 사다리꼴, 상기 결함 위치에 대응하는 무인항공기의 위치(P)와 상기 점검 시작점(wp1) 사이의 거리(ℓfault), 상기 송전선로 시작점(p1)과 송전선로의 끝점(p2) 사이의 수평거리(xp1p2), 및 상기 무인항공기의 점검 시작점(wp1)과 점검 종료점(wp2) 사이의 거리(L)에 근거하여 산출되고,
    상기 고도차(vfault)는 상기 거리(ℓfault), 상기 송전선로 시작점(p1)과 송전선로 끝점(p2) 사이의 고도차(p2z - p1z), 이도(S),및 상기 점검 시작점(wp1)과 점검 종료점(wp2) 사이의 거리(L)에 근거하여 산출되며,
    상기 사다리꼴은 상기 무인항공기의 점검 시작점(wp1), 무인항공기의 점검 종료점(wp2), 송전선로의 시작점(p1), 및 송전선로의 끝점(p2)으로 이루어진 것을 특징으로 하는 무인항공기를 이용한 송전설비의 진단장치.
  2. 제 1항에 있어서, 상기 촬영부는,
    상기 송전설비에서 방전되는 코로나 방전의 UV-C 대역의 자외선을 촬영한 코로나 촬영영상을 제공하는 코로나 카메라; 및
    상기 송전설비를 촬영하여 광학 촬영영상을 제공하는 광학 카메라를 포함하는 것을 특징으로 하는 무인항공기를 이용한 송전설비의 진단장치.
  3. 제 1항에 있어서, 상기 제어부는, 상기 무인항공기를 제어하여 상기 송전선로의 이도에 따라 짐벌을 이용해 촬영각도를 제어하거나, 수평을 유지하면서 고도를 조절하여 상기 촬영부로부터 상기 촬영영상을 입력받는 것을 특징으로 하는 무인항공기를 이용한 송전설비의 진단장치.
  4. 제 1항에 있어서, 상기 제어부는, 상기 촬영영상으로부터 코로나 방전과 관련 없는 부분을 삭제하여 전처리하고, 전처리된 상기 촬영영상을 1차원 행렬로 차원을 축소하여 코로나 방전의 세기를 시간-위치정보를 기반으로 절대좌표계에 사상하는 것을 특징으로 하는 무인항공기를 이용한 송전설비의 진단장치.
  5. 제 1항에 있어서, 상기 제어부는, 상기 송전설비를 진단할 때 상기 촬영영상으로부터 심층학습 모델을 이용한 분류 알고리즘을 통해 상기 송전설비를 식별하여 분류하는 것을 특징으로 하는 무인항공기를 이용한 송전설비의 진단장치.
  6. 제 1항에 있어서, 상기 제어부의 진단결과를 출력하는 출력부;를 더 포함하는 것을 특징으로 하는 무인항공기를 이용한 송전설비의 진단장치.
  7. 제어부가 송전설비를 따라 무인항공기의 비행을 제어하여 이동시키는 단계;
    상기 제어부가 상기 무인항공기를 이동시키면서 비행정보와 촬영부를 통해 촬영영상을 수집하는 단계;
    상기 제어부가 상기 촬영영상을 전처리하고 1차원 행렬로 차원을 축소하는 단계;
    상기 제어부가 코로나 방전의 세기와 상기 송전설비의 위치를 기반으로 절대좌표계에 사상하는 단계;
    상기 제어부가 상기 절대좌표계에 사상된 송전선로의 각 지점에서 코로나 방전의 일관성을 계산하는 단계; 및
    상기 제어부가 코로나 방전의 일관성을 기반으로 상기 송전설비를 진단하여 출력하는 단계;를 포함하되,
    상기 송전설비를 진단할 때, 상기 제어부가 코로나 방전의 일관성 수치를 기반으로 송전설비에서 결함이 발생한 위치인 결함위치를 특정하되, 상기 결함 위치는 무인항공기의 점검 시작점(wp1)에 대응하는 송전선로 시작점(p1)으로부터 상기 결함 위치까지의 거리(xfault) 및 상기 송전선로 시작점(p1)과 상기 결함 위치 간의 고도차(vfault)로 특정되며,
    상기 송전선로 시작점(p1)으로부터 상기 결함 위치까지의 거리(xfault)는, 송전선로가 포함된 TL 평면에서의 사다리꼴, 상기 결함 위치에 대응하는 무인항공기의 위치(P)와 상기 점검 시작점(wp1) 사이의 거리(ℓfault), 상기 송전선로 시작점(p1)과 송전선로의 끝점(p2) 사이의 수평거리(xp1p2), 및 상기 무인항공기의 점검 시작점(wp1)과 점검 종료점(wp2) 사이의 거리(L)에 근거하여 산출되고,
    상기 고도차(vfault)는 상기 거리(ℓfault), 상기 송전선로 시작점(p1)과 송전선로 끝점(p2) 사이의 고도차(p2z - p1z), 이도(S),및 상기 점검 시작점(wp1)과 점검 종료점(wp2) 사이의 거리(L)에 근거하여 산출되며,
    상기 사다리꼴은 상기 무인항공기의 점검 시작점(wp1), 무인항공기의 점검 종료점(wp2), 송전선로의 시작점(p1), 및 송전선로의 끝점(p2)으로 이루어진 것을 특징으로 하는 무인항공기를 이용한 송전설비의 진단방법.
  8. 제 7항에 있어서, 상기 촬영영상은, 상기 송전설비에서 방전되는 코로나 방전의 UC-C 대역의 자외선을 촬영한 코로나 촬영영상과, 상기 송전설비를 촬영한 광학 촬영영상을 포함하는 것을 특징으로 하는 무인항공기를 이용한 송전설비의 진단방법.
  9. 제 7항에 있어서, 상기 촬영영상을 수집하는 단계는, 상기 제어부가 상기 무인항공기를 제어하여 송전선로의 이도에 따라 짐벌을 이용해 촬영각도를 제어하거나, 수평을 유지하면서 고도를 조절하여 상기 촬영부로부터 상기 촬영영상을 수집하는 것을 특징으로 하는 무인항공기를 이용한 송전설비의 진단방법.
  10. 제 7항에 있어서, 상기 절대좌표계에 사상하는 단계는,
    상기 제어부가 상기 촬영영상으로부터 코로나 방전과 관련없는 부분을 삭제하여 전처리하는 단계;
    상기 제어부가 전처리한 상기 촬영영상으로부터 코로나 방전의 세기를 분석하여 1차원 행렬로 차원을 축소하는 단계; 및
    상기 제어부가 차원이 축소된 코로나 방전의 세기를 시간-위치정보를 기반으로 상기 절대좌표계에 사상하는 단계를 포함하는 것을 특징으로 하는 무인항공기를 이용한 송전설비의 진단방법.
  11. 제 7항에 있어서, 상기 송전설비를 진단하는 단계는, 상기 제어부가 상기 촬영영상으로부터 심층학습 모델을 이용한 분류 알고리즘을 통해 상기 송전설비를 식별하여 분류하는 것을 특징으로 하는 무인항공기를 이용한 송전설비의 진단방법.
KR1020190079383A 2019-07-02 2019-07-02 무인항공기를 이용한 송전설비의 진단장치 및 그 방법 KR102310900B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020190079383A KR102310900B1 (ko) 2019-07-02 2019-07-02 무인항공기를 이용한 송전설비의 진단장치 및 그 방법
KR1020210130917A KR20210122764A (ko) 2019-07-02 2021-10-01 무인항공기를 이용한 송전설비의 진단방법
KR1020210130918A KR20210123267A (ko) 2019-07-02 2021-10-01 무인항공기를 이용한 송전설비의 진단방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190079383A KR102310900B1 (ko) 2019-07-02 2019-07-02 무인항공기를 이용한 송전설비의 진단장치 및 그 방법

Related Child Applications (2)

Application Number Title Priority Date Filing Date
KR1020210130918A Division KR20210123267A (ko) 2019-07-02 2021-10-01 무인항공기를 이용한 송전설비의 진단방법
KR1020210130917A Division KR20210122764A (ko) 2019-07-02 2021-10-01 무인항공기를 이용한 송전설비의 진단방법

Publications (2)

Publication Number Publication Date
KR20210003518A KR20210003518A (ko) 2021-01-12
KR102310900B1 true KR102310900B1 (ko) 2021-10-12

Family

ID=74129356

Family Applications (3)

Application Number Title Priority Date Filing Date
KR1020190079383A KR102310900B1 (ko) 2019-07-02 2019-07-02 무인항공기를 이용한 송전설비의 진단장치 및 그 방법
KR1020210130917A KR20210122764A (ko) 2019-07-02 2021-10-01 무인항공기를 이용한 송전설비의 진단방법
KR1020210130918A KR20210123267A (ko) 2019-07-02 2021-10-01 무인항공기를 이용한 송전설비의 진단방법

Family Applications After (2)

Application Number Title Priority Date Filing Date
KR1020210130917A KR20210122764A (ko) 2019-07-02 2021-10-01 무인항공기를 이용한 송전설비의 진단방법
KR1020210130918A KR20210123267A (ko) 2019-07-02 2021-10-01 무인항공기를 이용한 송전설비의 진단방법

Country Status (1)

Country Link
KR (3) KR102310900B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114785956B (zh) * 2022-05-24 2024-06-14 云南电网有限责任公司红河供电局 一种输电线路停电检修作业全景勘察装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008232725A (ja) * 2007-03-19 2008-10-02 Toshiba Corp 電気設備の絶縁異常診断方法および絶縁異常診断装置
KR101769718B1 (ko) * 2016-09-21 2017-08-18 한국전력공사 송전선로 전자계 및 순시 점검 영상 취득 장치 및 방법
US20170318236A1 (en) * 2016-04-27 2017-11-02 U.S.A., as represented by the Administrator of the National Aeronautics and Space Administration Image-Based Localization of Ultraviolet Corona

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101994216B1 (ko) * 2009-06-07 2019-06-28 엘지전자 주식회사 비디오 신호의 디코딩 방법 및 장치
KR102051670B1 (ko) * 2017-12-19 2019-12-04 한국전력공사 전력설비 기자재 불량 검출 장치, 시스템 및 방법이 기록된 컴퓨터 판독가능 기록 매체

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008232725A (ja) * 2007-03-19 2008-10-02 Toshiba Corp 電気設備の絶縁異常診断方法および絶縁異常診断装置
US20170318236A1 (en) * 2016-04-27 2017-11-02 U.S.A., as represented by the Administrator of the National Aeronautics and Space Administration Image-Based Localization of Ultraviolet Corona
KR101769718B1 (ko) * 2016-09-21 2017-08-18 한국전력공사 송전선로 전자계 및 순시 점검 영상 취득 장치 및 방법

Also Published As

Publication number Publication date
KR20210122764A (ko) 2021-10-12
KR20210123267A (ko) 2021-10-13
KR20210003518A (ko) 2021-01-12

Similar Documents

Publication Publication Date Title
CN113744270B (zh) 起重机复杂钢结构表面缺陷的无人机视觉检测与识别方法
CN107392247B (zh) 一种电力线下方地物安全距离实时检测方法
Zhang et al. A recognition technology of transmission lines conductor break and surface damage based on aerial image
CN113221682B (zh) 基于计算机视觉的桥梁车辆荷载时空分布细粒度识别方法
CN114255405A (zh) 一种隐患目标识别方法与装置
US20050238220A1 (en) Method and device for inspecting linear infrastructures
KR101874968B1 (ko) 이미지 정보 기반의 시정거리 측정 시스템 및 이를 이용한 시정거리 측정 방법
KR102310900B1 (ko) 무인항공기를 이용한 송전설비의 진단장치 및 그 방법
Lee et al. A new image-quality evaluating and enhancing methodology for bridge inspection using an unmanned aerial vehicle
CN112639803B (zh) 用于识别设施处的物体的方法和组件
CN114037953A (zh) 边坡安全监测方法、装置、计算机设备及存储介质
KR101542134B1 (ko) 스마트 카메라모듈을 통한 열차선로 상의 낙석·사람으로 이루어진 관심 객체 실시간 감시 장치 및 방법
CN111553500B (zh) 基于注意力机制全卷积网络的铁路交通接触网巡检方法
KR101886510B1 (ko) 케이블 교량의 장력 측정 시스템 및 케이블 교량의 장력 측정 방법
KR102514703B1 (ko) 복수 개의 카메라를 이용하여 구조물의 손상 영역을 촬영하는 무인 비행 장치 및 이를 이용한 구조물 손상 검사 장치
CN112585484B (zh) 用于识别具有运行设备的设施的电晕放电的方法和组件
CN106934356B (zh) 基于热成像的公交站台夜晚客流统计方法及系统
KR102210571B1 (ko) Gps 좌표와 이동통신시스템을 이용한 교량과 터널의 안전진단 원격감시 경보방법
KR101850617B1 (ko) 케이블 교량의 처짐 모니터링 시스템 및 케이블 교량의 처짐 모니터링 방법
CN111785094B (zh) 平流雾检测方法、装置、计算机设备和可读存储介质
Komar et al. Performance of UV and IR sensors for inspections of power equipment
Huang et al. Impact of camera vibration frequencies on image noise for unmanned aerial system applications
CN117897737A (zh) 一种无人机监控方法、装置、无人机及监控设备
CN110930447A (zh) 基于Android的无人值守雪深测量方法
JP7502974B2 (ja) 点検システム及び解析装置

Legal Events

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