KR102357611B1 - 전기 화재의 안전 등급을 평가하는 시스템 - Google Patents

전기 화재의 안전 등급을 평가하는 시스템 Download PDF

Info

Publication number
KR102357611B1
KR102357611B1 KR1020210109329A KR20210109329A KR102357611B1 KR 102357611 B1 KR102357611 B1 KR 102357611B1 KR 1020210109329 A KR1020210109329 A KR 1020210109329A KR 20210109329 A KR20210109329 A KR 20210109329A KR 102357611 B1 KR102357611 B1 KR 102357611B1
Authority
KR
South Korea
Prior art keywords
electrical
weighted value
fire
data
electrical data
Prior art date
Application number
KR1020210109329A
Other languages
English (en)
Inventor
김명희
Original Assignee
(주)교림소프트
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 (주)교림소프트 filed Critical (주)교림소프트
Priority to KR1020210109329A priority Critical patent/KR102357611B1/ko
Application granted granted Critical
Publication of KR102357611B1 publication Critical patent/KR102357611B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Alarm Systems (AREA)

Abstract

본 발명은 전기 사용 특성에 관한 테이터를 분류하고 모델링하는 전기 데이터 처리부; 상기 전기 데이터 처리부에서 분류된 데이터를 기초로 전기 화재 안전 등급을 분류하거나, 상기 전기 데이터 처리부에서 모델링된 데이터를 기초로 전기 화재 발생 가능성 여부를 분석하는 전기 데이터 분석부; 및 상기 전기 데이터 분석부에서 분류된 상기 전기 화재 안전 등급이나, 분석된 상기 전기 화재 발생 가능성 여부를 외부로 알리는 전기 데이터 알림부를 포함하는 전기 화재의 안전 등급을 평가하는 시스템을 제공한다.

Description

전기 화재의 안전 등급을 평가하는 시스템{SYSTEM FOR EVALUATING SAFETY RATINGS IN ELECTRICAL FIRES}
본 발명은 전기 화재의 안전 등급을 평가하는 시스템에 관한 것이다.
도시가 발전됨에 따라 국내뿐만 아니라 전세계적으로 건물은, 초고층과 대형화되고 있다. 최근에는 다양한 용도의 상업시설이 예컨대, 마트, 식당, 극장, 헬스장, 편의점 등이 공존하는 멀티플렉스(multiplex)도 도시에 준공되고 있다.
그리고 이러한 건물에 화재가 발생할 경우, 인명 및 재산 피해는 걷잡을 수 없을 정도로 커질 수밖에 없다.
따라서 초고층화, 대형화, 멀티플렉스화 되고 있는 건물에 대한 화재를 예측하고 및 화재 발생시 화재를 빠르게 진압하여 건물의 피해를 최소화하는 소방 시스템이 매우 중요하다.
그런데 최근의 건물에는 화재를 탐지하고, 화재 감지시 경보를 통해 거주자를 실외로 안전하여 유도하며, 화재를 진압할 수 있는 소방 설비가 구비되고 있다.
이러한 소방 설비는 화재 발생시 사후적으로 화재에 대응하는 것이고, 화재의 발생을 미리 예측하지는 못한다는 단점이 있다.
한편, 전기에 의해 발생하는 화재 안전 등급 기준은 아크 빈도, 아크 크기, 아크 시간, 부하전류 빈도, 부하전류 크기, 부하전류 시간, 누설전류 빈도, 누설전류 크기, 누설전류 시간을 각각 점수화하여 산술평균(arithmetic mean)으로 하고, 이를 A(우수), B(안전), C(주의), D(경고), E(위험) 등급화 하고 있다.
그런데, 2020년 발생한 전기 화재의 주요원인을 살펴보면 아크(arc)가 약 80%를 차지하고, 부하전류가 약 10%를 차지하고, 누설전류가 약 10%를 차지한다.
즉, 현재의 전기에 의해 발생하는 화재 안전 등급 기준의 계산은 중요도가 낮은 부하전류와 누설전류에 의해 아크의 위험성이 낮게 나타날 수 있는 것이다.
구체적으로 아크의 불꽃은500℃ 이상의 발열을 나타내어 전기 화재 원인의80% 이상을 차지하고 있음에도 불구하고 아크의 중요도를 화재 안전 등급 기준에 적절히 반영을 못하고 있는 문제점이 있다.
따라서, 보다 현실적이고 유연적으로 화재 위험요소인 중요도를 화재 안전 등급 기준에 반영할 필요가 있다.
또한 기존의 전기에 의해 발생하는 화재 안전 등급 기준에서는, 한 시간당 한번의 아크 발생과 다수번의 아크 발생은 엄연한 차이가 있음에도 불구하고 동일하게 시간당 아크 발생 여부를 1과 0으로 표기하는 문제점이 있다.
이러한 전기에 의해 발생하는 화재 안전 등급 기준에 의해 관제 센터는 건물이 안전함에도 불구하고 지속적으로 위험 단계의 수치로 표시되어, 건물의 불안을 조장하고, 119의 불필요한 출동을 야기하는 문제점도 있다.
본 발명은 문제점을 해결하기 위해 창출된 것으로, 전기에 의해 발생하는 화재 안전 등급 기준에 아크의 중요도를 반영할 수 있는 전기 화재의 안전 등급을 평가하는 시스템의 제공을 목적으로 한다.
본 발명의 전기 화재의 안전 등급을 평가하는 시스템은, 전기 사용 특성에 관한 테이터를 분류하고 모델링하는 전기 데이터 처리부; 상기 전기 데이터 처리부에서 분류된 데이터를 기초로 전기 화재 안전 등급을 분류하거나, 상기 전기 데이터 처리부에서 모델링된 데이터를 기초로 전기 화재 발생 가능성 여부를 분석하는 전기 데이터 분석부; 및 상기 전기 데이터 분석부에서 분류된 상기 전기 화재 안전 등급이나, 분석된 상기 전기 화재 발생 가능성 여부를 외부로 알리는 전기 데이터 알림부를 포함한다.
상기 전기 데이터 분석부에서 상기 전기 화재 등급의 분류는 전기 화재의 원인인 아크, 부하 전류 및 누설 전류에 각각 가중 수치를 달리하여 분류하는 것을 특징으로 할 수 있다.
상기 전기 데이터 분석부에서 상기 전기 화재 원인의 가중 수치를 빈도, 크기 및 시간으로 도출하는 것을 특징으로 할 수 있다.
본 발명의 전기 화재의 안전 등급을 평가하는 시스템은, 업종, 전기 설비의 노후 정도, 영업 시간, 화재 이력에 관한 고객 정보와, 고객이 사용하는 전기 사용 총량, 전기 사용 피크 시간 관한 전기 특성 정보를 활용하여, 전기 화재의 원인인 아크, 부하 전류 및 누설 전류에 가중 수치를 달리하여 전기 화재 안전 등급을 분리하여, 보다 정확한 전기 화재 안전 등급을 설정할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 전기 화재의 안전 등급을 평가하는 시스템의 개념도이고,
도 2는 도 1의 전기 화재의 안전 등급을 평가하는 시스템의 블록도이고,
도 3은 도 2의 전기 화재의 안전 등급을 평가하는 시스템의 전기 데이터 처리부를 설명하기 위한 블록도이고,
도 4는 도 3의 전기 데이터 처리부의 데이터 모델링부에서 모델링한 패턴 모델을 설명하기 위한 도면이고,
도 5는 도 2의 전기 화재의 안전 등급을 평가하는 시스템의 전기 데이터 분석부를 설명하니 위한 블록도이다.
이하, 본 발명의 일부 실시 예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다.
그리고 본 발명의 실시 예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시 예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.
또한, 본 발명의 실시 예의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다.
본 발명의 실시 예를 설명함에 있어서, 각각의 "부", "모듈" 또는 "단계"는 프로세서 및 메모리를 통해 구현될 수 있다. 프로세서는 범용 프로세서, 중앙 처리 장치(CPU), 음파 측정 센서로프로세서, 디지털 신호 프로세서(DSP), 제어기, 음파 측정 센서로제어기, 상태 머신, 및 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서는, 프로세서는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. 프로세서는, 예를 들어, DSP 와 음파 측정 센서로프로세서의 조합, 복수의 음파 측정 센서로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 음파 측정 센서로프로세서들의 조합 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다.
또한, 메모리는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. 메모리는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램 가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들, 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불리며, 각각의 "부", "모듈" 또는 "단계"는 전자 통신 상태에 있는 프로세서와 메모리에 기반한 프로그램 내지 어플리케이션을 통해 구현될 수 있다.
통신망은 유무선 통신망으로 LAN(local area network), WLAN(wireless LAN), Wibro(wireless broadband), Wimax(world interoperability for microwave access), HSDPA(high speed downlink packetaccess) 및 그 밖의 다양한 통신규격 중 적어도 하나를 이용할 수 있다. 또한 통신망은 이동 통신망일 수 있으며, 동기식 이동 통신망일 수도 있고, 비동기식 이동 통신망일 수도 있다. 상기 비동기식 이동 통신망의 실시예로서, WCDMA(Wideband Code Division Multiple Access) 방식의 통신망을 들 수 있다. 이 경우 도면에 도시되진 않았지만, 상기 이동 통신망은 예컨대, RNC(Radio Network Controller) 등을 포함할 수 있다. 한편, 상기WCDMA망을 일 예로 들었지만, 3GLTE망, 4G망, 5G망 등 차세대 통신망, 그 밖의 WI-FI, Bluetooth, zigbee등 저전력 통신망과 유/무선 IP 망일 수 있다.
이하에서는 도면을 참조하여 본 발명의 실시 예에 따른 전기 화재의 안전 등급을 평가하는 시스템(100)을 상세히 설명한다.
도 1은 본 발명의 일 실시 예에 따른 전기 화재의 안전 등급을 평가하는 시스템의 개념도이고, 도 2는 도 1의 전기 화재의 안전 등급을 평가하는 시스템의 블록도이고, 도 3은 도 2의 전기 화재의 안전 등급을 평가하는 시스템의 전기 데이터 처리부를 설명하기 위한 블록도이고, 도 4는 도 3의 전기 데이터 처리부의 데이터 모델링부에서 모델링한 패턴 모델을 설명하기 위한 도면이고, 도 5는 도 2의 전기 화재의 안전 등급을 평가하는 시스템의 전기 데이터 분석부를 설명하니 위한 블록도이다.
도 1 내지 도 5를 참조하면, 상기 전기 화재의 안전 등급을 평가하는 시스템(100)은 전기 데이터 처리부(110)와, 전기 데이터 분석부(120)와, 전기 데이터 알림부(130)를 포함한다.
상기 전기 데이터 처리부(110)는 고객의 사용자 단말(10)로부터 전기 사용 특성에 관한 데이터를 전송받아, 분류하고, 모델링할 수 있다.
여기서 사용자 단말(10)는 고객의 건물이나, 영업소의 전기 설비나 송전 설비, 사회 기반 시설의 전기 설비에 설치된 센서 또는 단말기일 수 있다.
구체적으로 상기 전기 데이터 처리부(110)는 데이터 수집부(111), 데이터 분류부(112) 및 데이터 모델링부(113)를 포함할 수 있다.
상기 데이터 수집부(111)는 고객의 단말과 통신으로 연결되어 고객으로부터 전기 데이터를 수집할 수 있다.
상기 전기 데이터는 업종, 전기 설비의 노후 정도, 영업 시간, 화재 이력에 관한 고객 정보(customer information)와, 고객이 사용하는 전기 사용 총량, 전기 사용 피크 시간 관한 전기 특성 정보(Electrical Characteristics Information)를 포함할 수 있다.
상기 데이터 분류부(112)는 상기 데이터 수집부(111)와 연결된다.
상기 데이터 분류부(112)는 상기 데이터 수집부(111)로부터 전달받은 상기 전기 데이터를 분류할 수 있다.
상기 데이터 분류부(112)는 상기 데이터 수집부(111)로부터 전달받은 상기 고객 정보(customer information)와, 상기 전기 특성 정보(Electrical Characteristics Information)를 분류할 수 있다.
구체적으로 상기 데이터 분류부(112)는 각 고객별로, 업종 및 전기 설비의 노후 정도로 1차로 분류하고, 영업 시간 및 전기 사용 피크 시간으로 2차로 분류하여 상기 전기 데이터를 그룹화할 수 있다.
상기 데이터 모델링부(113)는 상기 데이터 분류부(112)와 연결되며, 상기 데이터 분류부(112)로부터 상기 그룹화된 전기 데이터(grouped electrical Data, geD)를 전달받을 수 있다.
상기 데이터 모델링부(113)는 상기 그룹화된 전기 데이터(geD)를 기초로 고객별로 딥러닝 또는 머신러닝을 통해 용량 저감형 모델링을 생성할 수 있다.
구체적으로 상기 데이터 모델링부(113)는 상기 그룹화된 전기 데이터(geD) 각각에 대해 전기 패턴(electric pattern)을 볼수 있을 패턴 모델(pattern model)을 생성할 수 있다. 여기서 전기 패턴(electric pattern)은, 아크 패턴, 부하 전류 패턴, 누설 전류 패턴 중 어느 하나 이상일 수 있다.
그리고 상기 데이터 모델링부(113)는 상기 그룹화된 전기 데이터(geD)와, 상기 패턴 모델(pattern model)에 관한 패턴 모델 데이터(pattern model Data, pmD)를 제1메모리(M1)에 저장할 수 있다.
상기 그룹화된 전기 데이터(geD)는 상기 제1메모리(M1)에 일시적으로 저장된고, 상기 패턴 모델 데이터(pattern model Data, pmD)는 그 용량이 작기 때문에 상기 제1메모리(M1)리 관리는 효률적으로 이루어질 수 있다.
상기 전기 데이터 분석부(120)와 전기 데이터 처리부(110)와 연결된다.
상기 전기 데이터 분석부(120)는 상기 상기 그룹화된 전기 데이터(geD)를 기초로, 분석 대상이 되는 전기 데이터(eDa)(electrical Data for analysis. eDa)의 전기 화재 안전 등급을 분류하거나, 상기 패턴 모델에 관한 데이터(pmD) 기초로 분석 대상이 되는 전기 데이터(eDa)의 전기 화재 발생 가능성 여부를 분석할 수 있다.
상기 전기 데이터 분석부(120)는 전기 데이터 통계 분석부(121)와, 전기 데이터 추론부(122)와, 전기 화재 원인의 점수 계산부(123)와, 전기 화재 안전 등급 분류부(124)를 포함할 수 있다.
상기 전기 데이터 통계 분석부(121)는 상기 제1메모리(M1)와 연결된다.
상기 전기 데이터 통계 분석부(121)는 상기 제1메모리(M1)의 상기 그룹화된 전기 데이터(geD)를 기초로 확률밀도함수(PDF)를 도출하여, 도출된 확률밀도함수(PDF)에 기반한 각 전기 화재 원인의 수정 가중 수치(cw)를 분석할 수 있다.
상기 전기 데이터 통계 분석부(121)는 전기 화재 원인인된 아크의 빈도수, 크기, 시간과, 부하 전류의 빈도수, 크기, 시간과, 누설 전류의 주파스, 크기 시간에 관한 테이터를 기초로 확률밀도함수를 도출할 수 있다(도 4 참조).
예컨대, 화재의 원인이 아크인 경우, 화재의 원인된 아크의 빈도수, 크기, 시간에 관한 데이터로 확률밀도함수(PDF)를 도출할 수 있다.
상기 전기 데이터 추론부(122)는 상기 제1메모리(M1)와 연결된다.
상기 전기 데이터 추론부(122)는 상기 제1메모리(M1)의 상기 패턴 모델에 관한 데이터(pmD)에서 화재의 원인이된 전기 패턴과, 분석 대상이 되는 전기 데이터(eDa)의 전기 패턴을 분석할 수 있다.
상기 전기 데이터 추론부(122)에서 분석 대상이 되는 전기 데이터(eDa)의 전기 패턴과, 상기 패턴 모델에 관한 데이터(pmD)에서 화재의 원인이된 전기 패턴이 설정된 범위 내에서 있으면, 상기 전기 데이터 추론부(122)는 상기 전기 데이터 알림부(130)에 화재 알림 정보를 보낼 수 있다.
상기 전기 데이터 추론부(122)에서 분석 대상이 되는 전기 데이터(eDa)의 전기 패턴과, 상기 패턴 모델에 관한 데이터(pmD)에서 화재의 원인이된 전기 패턴이 설정된 범위 내에서 벗어나면, 상기 전기 화재 원인의 점수 계산부(123)에서는 전기 화재 원인를 점수화 할 수 있다.
상기 전기 화재 원인의 점수 계산부(123)는 분석 대상이 되는 전기 데이터(eDa)의 화재 발생 점수(CESS)를 하기의 수학식 1에 의해 계산될 수 있다.
Figure 112021095532247-pat00001
여기서, Af는 아크의 빈도수의 가중 수치이고, As 아크의 크기의 가중 수치이고, At는 아크의 시간의 가중 수치이다.
Of는 부하 전류의 빈도수의 가중 수치이고, Os는 부하 전류의 크기의 가중 수치이고, Ot는 부하 전류의 시간의 가중 수치이다.
Lf는 누설 전류의 빈도수의 가중 수치이고, Ls는 누설 전류의 크기의 가중 수치이고, Lt는 누설 전류의 시간의 가중 수치이고,
gw_는 각 화재 원인에 대한 기준 가중 수치와 cw_는 각 화재 원인에 대한 고객에 따른 수정 가중 수치이다.
따라서, gw_A는 아크에 대한 기준 가중 수치이고, cw_Af는 아크의 빈도수의 가중 수치를 고객에 따라 수정한 수정 가중 수치이고, cw_As는 아크의 크기의 가중 수치를 고객에 따라 수정한 수정 가중 수치이고, cw_At는 아크의 시간의 가중 수치를 고객에 따라 수정한 수정 가중 수치이다.
gw_O는 부하 전류에 대한 기준 가중 수치이고, cw_Of는 부하 전류의 빈도수의 가중 수치를 고객에 따라 수정한 수정 가중 수치이고, cw_Os는 부하 전류의 크기의 가중 수치를 고객에 따라 수정한 수정 가중 수치이고, cw_Ot는 부하 전류의 시간의 가중 수치를 고객에 따라 수정한 수정 가중 수치이다.
gw_L는 누설 전류에 대한 기준 가중 수치이고, cw_Lf는 누설 전류의 빈도수의 가중 수치를 고객에 따라 수정한 수정 가중 수치이고, cw_Ls는 누설 전류의 크기의 가중 수치를 고객에 따라 수정한 수정 가중 수치이고, cw_Lt는 누설 전류의 시간의 가중 수치를 고객에 따라 수정한 수정 가중 수치이다.
f_corrfp는 화재 원인들의 동시 발생에 대한 패널티 수치로 아크, 부하 전류, 누설 전류가 같은 시간대에 발생시 발생되는지 여부에 따라 수치를 달리한다.
구체적으로 f_corrfp의 크기 순서는 아래의 수학식 2과 같다.
Figure 112021095532247-pat00002
f_gradsp_는 화재 원인인 아크, 부하 전류 및 누설 전류의 그래프 기울기(gradient)가 설정된 수치 이상으로 급상을 할 때 상승에 대한 패널치 수치이다.
f_conttp_는 화재 원인인 아크, 부하 전류 및 누설 전류가 연속적(continuously) 발생에 대한 패널티 수치이다.
상기 전기 화재 안전 등급 분류부(124)는 상기 전기 화재 원인의 점수 계산부(123)와 연결된다.
상기 전기 화재 안전 등급 분류부(124)는 상기 전기 화재 원인의 점수 계산부(123)에서 전달받은 화재 발생 점수를 기초로 전기 화재 안전 등급을 분류할 수 있다.
구체적으로 상기 전기 화재 안전 등급 분류부(124)는 상기 전기 화재 원인의 점수 계산부(123)에서 전달받은 화재 발생 점수에 따라 우수, 양호, 주의, 경고, 위험으로 분류할 수 있고, 분류된 전기 화재 안전 등급에 관한 정보는 상기 전기 데이터 알림부(130)로 전달된다.
이상에서, 본 발명의 실시 예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다.
또한, 이상에서 기재된 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
그리고 이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 전기 화재의 안전 등급을 평가하는 시스템
110: 전기 데이터 처리부
111: 데이터 수집부
112: 데이터 분류부
113: 데이터 모델링부
120: 전기 데이터 분석부
121: 전기 데이터 통계 분석부
122: 전기 데이터 추론부
123: 전기 화재 원인의 점수 계산부
124: 전기 화재 안전 등급 분류부
130: 전기 데이터 알림부

Claims (3)

  1. 전기 사용 특성에 관한 전기 테이터를 분류하고 모델링하는 전기 데이터 처리부;
    상기 전기 데이터 처리부에서 분류된 상기 전기 데이터를 기초로 전기 화재 안전 등급을 분류하거나, 상기 전기 데이터 처리부에서 모델링된 데이터를 기초로 전기 화재 발생 가능성 여부를 분석하는 전기 데이터 분석부; 및
    상기 전기 데이터 분석부에서 분류된 상기 전기 화재 안전 등급이나, 분석된 상기 전기 화재 발생 가능성 여부를 외부로 알리는 전기 데이터 알림부를 포함하고,
    상기 전기 데이터 처리부는,
    각 고객별로 상기 전기 데이터를 그룹화 하여, 그룹화된 상기 전기 데이터 각각에 대해, 아크 패턴, 부하 전류 패턴, 누설 전류 패턴 중 어느 하나 이상인 전기 패턴을 볼 수 있는 패턴 모델 데이터를 생성하는 데이터 모델링부를 포함하고,
    상기 전기 데이터 분석부는,
    그룹화된 상기 전기 데이터를 기초로 확률밀도함수를 도출하여, 상기 확률밀도함수에 기반하여 전기 화재 원인의 수정 가중 수치를 분석하는 전기 데이터 통계 분석부와,
    상기 패턴 모델 데이터에서 전기 화재의 원인이 된 전기 패턴과, 분석 대상이 되는 전기 데이터의 전기 패턴을 분석하는 전기 데이터 추론부와,
    상기 전기 데이터 통계 분석부와 연결되며, 화재 발생 점수를 계산하는 전기 화재 원인의 점수 계산부와,
    상기 전기 화재 원인의 점수 계산부에서 전달받은 화재 발생 점수를 기초로 상기 전기 화재 안전 등급을 분류하는 전기 화재 안전 등급 분류부를 포함하고,
    상기 전기 데이터 추론부에서 상기 분석 대상이 되는 전기 데이터의 전기 패턴이 상기 패턴 모델 데이터에서 전기 화재의 원인이된 전기 패턴의 설정된 범위 내에서 있으면, 상기 전기 데이터 추론부는 상기 전기 데이터 알림부에 화재 알림 정보를 보내고,
    상기 전기 데이터 추론부에서 상기 분석 대상이 되는 전기 데이터의 전기 패턴이 상기 패턴 모델 데이터에서 화재의 원인이 된 전기 패턴의 설정된 범위 내에서 벗어나면, 상기 전기 화재 원인의 점수 계산부에서는 상기 화재 발생 점수를 아래의 수학식 1에 의해 계산하는 것을 특징으로 하는 전기 화재의 안전 등급을 평가하는 시스템.
    Figure 112022500234765-pat00008
    ---수학식 1
    여기서, Af는 아크의 빈도수의 가중 수치이고, As 아크의 크기의 가중 수치이고, At는 아크의 시간의 가중 수치이고, Of는 부하 전류의 빈도수의 가중 수치이고, Os는 부하 전류의 크기의 가중 수치이고, Ot는 부하 전류의 시간의 가중 수치이고, Lf는 누설 전류의 빈도수의 가중 수치이고, Ls는 누설 전류의 크기의 가중 수치이고, Lt는 누설 전류의 시간의 가중 수치이고,
    gw_A는 아크에 대한 기준 가중 수치이고, cw_Af는 아크의 빈도수의 가중 수치를 고객에 따라 수정한 수정 가중 수치이고, cw_As는 아크의 크기의 가중 수치를 고객에 따라 수정한 수정 가중 수치이고, cw_At는 아크의 시간의 가중 수치를 고객에 따라 수정한 수정 가중 수치이고,
    gw_O는 부하 전류에 대한 기준 가중 수치이고, cw_Of는 부하 전류의 빈도수의 가중 수치를 고객에 따라 수정한 수정 가중 수치이고, cw_Os는 부하 전류의 크기의 가중 수치를 고객에 따라 수정한 수정 가중 수치이고, cw_Ot는 부하 전류의 시간의 가중 수치를 고객에 따라 수정한 수정 가중 수치이고,
    gw_L는 누설 전류에 대한 기준 가중 수치이고, cw_Lf는 누설 전류의 빈도수의 가중 수치를 고객에 따라 수정한 수정 가중 수치이고, cw_Ls는 누설 전류의 크기의 가중 수치를 고객에 따라 수정한 수정 가중 수치이고, cw_Lt는 누설 전류의 시간의 가중 수치를 고객에 따라 수정한 수정 가중 수치이고,
    f_corrfp는 전기 화재 원인들의 동시 발생에 대한 패널티 수치로 아크, 부하 전류, 누설 전류가 같은 시간대에 발생시 발생되는지 여부에 따라 수치를 달리하고,
    f_corrfp의 크기 순서는 아래의 수학식 2과 같고,
    Figure 112022500234765-pat00009
    ---수학식 2
    f_gradsp_는 전기 화재 원인인 아크(A), 부하 전류(O) 및 누설 전류(L)의 그래프 기울기(gradient)가 설정된 수치 이상으로 상승을 할 때 상승에 대한 패널치 수치이고,
    f_conttp_는 전기 화재 원인인 아크(A), 부하 전류(O) 및 누설 전류(L)가 연속적(continuously) 발생한 것에 대한 패널티 수치임.
  2. 삭제
  3. 삭제
KR1020210109329A 2021-08-19 2021-08-19 전기 화재의 안전 등급을 평가하는 시스템 KR102357611B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210109329A KR102357611B1 (ko) 2021-08-19 2021-08-19 전기 화재의 안전 등급을 평가하는 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210109329A KR102357611B1 (ko) 2021-08-19 2021-08-19 전기 화재의 안전 등급을 평가하는 시스템

Publications (1)

Publication Number Publication Date
KR102357611B1 true KR102357611B1 (ko) 2022-02-08

Family

ID=80251529

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210109329A KR102357611B1 (ko) 2021-08-19 2021-08-19 전기 화재의 안전 등급을 평가하는 시스템

Country Status (1)

Country Link
KR (1) KR102357611B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117172369A (zh) * 2023-09-04 2023-12-05 北京太平机电设备安装有限责任公司 一种电气火灾预测方法、系统、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190108377A (ko) * 2018-03-14 2019-09-24 한국전자통신연구원 전기 안전 상황 감지 방법
KR20210000510A (ko) * 2019-06-25 2021-01-05 주식회사 업데이터 전기 화재 예측 장치, 방법 및 그 방법을 이용한 기록 매체

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190108377A (ko) * 2018-03-14 2019-09-24 한국전자통신연구원 전기 안전 상황 감지 방법
KR20210000510A (ko) * 2019-06-25 2021-01-05 주식회사 업데이터 전기 화재 예측 장치, 방법 및 그 방법을 이용한 기록 매체

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117172369A (zh) * 2023-09-04 2023-12-05 北京太平机电设备安装有限责任公司 一种电气火灾预测方法、系统、设备及存储介质
CN117172369B (zh) * 2023-09-04 2024-04-23 北京太平机电设备安装有限责任公司 一种电气火灾预测方法、系统、设备及存储介质

Similar Documents

Publication Publication Date Title
Poudel et al. Risk-based probabilistic quantification of power distribution system operational resilience
US8200372B2 (en) Methods and processes for managing distributed resources in electricity power generation and distribution networks
US11143685B2 (en) System and method for anomaly detection in an electrical network
Aminifar et al. A review of power system protection and asset management with machine learning techniques
US10422833B2 (en) Systems and methods for classifying power line events
BR102018003806A2 (pt) sistemas e método computadorizado para proteger uma rede de energia elétrica e mídia legível por computador não transitória
CN113448763B (zh) 全生命周期管理的可动态扩展分组告警服务方法
Zhang et al. Mitigating blackouts via smart relays: A machine learning approach
CN114821946B (zh) 变电站交流电源火灾预警方法、监控终端及系统
Hosseini et al. Quantifying impacts of automation on resilience of distribution systems
KR102357611B1 (ko) 전기 화재의 안전 등급을 평가하는 시스템
KR102475148B1 (ko) Ess 화재 예방 시스템 및 그 방법
CN108551166A (zh) 一种电网设备及断面超短期负荷预测、告警及稳控方法
CN107679744B (zh) 基于线路脆弱性指标的大电网战略通道动态辨识方法
KR102315580B1 (ko) 건물의 화재 예측 분석 장치 및 방법
Georgilakis et al. Optimal allocation of protection and control devices in smart distribution systems: Models, methods, and future research
Kezunovic et al. Off the beaten path: Resiliency and associated risk
Al-Kanj et al. A probability model for grid faults using incomplete information
Amini et al. Electrical energy systems resilience: A comprehensive review on definitions, challenges, enhancements and future proceedings
Chatterjee et al. Prediction of line contingency catastrophic failures using synchrophasor measurements
Žarković et al. Artificial intelligence based thermographic approach for high voltage substations risk assessment
CN114826388B (zh) 一种新型零插损型olp光线路保护切换监测方法及电子设备
Kizhakkedath et al. An agent-based modeling and evolutionary optimization approach for vulnerability analysis of critical infrastructure networks
Nangrani et al. Smart grid security assessment using intelligent technique based on novel chaotic performance index
Ippolito et al. Identification of Tagaki–Sugeno–Kang fuzzy model for power transformers' predictive overload system

Legal Events

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