KR102417800B1 - 전력 케이블 노후도 판단 장치 및 방법 - Google Patents

전력 케이블 노후도 판단 장치 및 방법 Download PDF

Info

Publication number
KR102417800B1
KR102417800B1 KR1020200086272A KR20200086272A KR102417800B1 KR 102417800 B1 KR102417800 B1 KR 102417800B1 KR 1020200086272 A KR1020200086272 A KR 1020200086272A KR 20200086272 A KR20200086272 A KR 20200086272A KR 102417800 B1 KR102417800 B1 KR 102417800B1
Authority
KR
South Korea
Prior art keywords
partial discharge
cable
value
data
aging
Prior art date
Application number
KR1020200086272A
Other languages
English (en)
Other versions
KR20220008101A (ko
Inventor
김진석
이성호
전홍대
박성철
정준영
공재준
Original Assignee
한전케이디엔주식회사
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 한전케이디엔주식회사 filed Critical 한전케이디엔주식회사
Priority to KR1020200086272A priority Critical patent/KR102417800B1/ko
Publication of KR20220008101A publication Critical patent/KR20220008101A/ko
Application granted granted Critical
Publication of KR102417800B1 publication Critical patent/KR102417800B1/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
    • G01R31/1227—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
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16528—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values using digital techniques or performing arithmetic operations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16566—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533
    • 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
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/083—Locating faults in cables, transmission lines, or networks according to type of conductors in cables, e.g. underground
    • 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
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/58—Testing of lines, cables or conductors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Abstract

실시예에 따르면, 배전선로의 지능형 전자장치로부터 부분 방전 데이터, 온도 데이터, 진동 데이터 및 부하 전류 데이터를 포함하는 센서 데이터를 취득하는 데이터 취득부; 상기 센서 데이터를 입력층으로 하여, 상기 센서 데이터와 배전선로 케이블의 부분 방전 발생 여부와의 상관관계를 학습하고, 부분 방전 발생 여부가 출력층이 되도록 학습된 제1뉴럴 네트워크를 포함하는 제1처리부; 부분 방전이 발생된 경우의 센서 데이터를 입력층으로 하여, 상기 센서 데이터와 부분 방전 유형과의 상관관계를 학습하고, 부분 방전 유형이 출력층이 되도록 학습된 제2뉴럴 네트워크를 포함하는 제2처리부 및 상기 제2처리부에서 출력된 부분 방전 유형에 따라 배전 선로 케이블의 노후도 및 위험도를 판단하는 연산부를 포함하는 전력 케이블 노후도 판단 장치를 제공한다.

Description

전력 케이블 노후도 판단 장치 및 방법{Apparatus and method for determining power cable aging}
본 발명의 일실시예는 전력 케이블 노후도 판단 장치 및 방법에 관한 것로, 보다 구체적으로는 배전 지능화 시스템에 적용될 수 있는 전력 케이블 노후도 으 판단 장치 및 방법에 관한 것이다.
일반적으로 전력수요의 증가와 더불어 전류 트랜스포머(CT: Current Transformer)를 이용한 변압기나 지중 케이블은 대용량화, 초고압화되고 있으며, 변전소는 무인화되고 있는 추세이다.
이와 같이 대용량화된 변압기나 지중 케이블에서 사고가 발생하면 그 파급효과가 광범위하고, 경제적 손실과 심리적 불안이 막대하게 되어, 변압기나 지중 케이블의 사고를 예방하기 위한 절연 진단의 필요성이 증가하고 있다.
최근 변압기, 지중 케이블의 신뢰성을 확보하여 안정적으로 전력을 공급하기 위해, 사고의 발단이 되는 내부 결함의 징후를 변압기나 지중 케이블의 운전 상태에서 상시로 측정하기 위한 상시 감시장치가 개발되고 있다.
이러한 상시 감시장치에서의 데이터를 지속적으로 저장하여 그 증가경향으로 내부 결함의 진전여부를 판단하고, 검출 데이터간의 상관관계로 결함의 유형을 판단하여, 결함에 의한 징후가 진전하여 위험할 경우에는 운전을 정지하고 대책을 강구하기 위한 예방진단시스템이 개발되고 있다.
변압기나 지중 케이블의 상시 감시에 적용되는 온라인 결함 검출 기술로는 변압기 절연유, 지중 OF 케이블의 접속함 내 가스분석 기술, 부분방전 측정기술, 온도 측정기술 등이 있다. 여기서, 변압기나 지중 케이블의 중대사고 요인인 내부절연 결함은 반드시 부분방전(Partial Discharge)을 수반하므로 부분방전과 변압기나 지중 케이블의 수명은 깊은 상관관계가 있다고 인정되어 왔다.
부분방전은 전력설비 내 절연이 파괴되어 발생하는 현상으로 화재 등 고장이 발생하기 전에 생기는 증조 현상이다. 기존의 부분방전 진단 방식의 경우 부분방전의 패턴 데이터와 펄스(Pulse) 신호의 형태 의 형태를 보고 부분방전의 발생 유무와 유형을 구분하였다. 이와같은 진단 방식은 실제 현장의 부분방전 패턴의 형태가 이론적인 모양과는 다른 형태로 발생되는 경우가 많고, 육안으로 노이즈 신호와 부분방전 신호를 구분 할 수 없어 진단 일치율이 매우 떨어진다는 문제가 잇다.
또한, 부분방전 진단 시 전문가가 육안으로 확인하여 판정하기 때문에, 대용량의 부분방전 데이터를 판정하는데는 한계가 있다.
본 발명이 이루고자 하는 기술적 과제는 딥러닝 모델을 이용하여 부분 방전 진단 및 유형 구분을 수행할 수 있는 전력 케이블 노후도 판단 장치 및 방법을 제공하는데 있다.
또한, 부분 방전 유형에 따라 배전 선로 케이블의 노후도와 위험도를 판단할 수 있는 전력 케이블 노후도 판단 장치 및 방법을 제공하는데 있다.
실시예에 따르면, 배전선로의 지능형 전자장치로부터 부분 방전 데이터, 온도 데이터, 진동 데이터 및 부하 전류 데이터를 포함하는 센서 데이터를 취득하는 데이터 취득부; 상기 센서 데이터를 입력층으로 하여, 상기 센서 데이터와 배전선로 케이블의 부분 방전 발생 여부와의 상관관계를 학습하고, 부분 방전 발생 여부가 출력층이 되도록 학습된 제1뉴럴 네트워크를 포함하는 제1처리부; 부분 방전이 발생된 경우의 센서 데이터를 입력층으로 하여, 상기 센서 데이터와 부분 방전 유형과의 상관관계를 학습하고, 부분 방전 유형이 출력층이 되도록 학습된 제2뉴럴 네트워크를 포함하는 제2처리부 및 상기 제2처리부에서 출력된 부분 방전 유형에 따라 배전 선로 케이블의 노후도 및 위험도를 판단하는 연산부를 포함하는 전력 케이블 노후도 판단 장치를 제공한다.
상기 부분 방전 유형은 보이드(Void) 유형, 전기적 트리(electrical tree) 유형, 코로나(corona) 유형 및 표면(Surface) 유형을 포함할 수 있다.
상기 연산부는 하기 수학식 1에 따라 배전 선로 케이블의 노후도를 판단할 수 있다.
Figure 112020072615579-pat00001
(수학식 1에서, C는 케이블의 노후도 값이고, PDd는 부분 방전 유형별 위험도 값이고, Cp는 배전 선로 케이블의 사용 기간이고, W는 센서값 가중치이고, T는 정규화 된 온도값이고, V는 정규화 된 진동값이고, I는 정규화 된 부하 전류값이다)
상기 연산부는 케이블의 노후도 값과 기 설정된 임계값을 비교하여 케이블의 위험도를 판단할 수 있다.
상기 연산부는 특정 케이블에 대하여 상기 노후도 값을 누적하여 상기 케이블의 위험도를 판단할 수 있다.
상기 임계값은 노후된 케이블의 이력 데이터 또는 실험을 통하여 산출될 수 있다.
실시예에 따르면, 데이터 취득부가 배전선로의 지능형 전자장치로부터 부분 방전 데이터, 온도 데이터, 진동 데이터 및 부하 전류 데이터를 포함하는 센서 데이터를 취득하는 단계; 제1처리부가 상기 센서 데이터를 입력받아 부분 방전 발생 여부를 출력하는 단계; 제2처리부가 부분 방전이 발생된 경우의 센서 데이터를 입력받아 부분 방전 유형을 출력하는 단계; 및 연산부가 상기 제2처리부에서 출력한 부분 방전 유형에 따라 배전 선로 케이블의 노후도 및 위험도를 판단하는 단계를 포함하는 전력 케이블 노후도 판단 방법을 제공한다.
상기 부분 방전 유형은 보이드(Void) 유형, 전기적 트리(electrical tree) 유형, 코로나(corona) 유형 및 표면(Surface) 유형을 포함할 수 있다.
상기 연산부는 하기 수학식 2에 따라 배전 선로 케이블의 노후도를 판단할 수 있다.
Figure 112020072615579-pat00002
(수학식 2에서, C는 케이블의 노후도 값이고, PDd는 부분 방전 유형별 위험도 값이고, Cp는 배전 선로 케이블의 사용 기간이고, W는 센서값 가중치이고, T는 정규화 된 온도값이고, V는 정규화 된 진동값이고, I는 정규화 된 부하 전류값이다)
상기 연산부는 케이블의 노후도 값과 기 설정된 임계값을 비교하여 케이블의 위험도를 판단할 수 있다.
상기 연산부는 특정 케이블에 대하여 상기 노후도 값을 누적하여 상기 케이블의 위험도를 판단할 수 있다.
상기 임계값은 노후된 케이블의 이력 데이터 또는 실험을 통하여 산출될 수 있다.
실시예에 따르면, 전술한 전력 케이블 노후도 판단 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한　기록매체를 제공한다.
본 발명인 전력 케이블 노후도 판단 장치 및 방법은 딥러닝 모델을 이용하여 부분 방전 진단 및 유형 구분을 수행할 수 있다.
또한, 부분 방전 유형에 따라 배전 선로 케이블의 노후도와 위험도를 판단할 수 있다.
또한, 순간적이고 지속적인 부분 방전 판단 및 분류를 수행할 수 있다.
또한, 사람의 개입을 최소화하고, 실시간으로 지속적인 케이블 노후화 정도를 정량적으로 판단하고 진단할 수 있다.
도1은 실시예에 따른 배전선로 지능화 시스템의 개념도이다.
도2는 실시예에 따른 전력 케이블 노후도 판단 장치의 구성 블록도이다.
도3은 실시예에 따른 제1처리부의 동작을 설명하기 위한 도면이다.
도4는 실시예에 따른 제2처리부의 동작을 설명하기 위한 도면이다.
도5는 실시예에 따른 전력 케이블 노후도 판단 방법의 순서도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다.
다만, 본 발명의 기술 사상은 설명되는 일부 실시 예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 기술 사상 범위 내에서라면, 실시 예들간 그 구성 요소들 중 하나 이상을 선택적으로 결합, 치환하여 사용할 수 있다.
또한, 본 발명의 실시예에서 사용되는 용어(기술 및 과학적 용어를 포함)는, 명백하게 특별히 정의되어 기술되지 않는 한, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 일반적으로 이해될 수 있는 의미로 해석될 수 있으며, 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미를 고려하여 그 의미를 해석할 수 있을 것이다.
또한, 본 발명의 실시예에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다.
본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함할 수 있고, "A 및(와) B, C 중 적어도 하나(또는 한 개 이상)"로 기재되는 경우 A, B, C로 조합할 수 있는 모든 조합 중 하나 이상을 포함할 수 있다.
또한, 본 발명의 실시 예의 구성 요소를 설명하는 데 있어서, 제1, 제2, 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 등으로 한정되지 않는다.
그리고, 어떤 구성 요소가 다른 구성요소에 '연결', '결합' 또는 '접속'된다고 기재된 경우, 그 구성 요소는 그 다른 구성 요소에 직접적으로 연결, 결합 또는 접속되는 경우뿐만 아니라, 그 구성 요소와 그 다른 구성 요소 사이에 있는 또 다른 구성 요소로 인해 '연결', '결합' 또는 '접속' 되는 경우도 포함할 수 있다.
또한, 각 구성 요소의 "상(위) 또는 하(아래)"에 형성 또는 배치되는 것으로 기재되는 경우, 상(위) 또는 하(아래)는 두 개의 구성 요소들이 서로 직접 접촉되는 경우뿐만 아니라 하나 이상의 또 다른 구성 요소가 두 개의 구성 요소들 사이에 형성 또는 배치되는 경우도 포함한다. 또한, "상(위) 또는 하(아래)"으로 표현되는 경우 하나의 구성 요소를 기준으로 위쪽 방향뿐만 아니라 아래쪽 방향의 의미도 포함할 수 있다.
이하, 첨부된 도면을 참조하여 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 대응하는 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도1은 실시예에 따른 배전선로 지능화 시스템의 개념도이다.
도1을 참조하면, 배전선로 지능화 시스템(1)은 배전 변압기(20), 배전 개폐기(30), 전력 케이블(C), 부분방전 센서(40), 통합 센서(50), 지능형 전자 장치(60) 및 전력 케이블 노후도 판단 장치(10)를 포함할 수 있다. 전력 케이블(C)의 노후화에 큰 영향을 미치는 요소가 부분 방전과 각종 온도, 진동, 부하 전류 등이 있다. 이에 배전 변압기(20)와 배전 개폐기(30)에 연결된 전력 케이블(C)에는 실시간으로 전력 케이블(C)의 노후화를 진단하기 위한 부분 방전 센서(40)와 통합 센서(50)가 배치될 수 있다. 통합 센서(50)는 온도, 진동, 부하 전류를 계측할 수 있다. 부분 방전 센서(40)와 통합 센서(50)는 지능형 전자 장치(60)를 통하여 계측한 데이터를 전력 케이블 노후도 판단 장치(10)로 전송할 수 있다.
도2는 실시예에 따른 전력 케이블 노후도 판단 장치의 구성 블록도이다. 도2를 참조하면, 실시예에 따른 전력 케이블 노후도 판단 장치(10)는 데이터 취득부(11), 전처리부(12), 제1처리부(13), 제2처리부(14), 연산부(15) 및 데이터 베이스(16)를 포함할 수 있다.
데이터 취득부(11)는 배전선로의 지능형 전자장치로부터 부분 방전 데이터, 온도 데이터, 진동 데이터 및 부하 전류 데이터를 포함하는 센서 데이터를 취할 수 있다.
데이터 취득부(11)는 배전 지능화 시스템에 설치되어 있는 부분 방전 센서와 통합 센서에서 계측한 센서 데이터를 취득할 수 있다. 데이터 취득부(11)는 지능형 전자 장치를 통하여 센서 데이터를 주기적으로 취득할 수 있다.
예를 들면, 데이터 취득부(11)는 국제 표준인 IEC61850 통신 프로토콜을 포맷으로 지능형 전자 장치와 데이터 통신을 수행할 수 있다.
전처리부(12)는 제1처리부(13)와 제2처리부(14)에 입력되기 전 센서 데이터를 전처리하는 과정을 수행할 수 있다. 예를 들면, 전처리부(12)는 부분 방전 데이터, 온도 데이터, 진동 데이터 및 부하 전류 데이터에 대한 샘플링을 수행할 수 있다.
제1처리부(13)는 센서 데이터를 입력층으로 하여, 센서 데이터와 배전선로 케이블의 부분 방전 발생 여부와의 상관관계를 학습하고, 부분 방전 발생 여부가 출력층이 되도록 학습된 제1뉴럴 네트워크를 포함할 수 있다.
제1뉴럴 네트워크는 센서 데이터를 통하여 부분 방전 발생 여부를 판별하도록 학습될 수 있다. 제1처리부(13)는 컴퓨터로 읽을 수 있는 프로그램을 포함할 수 있다. 해당 프로그램은 컴퓨터에 의하여 실행될 수 있는 기록매체 또는 저장 장치에 저장될 수 있다. 컴퓨터 내의 프로세서는 기록매체 또는 저장 장치에 저장된 프로그램을 읽어 들이며, 프로그램, 즉 학습된 모델을 실행하여 입력 정보를 연산하고, 연산 결과를 출력할 수 있다.
도3은 실시예에 따른 제1처리부의 동작을 설명하기 위한 도면이다. 도2 및 도3을 참조하면, 제1뉴럴 네트워크는 먼저 부분 방전이 발생되지 않은 정상 상태에서의 센서 데이터를 이용하여 제1뉴럴 네트워크를 학습시킬 수 있다. 제1뉴럴 네트워크는 암호화 중간계층, 중간 계층 핵심 추출부 및 복호화 중간계층을 통해 입력층과 출력층의 데이터를 비교할 수 있다. 제1뉴럴 네트워크는 입력층과 출력층의 데이터간의 차이가 없을 경우, 즉 평균 제곱 오차(MSE, Mean Squared Error)값이 기준치 이내이면 중간 계층 핵심 추출부에서의 정상 데이터 기반 코드 벡터(code vector)를 추출할 수 있다.
이와 같이 정상 상태에서의 센서 데이터를 기반으로 학습된 모델에 부분 방전이 발생된 상태에서의 센서 데이터가 입력될 경우, 제1처리부(13)는 중간 계층 핵심 추출부에서의 코드 벡터가 다르게 나타나는 것을 인지하고 부분 방전이 발생하였다고 판단할 수 있다.
다시 도2를 참조하면, 제2처리부(14)는 부분 방전이 발생된 경우의 센서 데이터를 입력층으로 하여, 센서 데이터와 부분 방전 유형과의 상관관계를 학습하고, 부분 방전 유형이 출력층이 되도록 학습된 제2뉴럴 네트워크를 포함할 수 있다.
실시예에서, 부분 방전 유형은 보이드(Void) 유형, 전기적 트리(electrical tree) 유형, 코로나(corona) 유형 및 표면(Surface) 부분 방전 유형을 포함할 수 있다.
제2뉴럴 네트워크는 부분 방전이 발생된 경우의 센서 데이터를 통하여 부분방전 유형을 구분하도록 학습될 수 있다. 제2처리부(14)는 컴퓨터로 읽을 수 있는 프로그램을 포함할 수 있다. 해당 프로그램은 컴퓨터에 의하여 실행될 수 있는 기록매체 또는 저장 장치에 저장될 수 있다. 컴퓨터 내의 프로세서는 기록매체 또는 저장 장치에 저장된 프로그램을 읽어 들이며, 프로그램, 즉 학습된 모델을 실행하여 입력 정보를 연산하고, 연산 결과를 출력할 수 있다.
도4는 실시예에 따른 제2처리부의 동작을 설명하기 위한 도면이다. 도2 및 도4를 참조하면, 제2처리부(14)는 제1처리부(13)의 일부 구성과 결합된 형태로 구현될 수 있다.
제2뉴럴 네트워크는 보이드 유형, 전기적 트리 유형, 코로나 유형 및 표면 부분 방전 유형이 각각 레이블링 되어 있는 센서 데이터를 이용하여 센서 데이터와 부분 방전 유형과의 상관 관계를 학습할 수 있다.
이 때 제2처리부(14)는 부분 방전이 발생한 이상 상태에서의 센서 데이터를 이용하여 제1처리부(13)의 암호화 중간계층, 중간 계층 핵심 추출부 및 복호화 중간계층을 통해 입력층과 출력층의 데이터간의 차이가 없을 경우, 즉 평균 제곱 오차값이 기준치 이내이면 중간 계층 핵심 추출부에서의 부분 방전이 발생한 이상 상태 데이터 기반 코드 벡터를 추출하여 제2뉴럴 네트워크에 복사할 수 있다.
제2처리부(14)는 부분방전을 종류별로 분류하기 위해 완전 연결 계층(Fully connected layer)과 확률적 분류기인 소프트 맥스(softmax) 함수를 연결하여 부분방전 분류를 수행할 수 있다. 부분 방전이 발생한 경우의 센서 데이터가 입력될 경우, 제2처리부(14)는 확률적 분류기인 소프트 맥스 함수를 이용하여 보이드 유형, 전기적 트리 유형, 코로나 유형 및 표면 부분 방전 유형으로 분류할 수 있다.
다시 도2를 참조하면, 연산부(15)는 제2처리부(14)에서 출력된 부분 방전 유형에 따라 배전 선로 케이블의 노후도 및 위험도를 판단할 수 있다.
예를 들면, 연산부(15)는 하기 수학식 3에 따라 배전 선로 케이블의 노후도를 판단할 수 있다.
Figure 112020072615579-pat00003
수학식 3에서, C는 케이블의 노후도 값이고, PDd는 부분 방전 유형별 위험도 값이고, Cp는 배전 선로 케이블의 사용 기간이고, W는 센서값 가중치이고, T는 정규화 된 온도값이고, V는 정규화 된 진동값이고, I는 정규화 된 부하 전류값이다.
부분 방전 유형별 위험도는 부분 방전의 유형별로 전력 케이블에 대한 위험도를 정량적으로 수치화한 값을 의미할 수 있다. 부분 방전 유형별 위험도는 하기 표1에 따라 설정될 수 있다. 표1에서 부분 방전 유형별 위험도가 높을수록 가중치 수치가 높으며, 수학식 3에는 부분 방전 유형에 따라 대응되는 가중치 수치가 적용될 수 있다.
[표 1]
Figure 112020072615579-pat00004
배전 선로 케이블의 사용 기간은 해당 전력 케이블의 설치 시점부터 현재까지의 사용 기간을 의미할 수 있다. 단위는 일자(day)로 계산하여 적용될 수 있다.
정규화 된 온도값(Temp)은 배전 지능화 시스템의 통합 센서로부터 계측된 온도값의 정규화 된 값을 의미할 수 있다. 정규화 된 온도값은 하기 수학식 2에 따라 정규화(Normalization) 식을 통하여 산출될 수 있으며, 0 내지 1의 값을 가질 수 있다. 수학식 4에서 정규화를 위한 온도 계측 값은 현재까지 계측된 최대 온도 계측값의 1.5배를 곱한 값으로 설정될 수 있다.
Figure 112020072615579-pat00005
정규화 된 진동값(Vibration)은 배전 지능화 시스템의 통합 센서로부터 계측된 진동값의 정규화 된 값을 의미할 수 있다. 정규화 된 진동값은 하기 수학식 5에 따라 정규화(Normalization) 식을 통하여 산출될 수 있으며, 0 내지 1의 값을 가질 수 있다. 수학식 5에서 정규화를 위한 진동 계측 값은 현재까지 계측된 최대 진동 계측값의 1.5배를 곱한 값으로 설정될 수 있다.
Figure 112020072615579-pat00006
정규화 된 부하 전류값(Current)은 배전 지능화 시스템의 통합 센서로부터 계측된 부하 전류값의 정규화 된 값을 의미할 수 있다. 정규화 된 부하 전류값은 하기 수학식 6에 따라 정규화(Normalization) 식을 통하여 산출될 수 있으며, 0 내지 1의 값을 가질 수 있다. 수학식 4에서 정규화를 위한 전류 계측값은 현재까지 계측된 최대 전류 계측값의 1.5배를 곱한 값으로 설정될 수 있다.
Figure 112020072615579-pat00007
센서값 가중치는 0 내지 1로 설정될 수 있다. 센서값 가중치는 관리자 및현장 운영자의 설정에 따라 변경될 수 있다.
연산부(15)는 케이블의 노후도 값과 기 설정된 임계값을 비교하여 케이블의 위험도를 판단할 수 있다. 이 때, 연산부(15)는 특정 케이블에 대하여 노후도 값을 누적하여 케이블의 위험도를 판단할 수 있다. 연산부(15)는 부분 방전이 발생되었을 경우 케이블 노후값을 연산하고, 이를 지속적으로 누적하여, 누적된 값을 기 설정된 임계값과 비교할 수 있다. 연산부(15)는 누적된 케이블 노후도 값이 임계값 이상일 경우 위험도가 높다고 판단아혀 전력 케이블 교체 신호 또는 보수 조치 신호를 출력할 수 있다.
실시예에서, 임계값은 노후된 케이블의 이력 데이터 또는 실험을 통하여 산출될 수 있다. 예를 들면 임계값은 센서 데이터의 지속적인 취득이 이루어진 상황에서 전력 케이블의 노후화 문제가 보고된 전력 케이블의 샘플을 선정하여, 이 때 기록된 전력 케이블의 노후도 이력을 분석하여 설정할 수 있다. 또는, 임계값은 사전 전력 케이블 노후도 실험을 통하여 설정될 수 있다.
또는, 임계값은 이력 데이터 분석 및 실험으로 산출된 값의 산술 평균치로 설정될 수 있다.
데이터 베이스(16)는 노후도 계산시 온도 파라미터, 진동 파라미터 및 부하 전류파라미터를 구하기 위한 온도, 진동, 부하전류 계측 데이터를 축척하여 관리할 수 있다. 또한, 위험도를 판단하기 위한 임계값을 저장할 수 있으며, 제1딥러닝 모델부 및 제2딥러닝 모델부의 학습을 위한 부분 방전 발생시 센서 데이터, 부분 방전 유형별 레이블링 데이터 등을 저장할 수 있다.
데이터 베이스(16)는, 플래시 메모리 타입(Flash Memory Type), 하드 디스크 타입(Hard Disk Type), 멀티미디어 카드 마이크로 타입(Multimedia Card Micro Type), 카드 타입의 메모리(예를 들면, SD 또는 XD 메모리등), 자기 메모리, 자기 디스크, 광디스크, 램(Random AccESS(12) Memory: RAM), SRAM(Static Random AccESS(12) Memory), 롬(Read-Only Memory: ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory) 중 적어도 하나의 저장매체를 포함할 수 있다. 또한, 인터넷(internet) 상에서 데이터 베이스(16)의 저장 기능을 수행하는 웹 스토리지(web storage)를 운영하거나, 또는 웹 스토리지와 관련되어 동작할 수도 있다.
또한, 데이터 베이스(16)는, 장치가 동작하는데 필요한 데이터와 프로그램 등을 저장할 수 있다.
도5는 실시예에 따른 전력 케이블 노후도 판단 방법의 순서도이다.
도5를 참조하면, 먼저 데이터 취득부는 배전선로의 지능형 전자장치로부터 부분 방전 데이터, 온도 데이터, 진동 데이터 및 부하 전류 데이터를 포함하는 센서 데이터를 취득할 수 있다(S501).
다음으로, 전처리부는 제1처리부와 제2처리부에 입력되기 전 센서 데이터를 전처리하는 과정을 수행할 수 있다(S502).
다음으로, 제1처리부는 센서 데이터를 입력받아 부분 방전 발생 여부를 출력할 수 있다(S503).
부분 방전이 발생된 경우, 제2처리부는 부분 방전이 발생된 경우의 센서 데이터를 입력받아 부분 방전 유형을 출력할 수 있다(S504~505).
다음으로, 연산부는 제2처리부에서 출력한 부분 방전 유형에 따라 배전 선로 케이블의 노후도 및 위험도를 판단할 수 있다. 이 때, 연산부는 누적된 케이블의 노후도 값과 기 설정된 임계값을 비교하여 케이블의 위험도를 판단할 수 있다(S506).
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 기록 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수 개의 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 어플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는　기록매체　내지 저장매체도 들 수 있다.
본 실시예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-programmable gate array) 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
10: 전력 케이블 노후도 판단 장치
11: 데이터 취득부
12: 전처리부
13: 제1처리부
14: 제2처리부
15: 연산부
16: 데이터 베이스

Claims (13)

  1. 배전선로의 지능형 전자장치로부터 부분 방전 데이터, 온도 데이터, 진동 데이터 및 부하 전류 데이터를 포함하는 센서 데이터를 취득하는 데이터 취득부;
    상기 센서 데이터를 입력층으로 하여, 상기 센서 데이터와 배전선로 케이블의 부분 방전 발생 여부와의 상관관계를 학습하고, 부분 방전 발생 여부가 출력층이 되도록 학습된 제1뉴럴 네트워크를 포함하는 제1처리부;
    부분 방전이 발생된 경우의 센서 데이터를 입력층으로 하여, 상기 센서 데이터와 부분 방전 유형과의 상관관계를 학습하고, 부분 방전 유형이 출력층이 되도록 학습된 제2뉴럴 네트워크를 포함하는 제2처리부 및
    상기 제2처리부에서 출력된 부분 방전 유형에 따라 배전 선로 케이블의 노후도 및 위험도를 판단하는 연산부를 포함하며,
    상기 연산부는 하기 수학식 7에 따라 배전 선로 케이블의 노후도를 판단하는 전력 케이블 노후도 판단 장치.
    [수학식 7]
    Figure 112022002246811-pat00015

    (수학식 7에서, C는 케이블의 노후도 값이고, PDd는 부분 방전 유형별 위험도 값이고, Cp는 배전 선로 케이블의 사용 기간이고, W는 센서값 가중치이고, T는 정규화 된 온도값이고, V는 정규화 된 진동값이고, I는 정규화 된 부하 전류값이다)
  2. 제1항에 있어서,
    상기 부분 방전 유형은 보이드(Void) 유형, 전기적 트리(electrical tree) 유형, 코로나(corona) 유형 및 표면(Surface) 유형을 포함하는 전력 케이블 노후도 판단 장치.
  3. 삭제
  4. 제1항에 있어서,
    상기 연산부는 케이블의 노후도 값과 기 설정된 임계값을 비교하여 케이블의 위험도를 판단하는 전력 케이블 노후도 판단 장치.
  5. 제4항에 있어서,
    상기 연산부는 특정 케이블에 대하여 상기 노후도 값을 누적하여 상기 케이블의 위험도를 판단하는 전력 케이블 노후도 판단 장치.
  6. 제4항에 있어서,
    상기 임계값은 노후된 케이블의 이력 데이터 또는 실험을 통하여 산출되는 전력 케이블 노후도 판단 장치.
  7. 데이터 취득부가 배전선로의 지능형 전자장치로부터 부분 방전 데이터, 온도 데이터, 진동 데이터 및 부하 전류 데이터를 포함하는 센서 데이터를 취득하는 단계;
    제1처리부가 상기 센서 데이터를 입력받아 부분 방전 발생 여부를 출력하는 단계;
    제2처리부가 부분 방전이 발생된 경우의 센서 데이터를 입력받아 부분 방전 유형을 출력하는 단계; 및
    연산부가 상기 제2처리부에서 출력한 부분 방전 유형에 따라 배전 선로 케이블의 노후도 및 위험도를 판단하는 단계를 포함하며,
    상기 연산부는 하기 수학식 8에 따라 배전 선로 케이블의 노후도를 판단하는 전력 케이블 노후도 판단 방법.
    [수학식 8]
    Figure 112022002246811-pat00016

    (수학식 8에서, C는 케이블의 노후도 값이고, PDd는 부분 방전 유형별 위험도 값이고, Cp는 배전 선로 케이블의 사용 기간이고, W는 센서값 가중치이고, T는 정규화 된 온도값이고, V는 정규화 된 진동값이고, I는 정규화 된 부하 전류값이다)
  8. 제7항에 있어서,
    상기 부분 방전 유형은 보이드(Void) 유형, 전기적 트리(electrical tree) 유형, 코로나(corona) 유형 및 표면(Surface) 유형을 포함하는 전력 케이블 노후도 판단 방법.
  9. 삭제
  10. 제7항에 있어서,
    상기 연산부는 케이블의 노후도 값과 기 설정된 임계값을 비교하여 케이블의 위험도를 판단하는 전력 케이블 노후도 판단 방법.
  11. 제10항에 있어서,
    상기 연산부는 특정 케이블에 대하여 상기 노후도 값을 누적하여 상기 케이블의 위험도를 판단하는 전력 케이블 노후도 판단 방법.
  12. 제10항에 있어서,
    상기 임계값은 노후된 케이블의 이력 데이터 또는 실험을 통하여 산출되는 전력 케이블 노후도 판단 방법.
  13. 제7항 내지 제8항, 제10항 내지 제12항 중 어느 한 항의 전력 케이블 노후도 판단 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한　기록매체.
KR1020200086272A 2020-07-13 2020-07-13 전력 케이블 노후도 판단 장치 및 방법 KR102417800B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200086272A KR102417800B1 (ko) 2020-07-13 2020-07-13 전력 케이블 노후도 판단 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200086272A KR102417800B1 (ko) 2020-07-13 2020-07-13 전력 케이블 노후도 판단 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20220008101A KR20220008101A (ko) 2022-01-20
KR102417800B1 true KR102417800B1 (ko) 2022-07-06

Family

ID=80052930

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200086272A KR102417800B1 (ko) 2020-07-13 2020-07-13 전력 케이블 노후도 판단 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102417800B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115346284B (zh) * 2022-08-18 2023-11-03 杭州集联科技有限公司 一种用于城市地下管廊线路的智能巡检设备及其工作方法
KR102535587B1 (ko) * 2023-01-31 2023-05-30 유호전기공업주식회사 인공신경망을 이용한 전력설비 온도 측정 기반의 부분방전 예측 방법 및 장치
CN116388403B (zh) * 2023-06-07 2023-08-15 山东通广电子股份有限公司 一种智能配电在线监测预警方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009036707A (ja) 2007-08-03 2009-02-19 Kyushu Dengi Kaihatsu Kk 架空送電線の腐食、余寿命測定方法およびその装置
KR101330091B1 (ko) * 2012-09-12 2013-11-18 이관우 운전중인 고전압 케이블의 수명 판정 방법
JP2020012726A (ja) * 2018-07-18 2020-01-23 株式会社東芝 部分放電検出システム、学習システム、部分放電検出方法、コンピュータプログラム及び電気機器

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009036707A (ja) 2007-08-03 2009-02-19 Kyushu Dengi Kaihatsu Kk 架空送電線の腐食、余寿命測定方法およびその装置
KR101330091B1 (ko) * 2012-09-12 2013-11-18 이관우 운전중인 고전압 케이블의 수명 판정 방법
JP2020012726A (ja) * 2018-07-18 2020-01-23 株式会社東芝 部分放電検出システム、学習システム、部分放電検出方法、コンピュータプログラム及び電気機器

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
정상진 외 1인, '미세 방전신호 분석을 통한 케이블 수트리 활선 현장진단', 2008년 대한전기학회 추계학술대회 논문집, 2008.09.

Also Published As

Publication number Publication date
KR20220008101A (ko) 2022-01-20

Similar Documents

Publication Publication Date Title
KR102417800B1 (ko) 전력 케이블 노후도 판단 장치 및 방법
CN109186813B (zh) 一种温度传感器自检装置及方法
KR102092185B1 (ko) 중전기기 건전성 분석 플랫폼 및 이를 이용하는 분석 방법
KR101713985B1 (ko) 예지 정비 방법 및 장치
CN110647539A (zh) 一种用于车辆故障的预测方法和系统
Kang et al. Condition monitoring of power transformer on-load tap-changers. Part 2: Detection of ageing from vibration signatures
Hjartarson et al. Predicting future asset condition based on current health index and maintenance level
CN112713649B (zh) 一种基于极限学习机的电力设备剩余寿命预测方法
KR102272657B1 (ko) 부분방전 진단 장치 및 방법
KR101893563B1 (ko) 사물인터넷 기반 화재 블랙박스 시스템 및 그 운용 방법
CN117134503B (zh) 一种大型电力供电装置的状态监测方法及系统
CN117706943B (zh) 一种换流变阀侧套管末屏分压器的自适应控制方法及系统
CN114666117A (zh) 一种面向电力互联网的网络安全态势度量和预测方法
CN117350548B (zh) 一种配电设备安全隐患排查方法
Ginart et al. Automated feature selection for embeddable prognostic and health monitoring (PHM) architectures
Mharakurwa In-service power transformer life time prospects: review and prospects
CN116596301A (zh) 基于零次学习法的电缆多状态变量评估模型设计方法及装置
CN116363501A (zh) 输电线路异物入侵检测方法、装置和计算机设备
CN113298389A (zh) 评估电缆运行状态的方法及装置
CN114492636B (zh) 一种变压器绕组状态信号的采集系统
Roberts et al. An Investigation on the Usability of High-Frequency Wind Tur-bine Controller Data for Predictive Maintenance
CN113640699B (zh) 微机控制型交直流电源系统故障判断方法、系统和设备
KR102512089B1 (ko) 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반
KR102388973B1 (ko) 내진 시설을 구비한 주배선반 시스템
KR102566876B1 (ko) 비지도 학습 방법을 활용한 레이다 시스템용 공기건조장비의 이상 탐지 시스템 및 방법

Legal Events

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