KR102436316B1 - Method and System for Detecting Arc in Solar Power Plant - Google Patents
Method and System for Detecting Arc in Solar Power Plant Download PDFInfo
- Publication number
- KR102436316B1 KR102436316B1 KR1020220056521A KR20220056521A KR102436316B1 KR 102436316 B1 KR102436316 B1 KR 102436316B1 KR 1020220056521 A KR1020220056521 A KR 1020220056521A KR 20220056521 A KR20220056521 A KR 20220056521A KR 102436316 B1 KR102436316 B1 KR 102436316B1
- Authority
- KR
- South Korea
- Prior art keywords
- time series
- information entropy
- series signal
- time
- arc
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 38
- 238000001514 detection method Methods 0.000 claims abstract description 103
- 230000007423 decrease Effects 0.000 claims description 51
- 238000010248 power generation Methods 0.000 claims description 44
- 230000008859 change Effects 0.000 claims description 29
- 238000009795 derivation Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000005070 sampling Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 10
- 230000002093 peripheral effect Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000013139 quantization Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 206010014357 Electric shock Diseases 0.000 description 1
- 206010017577 Gait disturbance Diseases 0.000 description 1
- 241000321453 Paranthias colonus Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009429 electrical wiring Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Photovoltaic Devices (AREA)
Abstract
Description
본 발명은 태양광발전설비의 아크검출 방법 및 시스템에 관한 것으로서, 더욱 상세하게는 적은 연산량으로 빠른 아크검출을 수행할 수 있으며, 다양한 형태의 아크 검출의 정확도를 대폭적으로 개선할 수 있는, 태양광발전설비의 아크검출 방법 및 시스템에 관한 것이다.The present invention relates to a method and system for detecting an arc of a photovoltaic power generation facility, and more particularly, it can perform fast arc detection with a small amount of calculation, and can significantly improve the accuracy of detecting arcs of various types. It relates to a method and system for detecting an arc in a power generation facility.
친환경 에너지 정책으로 인하여 태양광 발전설비는 지속적으로 증가하고 있다. 태양광 발전설비의 증가와 더불어 전력 아크에 의한 사고도 빈번해지고 있다. Due to eco-friendly energy policies, solar power generation facilities are continuously increasing. With the increase of solar power generation facilities, accidents due to power arcs are also increasing frequently.
태양광 발전설비에서 전기 배선이나 태양광 패널간 연결을 위해 사용되는 다수의 커넥터 등에서 예기치 못한 고장이 발생했을 시 아크가 발생할 수 있다. An arc may occur when an unexpected failure occurs in a number of connectors used for electrical wiring in photovoltaic power generation facilities or for connection between photovoltaic panels.
아크가 발생하면 설치물로 전류가 흘러 감전의 위험성이 존재하며, 화재를 발생시켜 태양광 발전설비를 손상시키거나 대규모 재산상의 손해를 초래한다. 이러한 아크 결함의 문제는 대규모 유틸리티 시스템뿐만 아니라 소규모 주거 시스템에도 존재한다. When an arc occurs, an electric current flows to the installation and there is a risk of electric shock, causing a fire to damage the photovoltaic power generation facility or cause large-scale property damage. This arc fault problem exists not only in large utility systems, but also in small residential systems.
따라서, 아크결함 감지는 안정적이고 안전한 태양광 발전시스템의 운영을 위해 매우 중요하다. 태양광 발전설비에서 아크 문제를 다루기 위하여 북미에서는 NEC(National Electrical Code) 690, UL 1699B 를 기반으로 태양광 발전설비에서 아크검출 기능을 갖는 차단기의 사용을 의무화하고 있으며, 최근 출시되는 태양광 인버터의 경우 아크검출/차단 기능을 내재하는 추세이다. 아크검출방법으로 전류신호에 기반한 주파수 분석기법이나 인공지능 등을 이용한 알고리즘 및 이를 적용한 AFCI(Arc fault circuit interrupter)의 개발이 이루어지고 있다.Therefore, arc fault detection is very important for the stable and safe operation of the photovoltaic power generation system. In North America, based on NEC (National Electrical Code) 690 and UL 1699B, in order to deal with the arc problem in photovoltaic power generation facilities, it is mandatory to use a circuit breaker with arc detection function in photovoltaic power generation facilities. In this case, there is a tendency to have an arc detection/blocking function. As an arc detection method, an algorithm using a frequency analysis technique or artificial intelligence based on a current signal and an AFCI (Arc fault circuit interrupter) applying it are being developed.
딥러닝 기반의 아크검출 기법이 최근 제안이 되었지만, 딥러닝 기반의 아크검출 기법의 경우, 수초 이내에 아크검출을 하기 위해서는 많은 컴퓨팅 자원을 요구하거나, 개별적인 모듈에서는 빠른 동작을 하기가 어렵다는 문제점이 있다. 또한, 다양한 형태의 아크를 검출하기에는 정확도 부분에서 문제점이 있다.A deep learning-based arc detection technique has been recently proposed, but in the case of the deep learning-based arc detection technique, it requires a lot of computing resources to detect an arc within a few seconds, or it is difficult to perform a fast operation in an individual module. In addition, there is a problem in terms of accuracy in detecting various types of arcs.
따라서, 주파수 분석기법이 현재까지는 그 주류를 이루고 있다. 그러나 주파수 분석기법의 경우 아크발생 시 주파수 성분이 선로(string) 을 통과하면서 변조되는 현상이 발생하여 실제 현장에서 아크검출에 실패하는 경우가 종종 발생한다. 특히, 복수의 PV모듈이 직렬로 연결되고(예를들어, PV1-PV2-PV3-PV4), PV4에서의 출력전류에 대한 주파수 성부의 분석을 통하여 아크검출을 하는 경우(이와 같은 상황이 일반적인 인버터 내장형 아크 검출에 해당함), PV1-PV2 사이에서 발생하는 아크에 의하여 전류에 인입되는 주파수성분은 PV3, PV4를 거치는 과정에서 임의적으로 변조가 되기 때문에, PV4에서 출력되는 전류에 대한 주파수성분 분석으로는 PV1-PV2 사이에서 발생하는 아크를 검출하기 어렵다는 문제점이 있다.Therefore, the frequency analysis technique has been the mainstream until now. However, in the case of the frequency analysis technique, when an arc occurs, the frequency component is modulated while passing through a string, so arc detection often fails in the actual field. In particular, when a plurality of PV modules are connected in series (for example, PV1-PV2-PV3-PV4) and arc detection is performed through the analysis of the frequency component of the output current in PV4 (this situation is a common inverter Corresponding to built-in arc detection), since the frequency component introduced into the current by the arc generated between PV1-PV2 is arbitrarily modulated in the process of going through PV3 and PV4, the frequency component analysis of the current output from PV4 is There is a problem in that it is difficult to detect an arc generated between PV1-PV2.
또한, 주파수 분석의 경우 200KHz 이상의 높은 샘플링을 요구하기에 하기 주파수 분석을 수행하기 위해서는 높은 샘플링을 지원하는 별도의 측정장치를 사용해야 한다. 별도의 측정장치의 경우 높은 비용 상승을 초래하므로 실제 현장 적용을 위해서는 이런 비용문제도 걸림돌로 작용한다. 또한, 높은 샘플링을 적용하여 주파수분석을 하는 경우에, 전체적인 연산량이 많아지기 때문에, 빠른 아크검출이 현실적으로 어렵다는 문제점이 있다.In addition, since frequency analysis requires high sampling of 200 KHz or more, a separate measuring device supporting high sampling is required to perform the following frequency analysis. In the case of a separate measuring device, it causes a high cost, so this cost problem also acts as a stumbling block for actual field application. In addition, when frequency analysis is performed by applying high sampling, there is a problem in that fast arc detection is practically difficult because the overall amount of calculation is increased.
한편, 태양광 발전에서의 아크는 Serial arc, Parallel arc, Parallel-Earth arc 로 분류될 수 있다.On the other hand, arcs in photovoltaic power generation can be classified into serial arcs, parallel arcs, and parallel-earth arcs.
Serial arc(직렬 아크): 커넥터의 결합이 느슨해 지거나 커넥터에 이상이 발생하여, 배선에 불연속이 생김에 따라 발생하는 아크 Serial arc: An arc that occurs as a result of disconnection in the wiring due to loose coupling of the connector or abnormality in the connector.
Parallel arc(병렬 아크): 두 케이블 사이에서의 절연문제로 발생하는 아크Parallel arc: An arc caused by an insulation problem between two cables.
Parallel-Earth arc(병렬-어스 아크): PV모듈 내부의 누전 혹은 그라운드와 관련된 케이블 절연문제에 의하여 발생하는 아크Parallel-Earth arc: An arc caused by a short circuit inside the PV module or a cable insulation problem related to the ground
이 중 병렬아크(Parallel arc, Parallel-Earth arc)는 일반적으로 과전류를 발생시키기 때문에, 상대적으로 쉽게 검출이 가능하고, 간단한 OCPD(over-current protection device)로 방지가 가능하다. Among them, parallel arc (Parallel-Earth arc) generally generates overcurrent, so it can be detected relatively easily and can be prevented with a simple over-current protection device (OCPD).
그러나, 직렬아크(Serial arc)의 경우는 선로에 아크로 인한 임피던스가 추가되는 경향이 있어 오히려 전류의 크기가 감소하기 때문에 검출에 어려움이 있다.However, in the case of a serial arc, there is a tendency to add an impedance due to the arc to the line, so that the magnitude of the current is rather reduced, so it is difficult to detect.
또한, 이런 직렬 및 병렬 아크의 경우, 공통적으로 정상상태에서는 관찰되지 않는 높은 주파수 성분이 새로이 발생한다는 점이다. 이런 아크의 특성으로 주파수분석이 일반적으로 사용되는데, 직렬아크 발생 시, 주파수 영역에서의 아크 특징은 도 1에 도시된 바와 같다. 도 1은 power spectrum 에서와 같이 아크 발생은 30~100kHz 대역에서 다양한 주파수 성분들을 발생시킨다.In addition, in the case of these series and parallel arcs, a high frequency component that is not observed in a normal state is newly generated. Frequency analysis is generally used for the characteristics of such an arc. When a series arc occurs, the arc characteristics in the frequency domain are as shown in FIG. 1 . 1 shows, as in the power spectrum, arc generation generates various frequency components in the 30 to 100 kHz band.
30~100kHz 한정 주파수대역에서 발생하는 아크의 특징에도 그 분석이 쉽지만은 않은 이유는, 도 2에 도시된 power spectrum 에서 보여주듯, PV 스트링에는 120Hz 대역의 인버터 노이즈, 60Hz 의 계통노이즈, 인버터스위칭 노이즈등이 포함되어 있어, 실제 주파수에 기반한 아크검출에서는 다양한 대역필터를 채용하나, 대역필터의 채용은 아크검출 방법의 범용성을 제약하는 요인으로 작용한다.The reason why it is not easy to analyze the characteristics of the arc occurring in the 30~100kHz limited frequency band is that, as shown in the power spectrum shown in Fig. 2, the PV string has inverter noise in the 120Hz band, system noise in 60Hz, and inverter switching noise Various band filters are employed in arc detection based on actual frequency, but the adoption of band filters acts as a factor limiting the versatility of the arc detection method.
본 발명에서는 종래의 이와 같은 주파수분석 기반의 아크검출의 한계점을 인식하여 완전히 새로운 방식의 태양광발전설비의 아크검출방법 및 시스템을 제공한다.The present invention recognizes the limitations of the conventional arc detection based on frequency analysis, and provides a completely new method and system for detecting an arc of a photovoltaic facility.
[선행기술 문헌][Prior art literature]
(논문문헌 0001) Jay Johnson et al(Sandia National Laboratories). "PV Arc Fault Detector Challenges due to Module Frequency Response Variability", (Documentation 0001) Jay Johnson et al (Sandia National Laboratories). "PV Arc Fault Detector Challenges due to Module Frequency Response Variability",
본 발명은 적은 연산량으로 빠른 아크검출을 수행할 수 있으며, 다양한 형태의 아크 검출의 정확도를 대폭적으로 개선할 수 있는, 태양광발전설비의 아크검출 방법 및 시스템을 제공하는 것을 그 목적으로 한다.An object of the present invention is to provide a method and system for detecting an arc in a photovoltaic power generation facility, which can perform fast arc detection with a small amount of calculation and can significantly improve the accuracy of detecting various types of arcs.
상기와 같은 과제를 해결하기 위하여 본 발명의 일 실시예에서는, 1 이상의 프로세서 및 메모리를 포함하는 컴퓨팅장치에서 수행되는 태양광발전설비의 아크검출방법으로서, 태양광발전설비의 특정 지점에서의 전류 혹은 전압의 시계열신호를 수신하는 시계열신호수신단계; 상기 시계열신호로부터 직접적으로 혹은 간접적으로 시작시점이 상이한 각각의 슬라이딩윈도우 구간에서의 정보엔트로피값를 산출함으로써, 각각의 시작시점에 대한 정보엔트로피값를 포함하는 시계열정보엔트로피를 도출하는 정보엔트로피도출단계; 상기 시계열정보엔트로피에서 시간의 지남에 따른 정보엔트로피값의 변화가 기설정된 1 이상의 기준에 부합하는 지 여부에 기초하여 해당 태양광발전설비에 아크발생 정보를 도출하는 아크검출단계;를 포함하는, 태양광발전설비의 아크검출방법을 제공한다.In order to solve the above problems, in one embodiment of the present invention, as an arc detection method of a photovoltaic facility performed in a computing device including one or more processors and memory, current or A time series signal receiving step of receiving a time series signal of voltage; an information entropy deriving step of deriving a time series information entropy including an information entropy value for each start time by directly or indirectly calculating an information entropy value in each sliding window section having a different start time from the time series signal; In the time series information entropy, an arc detection step of deriving arc generation information to the photovoltaic facility based on whether a change in information entropy value over time meets one or more preset criteria; A method for detecting an arc in a photovoltaic facility is provided.
본 발명의 일 실시예에 있어서, 상기 정보엔트로피값는 퍼지엔트로피값을 포함하고, 상기 퍼지엔트로피값은 크기 m의 슬라이딩윈도우를 적용하는 경우, m개의 연속된 상기 시계열신호로부터 도출될 수 있다.In an embodiment of the present invention, the information entropy value includes a fuzzy entropy value, and the fuzzy entropy value may be derived from m consecutive time series signals when a sliding window of size m is applied.
본 발명의 일 실시예에 있어서, 상기 정보엔트로피도출단계는, 상기 시계열신호가 x(k)로 표시되고, k는 1 이상의 자연수인 경우에, d(k)=x(k)-x(k-1)로 표시되거나 d(k)=x'(k)-x'(k-1)로 표시되는 증감시계열신호(d(k))를 도출하고, 여기서 x'(k)는 x(k)로부터 도출되는 변형정보에 해당하고, 상기 증감시계열신호에 기초하여, 직접적 혹은 간접적으로 각각의 시작시점에 대한 정보엔트로피값을 포함하는 시계열정보엔트로피를 도출할 수 있다.In an embodiment of the present invention, in the information entropy deriving step, when the time series signal is represented by x(k) and k is a natural number equal to or greater than 1, d(k)=x(k)-x(k) -1) or d(k)=x'(k)-x'(k-1) derives an increase/decrease time series signal d(k), where x'(k) is x(k) ), and based on the increase/decrease time series signal, it is possible to derive time series information entropy including information entropy values for each start time directly or indirectly.
본 발명의 일 실시예에 있어서, 상기 정보엔트로피도출단계는, 상기 시계열신호가 x(k)로 표시되고, k는 1 이상의 자연수인 경우에, 각각의 시계열신호 혹은 상기 시계열신호로부터 도출된 변형신호의 값을 구간별로 양자화하여 q(k)로 표시되는 증감시계열신호(q(k))를 도출하고, 상기 증감시계열신호에 기초하여, 직접적 혹은 간접적으로 각각의 시작시점에 대한 정보엔트로피값을 포함하는 시계열정보엔트로피를 도출할 수 있다.In an embodiment of the present invention, in the information entropy deriving step, when the time series signal is represented by x(k) and k is a natural number greater than or equal to 1, each time series signal or a transformation signal derived from the time series signal The value of is quantized for each section to derive the increase/decrease time series signal (q(k)) represented by q(k), and based on the increase/decrease time series signal, directly or indirectly include the information entropy value for each start time time series information entropy can be derived.
본 발명의 일 실시예에 있어서, 상기 정보엔트로피도출단계는, 상기 시계열신호가 x(k)로 표시되고, k는 1 이상의 자연수인 경우에, d(k)=x(k)-x(k-1)로 표시되는 증감시계열신호(d(k))를 도출하고, 상기 증감시계열신호을 구간별로 양자화하여 q(k)로 표시되는 양자화시계열신호(q(k))를 도출하고, 상기 양자화시계열신호에 기초하여, 직접적 혹은 간접적으로 각각의 시작시점에 대한 정보엔트로피값을 포함하는 시계열정보엔트로피를 도출할 수 있다.In an embodiment of the present invention, in the information entropy deriving step, when the time series signal is represented by x(k) and k is a natural number equal to or greater than 1, d(k)=x(k)-x(k) Deriving an increase/decrease time-series signal (d(k)) represented by -1), quantize the increase/decrease time-series signal for each section to derive a quantized time-series signal (q(k)) represented by q(k), and the quantization time series Based on the signal, it is possible to derive the time series information entropy including the information entropy value for each starting time directly or indirectly.
본 발명의 일 실시예에 있어서, 상기 아크검출단계는, 기설정된 시간 구간 내의 정보엔트로피값이 감소량이 기설정된 기준을 초과하는 경우에, 아크가 발생한 것으로 판단할 수 있다.In one embodiment of the present invention, in the arc detection step, when the amount of decrease in the information entropy value within a preset time interval exceeds a preset criterion, it may be determined that an arc has occurred.
본 발명의 일 실시예에 있어서, 상기 아크검출단계는, 기설정된 시간 구간 내의 정보엔트로피값이 감소량이 기설정된 제1기준을 초과하고, 전류가 증가하는 경우에는 병렬아크가 발생하였다고 판단하고, 기설정된 시간 구간 내의 정보엔트로피값이 감소량이 기설정된 제2기준을 초과하고, 전류가 감소하는 경우에는 직렬아크가 발생하였다고 판단할 수 있다.In an embodiment of the present invention, in the arc detection step, when the amount of decrease in the information entropy value within a preset time period exceeds a preset first criterion and the current increases, it is determined that a parallel arc has occurred, When the amount of decrease in the information entropy value within the set time period exceeds the preset second criterion and the current decreases, it may be determined that a series arc has occurred.
상기와 같은 과제를 해결하기 위하여, 본 발명의 실시예들에서는, 1 이상의 프로세서 및 1 이상의 메모리를 포함하는, 태양광발전설비의 아크검출시스템로서, 상기 아크검출시스템은, 태양광발전설비의 특정 지점에서의 전류 혹은 전압의 시계열신호를 수신하는 시계열신호수신단계; 상기 시계열신호로부터 직접적으로 혹은 간접적으로 시작시점이 상이한 각각의 슬라이딩윈도우 구간에서의 정보엔트로피값를 산출함으로써, 각각의 시작시점에 대한 정보엔트로피값를 포함하는 시계열정보엔트로피를 도출하는 정보엔트로피도출단계; 상기 시계열정보엔트로피에서 시간의 지남에 따른 정보엔트로피값의 변화가 기설정된 1 이상의 기준에 부합하는 지 여부에 기초하여 해당 태양광발전설비에 아크발생 정보를 도출하는 아크검출단계;를 수행하는 태양광발전설비의 아크검출시스템을 제공한다.In order to solve the above problems, in embodiments of the present invention, as an arc detection system of a photovoltaic facility, including at least one processor and at least one memory, the arc detection system is a specific A time series signal receiving step of receiving a time series signal of current or voltage at a point; an information entropy deriving step of deriving a time series information entropy including an information entropy value for each start time by directly or indirectly calculating an information entropy value in each sliding window section having a different start time from the time series signal; In the time series information entropy, based on whether a change in information entropy value over time meets one or more preset criteria, an arc detection step of deriving arc generation information to the corresponding photovoltaic facility; An arc detection system for power generation equipment is provided.
본 발명의 일 실시예에 따르면, 낮은 샘플링(1sec~ 1min )으로 30~100KHz 대역에서 발생하는 아크를 낮은 컴퓨팅 자원으로 정확하게 감지하는 효과를 발휘할 수 있다.According to an embodiment of the present invention, it is possible to exhibit the effect of accurately detecting an arc generated in the 30-100KHz band with low computing resources with low sampling (1sec ~ 1min).
본 발명의 일 실시예에 따르면, 센싱 노이즈의 정보엔트로피에 대한 영향을 최소화하여 보다 정확한 아크검출을 수행할 수 있는 효과를 발휘할 수 있다.According to an embodiment of the present invention, it is possible to exhibit the effect of performing more accurate arc detection by minimizing the effect of sensing noise on information entropy.
본 발명의 일 실시예에 따르면, 시간별 조사량(irradiation) 변화에 의하여 발생하는 엔트로피의 변화와 아크로 인한 엔트로피 변화의 분리 감지를 정확하게 수행할 수 있는 효과를 발휘할 수 있다.According to an embodiment of the present invention, it is possible to exhibit an effect of accurately performing separate detection of a change in entropy caused by a change in irradiation over time and a change in entropy due to an arc.
본 발명의 일 실시예에 따르면, 높은 샘플링을 위한 별도의 장비 없이, 상대적으로 적은 컴퓨팅 자원으로 다양한 형태의 아크를 정확하게 분석할 수 있는 효과를 발휘할 수 있다.According to an embodiment of the present invention, it is possible to exhibit the effect of accurately analyzing various types of arcs with relatively few computing resources without a separate equipment for high sampling.
도 1은 아크 발생시, 태양광발전설비에서 흐르는 전류의 주파수 영역의 파워스펙트럼을 예시적으로 도시한다.
도 2는 태양광발전설비에서의 다양한 대역의 노이즈들을 주파수 영역에서의 파워스펙트럼으로 예시적으로 도시한다.
도 3은 본 발명의 실시예들에 따른 아크검출방법이 수행되는 아크검출장치의 구현형태를 개략적으로 도시한다.
도 4는 본 발명의 실시예들에 따른 아크검출방법 및 아크검출장치의 세부 구성들을 개략적으로 도시한다.
도 5는 본 발명의 일 실시예에 따른 시계열신호로부터 시계열정보엔트로피를 도출하는 과정을 개략적으로 도시한다.
도 6은 본 발명의 실시예들에 따라 시계열정보엔트로피를 도출하는 과정을 개략적으로 도시한다.
도 7은 본 발명의 실시예들에 따라 시계열정보엔트로피를 도출하는 과정을 개략적으로 도시한다.
도 8은 본 발명의 일 실시예에 따른 아크검출단계의 판단과정을 개략적으로 도시한다.
도 9는 새로운 주파수 성분이 유입될 때의 정보엔트로피의 변화량을 예시적으로 도시한다.
도 10은 태양광발전설비의 전류 정보로부터 도출된 정보엔트로피를 예시적으로 도시한다.
도 11은 태양광발전설비의 전류 정보를 양자화한 값으로부터 도출된 정보엔트로피를 예시적으로 도시한다.
도 12는 도 11의 그래프를 스케일을 달리하여 도시한다.
도 13은 아크 발생시의 전류의 변화형태를 예시적으로 도시한다.
도 14는 전류의 시계열신호를 증감시계열신호로 변환한 형태를 예시적으로 도시한다.
도 15는 증감시계열신호에 대한 시계열에 따른 정보엔트로피를 예시적으로 도시한다.
도 16은 도 15의 표시된 부분의 확대된 그래프에 해당한다.
도 17은 본 발명의 일 실시예에 따른 아크검출방법의 전체적인 단계들을 개략적으로 도시한다.
도 18은 본 발명의 일 실시예에 따른 아크검출방법의 실험결과를 도시한다.
도 19는 본 발명의 일 실시예에 따른 아크검출단계의 판단방법에 대해 개략적으로 도시한다.
도 20은 본 발명의 일 실시예에 따른 컴퓨팅 장치의 내부 구성을 개략적으로 도시한다.1 exemplarily shows a power spectrum in a frequency domain of a current flowing in a photovoltaic facility when an arc is generated.
FIG. 2 exemplarily shows noises of various bands in a photovoltaic facility as a power spectrum in a frequency domain.
3 schematically shows an implementation form of an arc detection apparatus in which an arc detection method according to embodiments of the present invention is performed.
4 schematically shows detailed configurations of an arc detecting method and an arc detecting device according to embodiments of the present invention.
5 schematically illustrates a process of deriving time series information entropy from a time series signal according to an embodiment of the present invention.
6 schematically illustrates a process of deriving time series information entropy according to embodiments of the present invention.
7 schematically illustrates a process of deriving time series information entropy according to embodiments of the present invention.
8 schematically shows a determination process of an arc detection step according to an embodiment of the present invention.
9 exemplarily shows a change amount of information entropy when a new frequency component is introduced.
10 exemplarily shows information entropy derived from current information of a photovoltaic facility.
11 exemplarily shows information entropy derived from a value obtained by quantizing current information of a photovoltaic power generation facility.
12 shows the graph of FIG. 11 with different scales.
13 exemplarily shows a change form of a current when an arc is generated.
14 exemplarily shows a form in which a time series signal of current is converted into an increase/decrease time series signal.
15 exemplarily shows information entropy according to time series for an increase/decrease time series signal.
FIG. 16 corresponds to an enlarged graph of the portion indicated in FIG. 15 .
17 schematically shows overall steps of an arc detection method according to an embodiment of the present invention.
18 shows an experimental result of an arc detection method according to an embodiment of the present invention.
19 schematically illustrates a method for determining an arc detection step according to an embodiment of the present invention.
20 schematically illustrates an internal configuration of a computing device according to an embodiment of the present invention.
이하에서는, 다양한 실시예들 및/또는 양상들이 이제 도면들을 참조하여 개시된다. 하기 설명에서는 설명을 목적으로, 하나이상의 양상들의 전반적 이해를 돕기 위해 다수의 구체적인 세부사항들이 개시된다. 그러나, 이러한 양상(들)은 이러한 구체적인 세부사항들 없이도 실행될 수 있다는 점 또한 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 인식될 수 있을 것이다. 이후의 기재 및 첨부된 도면들은 하나 이상의 양상들의 특정한 예시적인 양상들을 상세하게 기술한다. 하지만, 이러한 양상들은 예시적인 것이고 다양한 양상들의 원리들에서의 다양한 방법들 중 일부가 이용될 수 있으며, 기술되는 설명들은 그러한 양상들 및 그들의 균등물들을 모두 포함하고자 하는 의도이다.In the following, various embodiments and/or aspects are now disclosed with reference to the drawings. In the following description, for purposes of explanation, numerous specific details are set forth to provide a thorough understanding of one or more aspects. However, it will also be recognized by one of ordinary skill in the art that such aspect(s) may be practiced without these specific details. The following description and accompanying drawings set forth in detail certain illustrative aspects of one or more aspects. These aspects are illustrative, however, and some of the various methods in principles of various aspects may be employed, and the descriptions set forth are intended to include all such aspects and their equivalents.
또한, 다양한 양상들 및 특징들이 다수의 디바이스들, 컴포넌트들 및/또는 모듈들 등을 포함할 수 있는 시스템에 의하여 제시될 것이다. 다양한 시스템들이, 추가적인 장치들, 컴포넌트들 및/또는 모듈들 등을 포함할 수 있다는 점 그리고/또는 도면들과 관련하여 논의된 장치들, 컴포넌트들, 모듈들 등 전부를 포함하지 않을 수도 있다는 점 또한 이해되고 인식되어야 한다.Further, various aspects and features will be presented by a system that may include a number of devices, components and/or modules, and the like. It is also noted that various systems may include additional apparatuses, components, and/or modules, etc. and/or may not include all of the apparatuses, components, modules, etc. discussed with respect to the drawings. must be understood and recognized.
본 명세서에서 사용되는 "실시예", "예", "양상", "예시" 등은 기술되는 임의의 양상 또는 설계가 다른 양상 또는 설계들보다 양호하다거나, 이점이 있는 것으로 해석되지 않을 수도 있다. 아래에서 사용되는 용어들 '~부', '컴포넌트', '모듈', '시스템', '인터페이스' 등은 일반적으로 컴퓨터 관련 엔티티(computer-related entity)를 의미하며, 예를 들어, 하드웨어, 하드웨어와 소프트웨어의 조합, 소프트웨어를 의미할 수 있다.As used herein, “embodiment”, “example”, “aspect”, “exemplary”, etc. may not be construed as an advantage or an advantage in any aspect or design described above over other aspects or designs. . The terms '~part', 'component', 'module', 'system', 'interface', etc. used below generally mean a computer-related entity, for example, hardware, hardware A combination of and software may mean software.
또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하지만, 하나이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다.Also, the terms "comprises" and/or "comprising" mean that the feature and/or element is present, but excludes the presence or addition of one or more other features, elements and/or groups thereof. should be understood as not
또한, 제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.Also, terms including an ordinal number such as first, second, etc. may be used to describe various elements, but the elements are not limited by the terms. The above terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, a first component may be referred to as a second component, and similarly, a second component may also be referred to as a first component. and/or includes a combination of a plurality of related listed items or any of a plurality of related listed items.
또한, 본 발명의 실시예들에서, 별도로 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 발명의 실시예에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.In addition, in the embodiments of the present invention, unless otherwise defined, all terms used herein, including technical or scientific terms, are generally understood by those of ordinary skill in the art to which the present invention belongs. have the same meaning as Terms such as those defined in a commonly used dictionary should be interpreted as having a meaning consistent with the meaning in the context of the related art, and unless explicitly defined in an embodiment of the present invention, an ideal or excessively formal meaning is not interpreted as
도 3은 본 발명의 실시예들에 따른 아크검출방법이 수행되는 아크검출장치의 구현형태를 개략적으로 도시한다.3 schematically shows an implementation form of an arc detection apparatus in which an arc detection method according to embodiments of the present invention is performed.
도 3의 (A)는 별도의 컴퓨팅 장치로 아크검출장치가 구현되는 형태를 도시한다. 도 3의 (A)의 컴퓨팅 장치는 태양광발전설비를 모니터링, 제어, 판단 등을 구현하기 위한 RTU(Remote Terminal Unit)에 해당할 수 있고, 일종의 EDGE COMPUTING 을 위한 장치에 해당할 수 있다. 이와 같은 컴퓨팅장치는 서버시스템 등의 타컴퓨터 장치와 데이터 송수신을 수행할 수 있다. 도 3의 (A)의 컴퓨팅 장치는 일종의 서버 시스템에 해당할 수도 있다.3A shows a form in which the arc detection device is implemented as a separate computing device. The computing device of (A) of FIG. 3 may correspond to a Remote Terminal Unit (RTU) for implementing monitoring, control, judgment, etc. of a solar power generation facility, and may correspond to a device for a kind of EDGE COMPUTING. Such a computing device may transmit/receive data to and from another computer device such as a server system. The computing device of FIG. 3A may correspond to a kind of server system.
혹은, 상기 아크검출장치는 아크검출만을 위한 인버터 외의 별도의 연산장치에 해당할 수도 있다.Alternatively, the arc detection device may correspond to a separate arithmetic device other than the inverter for arc detection only.
도 3의 (A)에 도시된 바와 같이, 각각의 PV모듈 사이의 배선('제1라인'으로 표기) 으로부터 전압 혹은 전류를 아크검출장치가 수신하여, 아크검출을 수행하거나, 혹은 직렬 혹은 병렬적으로 연결된 PV모듈 집합의 일단과 인버터 사이의 지점('제2라인'으로 표기)으로부터 전압 혹은 전류신호를 아크검출장치가 수신하여, 아크검출을 수행하거나, 혹은 인버터로부터 인버터에서 측정한 전압 혹은 전류신호를 아크검출장치가 수신하여 아크검출을 수행할 수도 있다.As shown in (A) of Figure 3, the arc detection device receives the voltage or current from the wiring (represented as 'first line') between each PV module and performs arc detection, or in series or parallel The arc detection device receives a voltage or current signal from the point between one end of the set of PV modules connected to the inverter and the inverter (indicated as 'second line') and performs arc detection, or the voltage or current measured by the inverter from the inverter. The arc detection device may receive the current signal to perform arc detection.
도 3의 (B)는 인버터 내부에 아크검출장치가 내장된 형태이다. 이 경우, 아크검출장치는 일종의 내장 모듈로서 기능할 수 있고, 프로세서 및 메모리 등을 인버터 내부의 요소와 공유하거나 혹은 별도로 구비될 수 있다. 3B is a form in which an arc detection device is built inside the inverter. In this case, the arc detection device may function as a kind of built-in module, and the processor and memory may be shared with elements inside the inverter or may be provided separately.
도 3의 (C)는 태양광발전설비 중간 혹은 일단부의 전류 혹은 전압을 측정하는 별도의 측정장치로부터 수신한 전류 혹은 전압에 기초하여, 아크검출장치가 동작하는 형태에 해당한다.3(C) corresponds to a form in which the arc detection device operates based on the current or voltage received from a separate measuring device for measuring the current or voltage in the middle or one end of the photovoltaic power generation facility.
본 발명에 따른 아크검출장치의 실시예는 도 3에 도시된 형태 외의 다른 형태로도 구현이 될 수 있다. 컴퓨팅장치는 아크검출장치의 기능만을 수행하는 것이 아니라, 태양광발전 혹은 다른 설비의 제어, 모니터링 등과 관련된 기능을 수행할 수 있다.The embodiment of the arc detection device according to the present invention may be implemented in a form other than the form shown in FIG. 3 . The computing device may not only perform the function of the arc detection device, but may also perform functions related to control and monitoring of photovoltaic power generation or other facilities.
도 4는 본 발명의 실시예들에 따른 아크검출방법 및 아크검출장치의 세부 구성들을 개략적으로 도시한다. 4 schematically shows detailed configurations of an arc detecting method and an arc detecting device according to embodiments of the present invention.
도 4의 (A)에 도시된 바와 같이, 본 발명의 실시예들에 태양광발전설비의 아크검출방법은 따른 1 이상의 프로세서 및 메모리를 포함하는 컴퓨팅장치에서 수행되고, 태양광발전설비의 특정 지점에서의 전류 혹은 전압의 시계열신호를 수신하는 시계열신호수신단계(S100); 상기 시계열신호로부터 직접적으로 혹은 간접적으로 시작시점이 상이한 각각의 슬라이딩윈도우 구간에서의 정보엔트로피값를 산출함으로써, 각각의 시작시점에 대한 정보엔트로피값를 포함하는 시계열정보엔트로피를 도출하는 정보엔트로피도출단계(S200); 상기 시계열정보엔트로피에서 시간의 지남에 따른 정보엔트로피값의 변화가 기설정된 1 이상의 기준에 부합하는 지 여부에 기초하여 해당 태양광발전설비에 아크발생 정보를 도출하는 아크검출단계(S300);를 포함한다.As shown in (A) of Figure 4, the arc detection method of the photovoltaic facility in the embodiments of the present invention is performed in a computing device including one or more processors and memory according to the embodiment, and a specific point of the photovoltaic facility A time series signal receiving step of receiving a time series signal of current or voltage in (S100); The information entropy derivation step of deriving the time series information entropy including the information entropy value for each start time by calculating the information entropy value in each sliding window section having a different start time directly or indirectly from the time series signal (S200) ; In the time series information entropy, an arc detection step (S300) of deriving arc generation information to the photovoltaic facility based on whether the change in the information entropy value over time meets one or more preset criteria; includes; do.
도 4의 (B)는 전술한 아크검출방법을 수행하는 아크검출장치의 내부 구성을 도시하고, 시계열신호수신부(310), 정보엔트로피도출부(320), 및 아크검출부(330)는 각각 시계열수신단계(S100), 정보엔트로피도출단계(S200), 및 아크검출단계(S300)을 수행한다.4B shows an internal configuration of an arc detection device for performing the above-described arc detection method, and the time series
도 5는 본 발명의 일 실시예에 따른 시계열신호로부터 시계열정보엔트로피를 도출하는 과정을 개략적으로 도시한다.5 schematically illustrates a process of deriving time series information entropy from a time series signal according to an embodiment of the present invention.
상기 정보엔트로피값는 퍼지엔트로피값을 포함하고, 상기 퍼지엔트로피값은 크기 m의 슬라이딩윈도우를 적용하는 경우, m개의 연속된 상기 시계열신호로부터 도출된다.The information entropy value includes a fuzzy entropy value, and the fuzzy entropy value is derived from m consecutive time series signals when a sliding window of size m is applied.
모든 신호와 패턴은 수학적으로 차원이 정해진 데이터라고 볼 수 있으며, 데이터의 구성 성분인 숫자들이 얼마나 규칙적인지 혹은 불규칙적인지에 따라 신호와 패턴의 정보량도 달라진다. All signals and patterns can be viewed as mathematically dimensioned data, and the amount of information in signals and patterns also varies depending on how regular or irregular the numbers, which are components of the data, are.
정보량은 데이터의 복잡도와 관련이 있으며, 따라서 이러한 복잡도를 정량적으로 측정하는 것은 신호와 패턴에 대한 보다 깊은 이해를 가능하게 한다. The amount of information is related to the complexity of the data, so quantitatively measuring this complexity enables a deeper understanding of signals and patterns.
본 명세서에서의 정보엔트로피는 
본 발명의 바람직한 실시예에서는, 신호복잡성에 대하여 가장 강건한 성능을 보여주는 '퍼지엔트로피' 를 엔트로피 정량화 수단을 적용한다.In a preferred embodiment of the present invention, 'fuzzy entropy', which shows the most robust performance against signal complexity, is applied as an entropy quantification means.
이하에서는 본 발명의 일 실시예에 따른 퍼지엔트로피를 계산하는 방식에 대하여 설명하도록 한다. Hereinafter, a method of calculating fuzzy entropy according to an embodiment of the present invention will be described.
Fuzzy function 
여기서, 
한편, 각각의 
크기 
유한한 데이터셋의 경우에는, 퍼지엔트로피는 하기의 식으로 표현될 수 있다.In the case of a finite dataset, fuzzy entropy can be expressed by the following equation.
도 5에서는 전압 혹은 전류의 시계열신호 혹은 도 6, 7을 참조하여 설명할 시계열 변환신호에 대하여 각각의 시작시점으로부터 크기 m의 슬라이딩 윈도우를 적용하여, 각각의 시점(시작시점)에 대해 정보엔트로피(바람직한 실시예에서는, 퍼지엔트로피)를 구한다. 이와 같이 각각의 시작시점에 대한 정보엔트로피 값의 시계열정보가 취합되어 시계열정보엔트로피로 도출되고, 상기 아크검출단계(S300)에서는 시계열정보엔트로피의 변화가 기설정된 1 이상의 기준을 충족하는 지에 따라 아크발생에 대한 1 이상의 판단을 도출할 수 있다.In FIG. 5, a sliding window of size m is applied from each start time to a time series signal of voltage or current or a time series converted signal to be described with reference to FIGS. 6 and 7, and information entropy ( In a preferred embodiment, fuzzy entropy) is obtained. In this way, time series information of information entropy values for each start time is collected and derived as time series information entropy, and in the arc detection step (S300), the change in time series information entropy meets one or more preset criteria. One or more judgments can be derived for .
도 6은 본 발명의 실시예들에 따라 시계열정보엔트로피를 도출하는 과정을 개략적으로 도시한다.6 schematically illustrates a process of deriving time series information entropy according to embodiments of the present invention.
도 7은 본 발명의 실시예들에 따라 시계열정보엔트로피를 도출하는 과정을 개략적으로 도시한다.7 schematically illustrates a process of deriving time series information entropy according to embodiments of the present invention.
본 발명의 실시예들에서는, 상기 정보엔트로피도출단계는, 상기 시계열신호가 x(k)로 표시되고, k는 1 이상의 자연수인 경우에, d(k)=x(k)-x(k-1)로 표시되거나 d(k)=x'(k)-x'(k-1)로 표시되는 증감시계열신호(d(k))를 도출하고, 여기서 x'(k)는 x(k)로부터 도출되는 변형정보에 해당하고, 상기 증감시계열신호에 기초하여, 직접적 혹은 간접적으로 각각의 시작시점에 대한 정보엔트로피값을 포함하는 시계열정보엔트로피를 도출한다. In the embodiments of the present invention, in the information entropy deriving step, when the time series signal is represented by x(k) and k is a natural number equal to or greater than 1, d(k)=x(k)-x(k-) 1) or d(k)=x'(k)-x'(k-1) derives an incremental time series signal d(k), where x'(k) is x(k) Corresponding to the transformation information derived from , based on the increase/decrease time series signal, the time series information entropy including the information entropy value for each start time is derived, either directly or indirectly.
위의 실시예들은 도 6에서 증감시계열정보로 시계열정보엔트로피를 도출하는 실시예 1 및 도 7에서의 실시예 4(변형정보에 해당하는 경우)를 포함한다. 이는, 낮시간에서의 발전량 변화에 따른 엔트로피 변화를 최소화함으로써, 보다 정확하게 엔트로피 변화에 기초한 아크검출을 수행할 수 있다.The above embodiments include Example 1 in which time series information entropy is derived from the increase/decrease time series information in FIG. 6 and Example 4 (corresponding to deformation information) in FIG. 7 . This minimizes the change in entropy according to the change in the amount of power generation during the day, so that arc detection based on the change in entropy can be more accurately performed.
본 발명의 실시예들에서는, 상기 정보엔트로피도출단계는, 상기 시계열신호가 x(k)로 표시되고, k는 1 이상의 자연수인 경우에, 각각의 시계열신호 혹은 상기 시계열신호로부터 도출된 변형신호의 값을 구간별로 양자화하여 q(k)로 표시되는 양자화시계열신호(q(k))를 도출하고, 상기 양자화시계열신호에 기초하여, 직접적 혹은 간접적으로 각각의 시작시점에 대한 정보엔트로피값을 포함하는 시계열정보엔트로피를 도출할 수 있다.In the embodiments of the present invention, in the information entropy deriving step, when the time series signal is represented by x(k), and k is a natural number equal to or greater than 1, each time series signal or a transformation signal derived from the time series signal. A quantization time-series signal (q(k)) expressed as q(k) is derived by quantizing a value by section, and based on the quantization time-series signal, directly or indirectly including an information entropy value for each start time Time series information entropy can be derived.
양자화는 특정 구간의 값을 하나의 값으로 양자화하는 것이다. 예를들어, 1~10 사이의 값은 5로 변환하고, 11~20 사이의 값은 15로 변환하는 것이 양자화의 일 예에 해당한다. Quantization is to quantize a value in a specific section into a single value. For example, converting a value between 1 and 10 into 5 and converting a value between 11 and 20 into 15 corresponds to an example of quantization.
이와 같은 양자화된 시계열정보를 사용함으로써, 태양광발전기가 동작하지 않는 구간에서 발생하는 센싱노이즈에 의한 아크검출의 판단오류를 방지할 수 있는 효과를 발휘할 수 있다.By using such quantized time series information, it is possible to exhibit an effect of preventing a judgment error of arc detection due to sensing noise generated in a section in which the photovoltaic generator does not operate.
도 7의 실시예 3은 시계열신호를 바로 양자화하여, 이에 기반하여 시계열정보엔트로피를 도출하는 형태에 해당하고, 도 6의 실시예 2는 변형신호(증감시계열정보)를 양자화하여 양자화시계열정보를 도출하고, 이를 기반으로 시계열정보엔트로피를 도출하는 실시예에 해당한다.Example 3 of FIG. 7 corresponds to a form of directly quantizing a time series signal and deriving time series information entropy based thereon, and Example 2 of FIG. 6 quantizes a transformed signal (increasing/decreasing time series information) to derive quantized time series information and corresponds to an embodiment in which time series information entropy is derived based on this.
본 발명의 바람직한 실시예는, 도 6에 도시된 바와 같이, 상기 정보엔트로피도출단계는, 상기 시계열신호가 x(k)로 표시되고, k는 1 이상의 자연수인 경우에, d(k)=x(k)-x(k-1)로 표시되는 증감시계열신호(d(k))를 도출하고, 상기 증감시계열신호을 구간별로 양자화하여 q(k)로 표시되는 양자화시계열신호(q(k))를 도출하고, 상기 양자화시계열신호에 기초하여, 직접적 혹은 간접적으로 각각의 시작시점에 대한 정보엔트로피값을 포함하는 시계열정보엔트로피를 도출한다.In a preferred embodiment of the present invention, as shown in FIG. 6 , in the information entropy derivation step, when the time series signal is represented by x(k) and k is a natural number equal to or greater than 1, d(k)=x An increase/decrease time series signal (d(k)) expressed by (k)-x(k-1) is derived, and the increase/decrease time series signal is quantized for each section, and a quantized time series signal expressed as q(k) (q(k)) and, based on the quantized time-series signal, directly or indirectly derives a time-series information entropy including an information entropy value for each start time.
도 8은 본 발명의 일 실시예에 따른 아크검출단계의 판단과정을 개략적으로 도시한다.8 schematically shows a determination process of an arc detection step according to an embodiment of the present invention.
본 발명의 실시예들에서는, 상기 아크검출단계는, 기설정된 시간 구간 내의 정보엔트로피값이 감소량이 기설정된 기준을 초과하는 경우에, 아크가 발생한 것으로 판단한다.In the embodiments of the present invention, the arc detection step determines that an arc has occurred when the amount of information entropy decrease within a preset time interval exceeds a preset criterion.
도 8에 도시된 바와 같이, 본 발명에서는 이전의 종래의 기술과 달리, 별도의 주파수 분석 없이 특정 시간동안의 정보엔트로피의 감소량이 큰 경우에, 아크가 발생한 것으로 판단한다. 이와 같은 본 발명은 연산량이 높게 요구되는 주파수 성분의 분석 없이, 아크 특성을 판단할 수 있기 때문에, 다양한 제어/모니터링 기능을 수행하는 RTU에 본 발명의 아크검출 로직을 추가한다고 하더라도, 적은 컴퓨팅 자원으로 아크검출을 수행할 수 있기 때문에, RTU의 다른 기능이 문제없이 수행되면서, 추가적으로 아크검출을 수행할 수 있는 이점이 있다.As shown in FIG. 8, in the present invention, unlike the prior art, when the amount of information entropy decrease for a specific time is large without separate frequency analysis, it is determined that an arc has occurred. Since the present invention can determine the arc characteristic without analyzing the frequency component that requires a high amount of computation, even if the arc detection logic of the present invention is added to the RTU that performs various control/monitoring functions, it requires a small amount of computing resources. Since arc detection can be performed, there is an advantage that arc detection can be additionally performed while other functions of the RTU are performed without problems.
도 9는 아크발생에 의하여, 새로운 주파수 성분이 유입될 때의 정보엔트로피의 변화량을 예시적으로 도시한다.9 exemplarily shows the amount of change in information entropy when a new frequency component is introduced by arc generation.
도 9의 그래프는 랜덤노이즈를 갖는 10Hz 의 정현파 신호(태양광발전설비의 전류 혹은 전압에 해당할 수 있음)에 600초 시점에서 70Hz, 1200초 근처 시점에서 100 Hz 의 추가적인 주파수 성분이 추가 되었을 시, 퍼지엔트로피의 변화를 보여준다. 도 9의 (A)는 시계열에 따른 신호정보를 보여주고, 도 9의 (B)는 일정 크기의 슬라이딩 윈도우를 적용하여 각각의 시작시점에서의 퍼지엔트로피를 계산하여 시간에 따른 그래프로 표시한 것에 해당한다.The graph of FIG. 9 shows when an additional frequency component of 70 Hz at 600 seconds and 100 Hz at a time near 1200 seconds is added to a 10 Hz sinusoidal signal with random noise (which may correspond to the current or voltage of a solar power generation facility). , shows the change in fuzzy entropy. Fig. 9 (A) shows signal information according to time series, and Fig. 9 (B) shows fuzzy entropy at each start time by applying a sliding window of a certain size, which is displayed as a graph according to time. corresponds to
본 발명에서는, 도 9에 도시된 바와 같이, 태양광발전설비의 태양광설비에서 발생하는 전류 혹은 전압에는 기본적인 비정형화된 노이즈 성분이 있고, 여기서 아크발생 등에 의하여 특정 신호가 유입되어 확실한 정보가 추가되는 경우에는 오히려 엔트로피의 감소가 이루어지는 것에 기반하여 아크검출을 수행한다.,In the present invention, as shown in Fig. 9, there is a basic unstructured noise component in the current or voltage generated in the photovoltaic facility of the photovoltaic power plant, where a specific signal is introduced due to arc generation, etc., and certain information is added In this case, arc detection is performed based on the decrease in entropy.
종래의 기술에서는 고Hz 샘플링을 기반으로 다양한 대역 필터를 이용하여 아크를 감지하나, 이 경우, 다양한 형태의 아크에 대해서 정확한 아크검출을 수행하기 어렵다는 문제점이 있다.In the prior art, arcs are detected using various band filters based on high Hz sampling, but in this case, there is a problem in that it is difficult to accurately detect arcs in various types of arcs.
또한, 기본적으로 고Hz 샘플링은 장비비용이 크게 증가하거나, 해당 장비를 현실적으로 설치하기 어렵다는 문제점이 있다. 본 발명에서는, 고Hz 샘플링 데이터 획득이 불가능할 경우라고 하더라도, 저Hz 샘플링(low sampling 또는 extremely low sampling)으로도 정확한 아크검출을 수행할 수 있다.In addition, basically, high Hz sampling has a problem in that equipment cost is greatly increased or it is difficult to install the corresponding equipment in reality. In the present invention, even when it is impossible to obtain high Hz sampling data, accurate arc detection can be performed even with low Hz sampling (low sampling or extremely low sampling).
위와 같은 퍼지엔트로피의 변화에 기반한 본 발명의 아크 검출은 원(raw) 신호대비 주파수 성분이 aliased 된 low sampled 시계열 신호를 사용하더라도, 퍼지엔트로피의 이동평균(moving average)의 변화를 이용함으로써, 정확한 아크를 감지할 수 있는 효과를 발휘할 수 있다.The arc detection of the present invention based on the change of fuzzy entropy as described above uses the change of the moving average of the fuzzy entropy even if a low sampled time series signal in which the frequency component is aliased compared to the raw signal is used. can have a detectable effect.
한편, 시계열정보엔트로피를 도출하기 위하여, m 크기의 sliding window 를 이용한 퍼지엔트로피 추정(Fuzzy entropy estimation)을 이용할 수 있다. 이 경우, sliding window 의 크기, time delay - tau, similarity measure threshold 값 r 의 설정에 따라, 엔트로피의 실질적인 증감은 변경될 수 있다. Meanwhile, in order to derive the time series information entropy, fuzzy entropy estimation using a sliding window of m size may be used. In this case, the actual increase or decrease of entropy may be changed according to the size of the sliding window, the time delay - tau, and the setting of the similarity measure threshold value r.
이와 같이, 퍼지엔트로피는 해당 설비의 특수성, 및 퍼지엔트로피 도출 관련 파라미터에 의하여 절대적인 값은 변화할 수 있다. 본 발명에서는 이와 같은 퍼지엔트로피의 절대값 자체 보다는 절대값의 변화값에 기초하여, 아크검출을 수행함으로써, 외부 환경에 보다 강건한(robust)한 아크 검출을 수행할 수 있다.As such, the absolute value of the fuzzy entropy may be changed according to the specificity of the corresponding facility and the parameters related to derivation of the fuzzy entropy. In the present invention, by performing arc detection based on the change value of the absolute value rather than the absolute value of the fuzzy entropy itself, it is possible to perform arc detection more robust to the external environment.
전술한 바와 같이, 종래의 기술에서 아크검출에 주파수 분석이 사용되는 이유는, 직/병렬 아크의 경우 공통적으로 정상상태에서는 관찰되지 않는 높은 주파수 성분이 새롭게 발생하기 때문이다. As described above, the reason why frequency analysis is used for arc detection in the prior art is that, in the case of series/parallel arcs, a high frequency component that is not commonly observed in a steady state is newly generated.
그런, 이와 같은 주파수성분에 기반한 분석은 전술한 바와 같은 한계점을 가지고 있고, 본 발명에서는 정상상태에서 없던 새로운 주파수 성분들이 발생하는 현상을 정보 엔트로피 관점에서 평균정보량의 증가에 따른 엔트로피의 변화로 해석함으로써, 보다 낮은 샘플링신호 및 낮은 컴퓨팅 자원으로 보다 정확한 아크검출을 수행할 수 있다.However, such frequency component-based analysis has the same limitations as described above, and in the present invention, the phenomenon of occurrence of new frequency components that did not exist in a steady state is interpreted as a change in entropy according to an increase in the average amount of information from the viewpoint of information entropy. , it is possible to perform more accurate arc detection with a lower sampling signal and lower computing resources.
특히, 주파수 분석기법의 경우 아크발생시 주파수 성분이 PV의 선로을 통과하면서 변조되는 현상이 발생하여 실제 현장에서 아크검출에 실패하는 경우가 종종 발생한다. 그러나, 본 발명의 정보엔트로피(바람직하게는 퍼지엔트로피) 기반의 분석은 결과적으로 적은 연산량으로 일정 에너지 이상을 갖는 주파수 성분의 증감 및 전류 혹은 전압신호의 급격한 변화 같은 추가적인 특징이 동시에 고려될 수 있기 때문에, 실제 다양한 형태의 아크검출에 있어 보다 강건한(robust) 한 성능을 얻을 수 있다.In particular, in the case of the frequency analysis technique, when an arc occurs, the frequency component is modulated while passing through the PV line, so arc detection often fails in the actual field. However, the information entropy (preferably fuzzy entropy)-based analysis of the present invention results in additional features such as increase/decrease of a frequency component having a certain energy or more and a sudden change in a current or voltage signal with a small amount of computation. In fact, more robust performance can be obtained in detecting various types of arcs.
도 10은 태양광발전설비의 전류 정보로부터 도출된 정보엔트로피를 예시적으로 도시한다.10 exemplarily shows information entropy derived from current information of a photovoltaic facility.
도 10은 실제 태양광 발전 플랜트에서 1초간격으로 샘플링된 PV string 의 전류를 low sampling(1/60 으로 down sample) 하여 퍼지엔트로피를 계산한 결과를 도시한다. 파란색 그래프는 시계열에 따른 전류정보에 해당하고, 붉은색 그래프는 시계열에 따른 퍼지엔트로피정보에 해당한다.10 shows the results of calculating the fuzzy entropy by low sampling (down-sampled to 1/60) the current of the PV string sampled at intervals of 1 second in an actual solar power plant. The blue graph corresponds to the current information according to the time series, and the red graph corresponds to the fuzzy entropy information according to the time series.
도 10은 16일 동안의 태양광발전설비의 특정 지점의 전류값의 시계열 정보에 해당할 수 있다.10 may correspond to time series information of the current value of a specific point of the photovoltaic facility for 16 days.
도 10에 도시된 그래프에서 보면 발전량이 없는 시간대 구간(저녁~새벽)의 엔트로피값(퍼지엔트로피값)이 발전시간대보다 높게 나타남을 볼 수 있다. 이와 같이 비 발전시간대의 엔트로피가 높게 나온 원인은 우측 그래프에서 볼 수 있듯이 센싱노이즈에 기인한다. 비 발전시간대의 경우 O&M 관점에서 관심도가 낮은 구간이기에 센싱노이즈로 인한 엔트로피를 제거하는 것이 엔트로피 기반 분석에 보다 효율적이다.From the graph shown in FIG. 10 , it can be seen that the entropy value (fuzzy entropy value) of the time period section (evening to dawn) in which there is no power generation is higher than the power generation time period. As can be seen from the graph on the right, the reason for the high entropy in the non-generation time period is the sensing noise. In the case of the non-generation time period, it is more efficient for entropy-based analysis to remove entropy due to sensing noise because it is a section with low interest from the O&M point of view.
도 11은 태양광발전설비의 전류 정보를 양자화한 값으로부터 도출된 정보엔트로피를 예시적으로 도시한다.11 exemplarily shows information entropy derived from a value obtained by quantizing current information of a photovoltaic power generation facility.
전술한 센싱 노이즈는 실제 발전구간에도 존재하기 때문에 시간대를 불문하고 센싱 노이즈를 제거하는 경우에, 전체적인 아크 검출의 정확도를 높일 수 있다.Since the above-described sensing noise is also present in the actual power generation section, when the sensing noise is removed regardless of the time period, the accuracy of the overall arc detection can be increased.
본 발명의 바람직한 실시예에서는, 시계열에 따른 전압, 전류, 혹은 전압/전류로부터 도출된 신호를 양자화함으로써, 이에 대한 노이즈를 제거할 수 있다. 더욱 바람직하게는, 센싱 노이즈의 레벨을 양자화(scalar quantization)의 최소 단위로 설정함으로써, 정보엔트로피(바람직하게는, 퍼지엔트로피) 계산 시 센싱 노이즈의 영향을 제거하는 방법을 채택한다.In a preferred embodiment of the present invention, by quantizing a signal derived from voltage, current, or voltage/current according to time series, noise can be removed. More preferably, by setting the level of sensing noise as a minimum unit of scalar quantization, a method of removing the influence of sensing noise when calculating information entropy (preferably, fuzzy entropy) is adopted.
도 11은 도 10에서의 시계열신호를 양자화하여, 양자화시계열신호를 도출한 결과를 도시한다. 도 11에서는 양자화를 통하여, 결과적으로 센싱노이즈를 제거하였다. 도 11에 도시된 바와 같이, 발전이 되지 않는 구간에서의 정보엔트로피값의 변화량 및/또는 절대값이 대폭적으로 감소함을 알 수 있다.11 shows a result of deriving a quantized time series signal by quantizing the time series signal in FIG. 10 . 11, through quantization, as a result, sensing noise is removed. As shown in FIG. 11 , it can be seen that the amount of change and/or the absolute value of the information entropy value in the section in which electricity is not generated is significantly reduced.
도 12는 도 11의 그래프를 스케일을 달리하여 도시한다. 도 12의 상측의 그래프는 시간에 따른 태양광발전설비의 발전량을 도시하고, 도 12의 하측의 그래프는 시간에 따른 정보엔트로피를 도시한다.12 shows the graph of FIG. 11 with different scales. The upper graph of FIG. 12 shows the amount of power generation of the photovoltaic facility over time, and the lower graph of FIG. 12 shows information entropy over time.
도 12는 마찬가지로, 총 16일 동안의 데이터에 해당한다.12 also corresponds to data for a total of 16 days.
전술한 바와 같이, 양자화를 통해 센싱노이즈를 제거한 양자화시계열신호를 도출하여, 이와 같은 양자화시계열신호에 기초하여 정보엔트로피를 도출한다고 하더라도, 도 12에 도시된 아래측 그래프에서와 같이 하루 중 시간대별 조사(irradiation)량 변화의 정보엔트로피에 대한 영향은 남아있다.As described above, even if a quantized time-series signal from which sensing noise is removed through quantization is derived and information entropy is derived based on such a quantized time-series signal, as in the lower graph shown in FIG. (Irradiation) The effect on information entropy of change of quantity remains.
도 12의 그래프에서는 주황색 사각형안에 해당하는 6, 7, 8 일의 경우 다른 날들에서 관찰되는 partial shading, open circuit 등의 이상이 없음에도 퍼지 엔트로피 추정치는 시간에 따라 변화하는 행태를 보여주고 있다. 즉, 주파수 성분의 변화가 없음 혹은 적음에도 정보엔트로피(혹은 퍼지엔트로피)에는 시간대별 추세가 반영되었기 때문에, 도 8을 참조하여 설명한 규칙을 그대로 적용하는 경우에, 조사량/발전량의 변화를 아크의 발생으로 판단할 수 있다는 문제점이 있다.In the graph of FIG. 12 , in the case of
도 13은 아크 발생시의 전류의 변화형태를 예시적으로 도시한다.13 exemplarily shows a change form of a current when an arc is generated.
본 발명의 일 실시예에서는, 전류 혹은 전압의 시계열신호의 시간대별 트랜드를 제거하기 위해서, 상기 시계열신호가 x(k)로 표시되고, k는 1 이상의 자연수인 경우에, d(k)=x(k)-x(k-1)로 표시되거나 d(k)=x'(k)-x'(k-1)로 표시되는 증감시계열신호(d(k))를 도출하고, 여기서 x'(k)는 x(k)로부터 도출되는 변형정보에 해당하고, 상기 증감시계열신호에 기초하여, 직접적 혹은 간접적으로 각각의 시작시점에 대한 정보엔트로피값을 포함하는 시계열정보엔트로피를 도출한다.In one embodiment of the present invention, in order to remove the trend by time of the time series signal of current or voltage, when the time series signal is expressed as x(k) and k is a natural number equal to or greater than 1, d(k)=x Derive an incremental time series signal (d(k)) expressed as (k)-x(k-1) or expressed as d(k)=x'(k)-x'(k-1), where x' (k) corresponds to the transformation information derived from x(k), and based on the increase/decrease time series signal, directly or indirectly derives the time series information entropy including the information entropy value for each start time.
이와 같은 증감시계열신호에 기초한 정보엔트로피값을 도출하는 경우에는, 도 13의 그래프에서 보여주듯 전류가 급격히 감소하고 고주파 성분이 증가하는 직렬 아크 발생의 상황을 정확하게 검출할 수 있는 이점이 있다.In the case of deriving the information entropy value based on such an increase/decrease time series signal, as shown in the graph of FIG. 13 , there is an advantage in that it is possible to accurately detect the occurrence of a series arc in which the current rapidly decreases and the high frequency component increases.
도 14는 전류의 시계열신호를 증감시계열신호로 변환한 형태를 예시적으로 도시한다. 도 14의 상측의 그래프는 16일 간 선로의 전류 시계열 신호를 도시하고, 하측의 그래프는 전류 시계열신호로부터 도출된 증감시계열신호를 도시한다.14 exemplarily shows a form in which a time series signal of current is converted into an increase/decrease time series signal. The upper graph of FIG. 14 shows the current time series signal of the line for 16 days, and the lower graph shows the increase/decrease time series signal derived from the current time series signal.
도 15는 증감시계열신호에 대한 시계열에 따른 정보엔트로피를 예시적으로 도시한다. 도 15의 상측의 그래프는 증감시계열신호에 해당하고, 도 15의 하측의 그래프는 증감시계열신호에 대한 정보엔트로피의 시계열정보에 해당한다. 도 16은 도 15의 표시된 부분의 확대된 그래프에 해당한다.15 exemplarily shows information entropy according to time series for an increase/decrease time series signal. The upper graph of FIG. 15 corresponds to an increase/decrease time series signal, and the lower graph of FIG. 15 corresponds to time series information of information entropy for the increase/decrease time series signal. FIG. 16 corresponds to an enlarged graph of the portion indicated in FIG. 15 .
도 16의 (A)는 전류의 시계열신호에 대해서 증감시계열신호를 도출하고, 시계ㅖ열신호의 변형정보에 해당하는 증감시계열신호를 양자화하여, 양자화시계열신호를 도출한 후에, 이로부터 각각의 시작시점에 대한 퍼지엔트로피를 계산한 결과에 해당한다. 16A shows an increase/decrease time series signal with respect to a time series signal of current, quantize an increase/decrease time series signal corresponding to deformation information of the time series signal, and derive a quantized time series signal, and then each start from this It corresponds to the result of calculating the fuzzy entropy for the time point.
이와 같은 퍼지엔트로피의 시계열 정보(도 16의 하측그래프)에는 센싱노이즈에 대한 영향 및 발전량/조사량에 따른 영향이 최소화된 신호에 해당하고, 이와 같은 퍼지엔트로피 정보에 대하여 도 8과 같은 판단규칙을 적용하는 경우, 보다 정확한 아크검출을 수행할 수 있다.Such time series information of fuzzy entropy (lower graph of FIG. 16) corresponds to a signal in which the effect on the sensing noise and the effect of the power generation/irradiation amount are minimized, and the judgment rule as shown in FIG. 8 is applied to this fuzzy entropy information In this case, more accurate arc detection can be performed.
도 17은 본 발명의 일 실시예에 따른 아크검출방법의 전체적인 단계들을 개략적으로 도시한다.17 schematically shows overall steps of an arc detection method according to an embodiment of the present invention.
단계 S100은 기본적으로 전류 혹은 전압의 시계열신호를 수신한다. 바람직하게는, 전류의 시계열신호를 이용한다. Step S100 basically receives a time series signal of current or voltage. Preferably, a time series signal of current is used.
한편, 단계 S200에 해당하는 정보엔트로피도출단계는, 상기 시계열신호가 x(k)로 표시되고, k는 1 이상의 자연수인 경우에, d(k)=x(k)-x(k-1)로 표시되는 증감시계열신호(d(k))를 도출하는 단계(S210); 상기 증감시계열신호을 구간별로 양자화하여 q(k)로 표시되는 양자화시계열신호(q(k))를 도출하는 단계(S220); 상기 양자화시계열신호에 기초하여, 직접적 혹은 간접적으로 각각의 시작시점에 대한 정보엔트로피값을 포함하는 시계열정보엔트로피를 도출하는 단계(S230)을 포함한다.Meanwhile, in the information entropy derivation step corresponding to step S200, when the time series signal is represented by x(k) and k is a natural number equal to or greater than 1, d(k)=x(k)-x(k-1) deriving an increase/decrease time series signal d(k) represented by (S210); deriving a quantized time-series signal (q(k)) expressed as q(k) by quantizing the increase/decrease time-series signal for each section (S220); and deriving a time series information entropy including an information entropy value for each start time directly or indirectly based on the quantized time series signal (S230).
본 발명의 바람직한 실시예에서의 상기 아크검출단계(S300)은, 기설정된 시간 구간 내의 정보엔트로피값이 감소량이 기설정된 제1기준을 초과하고, 전류가 증가하는 경우에는 병렬아크가 발생하였다고 판단하고(S320), 기설정된 시간 구간 내의 정보엔트로피값이 감소량이 기설정된 제2기준을 초과하고, 전류가 감소하는 경우에는 직렬아크가 발생하였다고 판단한다(S330). In the arc detection step (S300) in a preferred embodiment of the present invention, when the amount of decrease in the information entropy value within a preset time period exceeds a preset first criterion and the current increases, it is determined that a parallel arc has occurred, and (S320), when the amount of decrease in the information entropy value within the preset time interval exceeds the preset second criterion and the current decreases, it is determined that a series arc has occurred (S330).
여기서, 전류가 증가하는 경우, 혹은 전류가 감소하는 경우는, 기설정된 시간 동안의 변화량이 일정 임계수치를 초과하였는지 여부에 따라서 판단될 수 있다.Here, when the current increases or the current decreases, it may be determined according to whether the amount of change for a preset time exceeds a predetermined threshold value.
도 18은 본 발명의 일 실시예에 따른 아크검출방법의 실험결과를 도시한다.18 shows an experimental result of an arc detection method according to an embodiment of the present invention.
도 16의 (A)는 하루 동안의 태양광 조사량을 도시하고, 도 16의 (B)는 전류의 시계열신호를 도시하고, 도 16의 (C)는 전류에 따른 시계열신호를 증감신호 처리 및 양자화 처리한 변형신호에 대한 시간에 따른 퍼지엔트로피를 도시하고, 도 16의 (D)는 전류의 시계열신호의 증감신호에 해당한다.Fig. 16 (A) shows the amount of sunlight irradiation during one day, Fig. 16 (B) shows a time series signal of the current, and Fig. 16 (C) shows the increase/decrease signal processing and quantization of the time series signal according to the current. The fuzzy entropy according to time for the processed transformed signal is shown, and FIG. 16(D) corresponds to the increase/decrease signal of the time series signal of the current.
도 18의 (B)에서는 아크에 의하여 (A)의 태양광 조사량과 다른 형태의 양상이 표현된다. 반면, 태양광발전설비가 정상인 경우 전류신호의 시계열신호는 태양광 조사량의 시계열 신호와 유사한 형태를 갖는다.In (B) of FIG. 18, an aspect different from the amount of sunlight irradiation in (A) is expressed by the arc. On the other hand, when the photovoltaic power generation facility is normal, the time series signal of the current signal has a similar shape to the time series signal of the amount of sunlight.
도 18의 그래프에서는 1.8x103 (sec) 근방에서 Arc 발생이 시작하였고, 이에 따라 전류의 급격한 감소 발생후, Arc 가 발생하는 구간 동안 새로운 주파수 성분이 발생하였고 이 구간 동안 엔트로피가 감소하는 것을 관찰 할 수 있다. 이 경우, 기설정된 시간 구간 동안의 엔트로피의 감소량은 다른 구간에 비하여 뚜렷하게 높음을 알 수 있다.In the graph of FIG. 18, arc generation started near 1.8x10 3 (sec), and accordingly, after a sharp decrease in current, a new frequency component was generated during the arc generation section, and it can be observed that entropy decreases during this section. can In this case, it can be seen that the amount of decrease in entropy during the preset time period is significantly higher than that of other periods.
도 19는 본 발명의 일 실시예에 따른 아크검출단계의 판단방법에 대해 개략적으로 도시한다. 19 schematically illustrates a method for determining an arc detection step according to an embodiment of the present invention.
도 19에는 도 18의 (C)와 동일한 측정그래프 및 동일한 스케일의 기준그래프가 도시되어 있다.19 shows the same measurement graph as that of FIG. 18(C) and the reference graph of the same scale.
본 발명의 일 실시예에서는, 기준그래프는 동일 혹은 유사한 환경(날짜, 기후 등)에 존재하는 1 이상의 다른 태양광 발전설비로부터 얻어진 그래프에 해당할 수 있다. 일 실시예로는, 각 시점에 대하여 복수의 태양광 발전설비의 퍼지 엔트로피 그래프의 평균치를 계산하여 기준그래프로 도출할 수 있다. 예를들어, 동일한 지역에 위치하는 다른 태양광 발전설비에서 동일한 날짜에 측정한 그래프를 기준그래프로 할 수 있다.In an embodiment of the present invention, the reference graph may correspond to a graph obtained from one or more other solar power generation facilities existing in the same or similar environment (date, climate, etc.). As an embodiment, the average value of the fuzzy entropy graphs of a plurality of photovoltaic power generation facilities may be calculated for each time point and derived as a reference graph. For example, a graph measured on the same day by other photovoltaic power generation facilities located in the same area may be used as a reference graph.
본 발명의 일 실시예에서는, 기준그래프는 동일한 태양광발전설비의 1 이상의 이전의 퍼지 엔트로피 값에 기초하여 도출될 수 있다. 가장 간단하게는, 이전의 특정 날짜 중 환경(기후 등)이 유사한 날의 퍼지 엔트로피의 시계열정보가 기준그래프가 될 수 있다.In an embodiment of the present invention, the reference graph may be derived based on one or more previous fuzzy entropy values of the same photovoltaic facility. Most simply, time series information of fuzzy entropy of a day having a similar environment (climate, etc.) among previous specific dates may be a reference graph.
본 발명의 일 실시예에서는, 상기 아크검출단계는, 기준그래프와 측정그래프를 비교함으로써, 아크검출을 수행할 수 있다. 예를들어, 기준그래프에서 도출될 수 있는 특정 단위 시간 당 최대의 퍼지 엔트로피 감소량으로부터 임계수치를 결정하고, 이와 같은 임계수치를 상기 측정그래프에 적용함으로써, 아크 검출을 수행하는 경우, 해당 태양광 발전설비의 개별적인 동작환경이 고려된 보다 정확한 아크 검출을 수행할 수 있다. In an embodiment of the present invention, the arc detection step may perform arc detection by comparing the reference graph and the measurement graph. For example, when arc detection is performed by determining a threshold value from the maximum amount of fuzzy entropy reduction per specific unit time that can be derived from the reference graph and applying such a threshold value to the measurement graph, the corresponding solar power generation It is possible to perform more accurate arc detection considering the individual operating environment of the facility.
도 20은 본 발명의 일 실시예에 따른 컴퓨팅 장치의 내부 구성을 개략적으로 도시한다.20 schematically illustrates an internal configuration of a computing device according to an embodiment of the present invention.
도 20에 도시한 바와 같이, 컴퓨팅 장치(11000)은 적어도 하나의 프로세서(processor)(11100), 메모리(memory)(11200), 주변장치 인터페이스(peripheral interface)(11300), 입/출력 서브시스템(I/O subsystem)(11400), 전력 회로(11500) 및 통신 회로(11600)를 적어도 포함할 수 있다. 도 3의 컴퓨팅장치 혹은 아크검출장치에 해당할 수 있다.20, the
메모리(11200)는, 일례로 고속 랜덤 액세스 메모리(high-speed random access memory), 자기 디스크, 에스램(SRAM), 디램(DRAM), 롬(ROM), 플래시 메모리 또는 비휘발성 메모리를 포함할 수 있다. 메모리(11200)는 컴퓨팅 장치(11000)의 동작에 필요한 소프트웨어 모듈, 명령어 집합 또는 그밖에 다양한 데이터를 포함할 수 있다.The
이때, 프로세서(11100)나 주변장치 인터페이스(11300) 등의 다른 컴포넌트에서 메모리(11200)에 액세스하는 것은 프로세서(11100)에 의해 제어될 수 있다.In this case, access to the
주변장치 인터페이스(11300)는 컴퓨팅 장치(11000)의 입력 및/또는 출력 주변장치를 프로세서(11100) 및 메모리 (11200)에 결합시킬 수 있다. 프로세서(11100)는 메모리(11200)에 저장된 소프트웨어 모듈 또는 명령어 집합을 실행하여 컴퓨팅 장치(11000)을 위한 다양한 기능을 수행하고 데이터를 처리할 수 있다.
입/출력 서브시스템(11400)은 다양한 입/출력 주변장치들을 주변장치 인터페이스(11300)에 결합시킬 수 있다. 예를 들어, 입/출력 서브시스템(11400)은 모니터나 키보드, 마우스, 프린터 또는 필요에 따라 터치스크린이나 센서 등의 주변장치를 주변장치 인터페이스(11300)에 결합시키기 위한 컨트롤러를 포함할 수 있다. 다른 측면에 따르면, 입/출력 주변장치들은 입/출력 서브시스템(11400)을 거치지 않고 주변장치 인터페이스(11300)에 결합될 수도 있다.The input/output subsystem 11400 may couple various input/output peripherals to the
전력 회로(11500)는 단말기의 컴포넌트의 전부 또는 일부로 전력을 공급할 수 있다. 예를 들어 전력 회로(11500)는 전력 관리 시스템, 배터리나 교류(AC) 등과 같은 하나 이상의 전원, 충전 시스템, 전력 실패 감지 회로(power failure detection circuit), 전력 변환기나 인버터, 전력 상태 표시자 또는 전력 생성, 관리, 분배를 위한 임의의 다른 컴포넌트들을 포함할 수 있다.The
통신 회로(11600)는 적어도 하나의 외부 포트를 이용하여 다른 컴퓨팅 장치와 통신을 가능하게 할 수 있다.The
또는 상술한 바와 같이 필요에 따라 통신 회로(11600)는 RF 회로를 포함하여 전자기 신호(electromagnetic signal)라고도 알려진 RF 신호를 송수신함으로써, 다른 컴퓨팅 장치와 통신을 가능하게 할 수도 있다.Alternatively, as described above, if necessary, the
이러한 도 20의 실시예는, 컴퓨팅 장치(11000)의 일례일 뿐이고, 컴퓨팅 장치(11000)은 도 20에 도시된 일부 컴포넌트가 생략되거나, 도 20에 도시되지 않은 추가의 컴포넌트를 더 구비하거나, 2개 이상의 컴포넌트를 결합시키는 구성 또는 배치를 가질 수 있다. 예를 들어, 모바일 환경의 통신 단말을 위한 컴퓨팅 장치는 도 20에 도시된 컴포넌트들 외에도, 터치스크린이나 센서 등을 더 포함할 수도 있으며, 통신 회로(1160)에 다양한 통신방식(WiFi, 3G, LTE, Bluetooth, NFC, Zigbee 등)의 RF 통신을 위한 회로가 포함될 수도 있다. 컴퓨팅 장치(11000)에 포함 가능한 컴포넌트들은 하나 이상의 신호 처리 또는 어플리케이션에 특화된 집적 회로를 포함하는 하드웨어, 소프트웨어, 또는 하드웨어 및 소프트웨어 양자의 조합으로 구현될 수 있다.This embodiment of FIG. 20 is only an example of the
본 발명의 실시예에 따른 방법들은 다양한 컴퓨팅 장치를 통하여 수행될 수 있는 프로그램 명령(instruction) 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 특히, 본 실시예에 따른 프로그램은 PC 기반의 프로그램 또는 모바일 단말 전용의 어플리케이션으로 구성될 수 있다. 본 발명이 적용되는 애플리케이션은 파일 배포 시스템이 제공하는 파일을 통해 이용자 단말에 설치될 수 있다. 일 예로, 파일 배포 시스템은 이용자 단말이기의 요청에 따라 상기 파일을 전송하는 파일 전송부(미도시)를 포함할 수 있다.Methods according to an embodiment of the present invention may be implemented in the form of program instructions that can be executed through various computing devices and recorded in a computer-readable medium. In particular, the program according to the present embodiment may be configured as a PC-based program or an application dedicated to a mobile terminal. The application to which the present invention is applied may be installed in the user terminal through a file provided by the file distribution system. For example, the file distribution system may include a file transmission unit (not shown) that transmits the file according to a request of the user terminal.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.As described above, although the embodiments have been described with reference to the limited embodiments and drawings, various modifications and variations are possible by those skilled in the art from the above description. For example, the described techniques are performed in a different order than the described method, and/or the described components of the system, structure, apparatus, circuit, etc. are combined or combined in a different form than the described method, or other components Or substituted or substituted by equivalents may achieve an appropriate result. Therefore, other implementations, other embodiments, and equivalents to the claims are also within the scope of the following claims.
Claims (8)
태양광발전설비의 특정 지점에서의 전류 혹은 전압의 시계열신호를 수신하는 시계열신호수신단계;
상기 시계열신호로부터 직접적으로 혹은 간접적으로 시작시점이 상이한 각각의 슬라이딩윈도우 구간에서의 정보엔트로피값를 산출함으로써, 각각의 시작시점에 대한 정보엔트로피값를 포함하는 시계열정보엔트로피를 도출하는 정보엔트로피도출단계; 및
상기 시계열정보엔트로피에서 시간의 지남에 따른 정보엔트로피값의 변화가 기설정된 1 이상의 기준에 부합하는 지 여부에 기초하여 해당 태양광발전설비에 아크발생 정보를 도출하는 아크검출단계;를 포함하고,
상기 정보엔트로피도출단계는,
상기 시계열신호가 x(k)로 표시되고, k는 1 이상의 자연수인 경우에, d(k)=x(k)-x(k-1)로 표시되거나 d(k)=x'(k)-x'(k-1)로 표시되는 증감시계열신호(d(k))를 도출하고, 여기서 x'(k)는 x(k)로부터 도출되는 변형정보에 해당하고,
상기 증감시계열신호에 기초하여, 직접적 혹은 간접적으로 각각의 시작시점에 대한 정보엔트로피값을 포함하는 시계열정보엔트로피를 도출하는, 태양광발전설비의 아크검출방법.
An arc detection method of a photovoltaic power generation facility performed in a computing device including one or more processors and memory, the method comprising:
A time series signal receiving step of receiving a time series signal of current or voltage at a specific point of the photovoltaic power generation facility;
an information entropy deriving step of deriving a time series information entropy including an information entropy value for each start time by directly or indirectly calculating an information entropy value in each sliding window section having a different start time from the time series signal; and
In the time series information entropy, an arc detection step of deriving arc generation information to the photovoltaic facility based on whether a change in information entropy value over time meets one or more preset criteria;
The information entropy derivation step is,
When the time series signal is expressed as x(k) and k is a natural number greater than or equal to 1, it is expressed as d(k)=x(k)-x(k-1) or d(k)=x'(k) Derives an increase/decrease time series signal d(k) represented by -x'(k-1), where x'(k) corresponds to the transformation information derived from x(k),
Based on the increase/decrease time series signal, directly or indirectly deriving a time series information entropy including the information entropy value for each start time, arc detection method of a photovoltaic power generation facility.
상기 정보엔트로피값는 퍼지엔트로피값을 포함하고,
상기 퍼지엔트로피값은 크기 m의 슬라이딩윈도우를 적용하는 경우, m개의 연속된 상기 시계열신호로부터 도출되는, 태양광발전설비의 아크검출방법.
The method according to claim 1,
The information entropy value includes a fuzzy entropy value,
The fuzzy entropy value is derived from m consecutive time series signals when a sliding window of size m is applied.
태양광발전설비의 특정 지점에서의 전류 혹은 전압의 시계열신호를 수신하는 시계열신호수신단계;
상기 시계열신호로부터 직접적으로 혹은 간접적으로 시작시점이 상이한 각각의 슬라이딩윈도우 구간에서의 정보엔트로피값를 산출함으로써, 각각의 시작시점에 대한 정보엔트로피값를 포함하는 시계열정보엔트로피를 도출하는 정보엔트로피도출단계; 및
상기 시계열정보엔트로피에서 시간의 지남에 따른 정보엔트로피값의 변화가 기설정된 1 이상의 기준에 부합하는 지 여부에 기초하여 해당 태양광발전설비에 아크발생 정보를 도출하는 아크검출단계;를 포함하고,
상기 정보엔트로피도출단계는,
상기 시계열신호가 x(k)로 표시되고, k는 1 이상의 자연수인 경우에, 각각의 시계열신호 혹은 상기 시계열신호로부터 도출된 변형신호의 값을 구간별로 양자화하여 q(k)로 표시되는 양자화시계열신호(q(k))를 도출하고,
상기 양자화시계열신호에 기초하여, 직접적 혹은 간접적으로 각각의 시작시점에 대한 정보엔트로피값을 포함하는 시계열정보엔트로피를 도출하는, 태양광발전설비의 아크검출방법.
An arc detection method of a photovoltaic power generation facility performed in a computing device including one or more processors and memory, the method comprising:
A time series signal receiving step of receiving a time series signal of current or voltage at a specific point of the photovoltaic power generation facility;
an information entropy deriving step of deriving a time series information entropy including an information entropy value for each start time by directly or indirectly calculating an information entropy value in each sliding window section having a different start time from the time series signal; and
In the time series information entropy, an arc detection step of deriving arc generation information to the photovoltaic facility based on whether a change in information entropy value over time meets one or more preset criteria;
The information entropy derivation step is,
When the time series signal is expressed as x(k) and k is a natural number greater than or equal to 1, a quantized time series expressed as q(k) by quantizing each time series signal or a value of a transformed signal derived from the time series signal for each section Derive the signal q(k),
Based on the quantized time-series signal, directly or indirectly deriving a time-series information entropy including information entropy value for each start time, arc detection method of a photovoltaic power generation facility.
태양광발전설비의 특정 지점에서의 전류 혹은 전압의 시계열신호를 수신하는 시계열신호수신단계;
상기 시계열신호로부터 직접적으로 혹은 간접적으로 시작시점이 상이한 각각의 슬라이딩윈도우 구간에서의 정보엔트로피값를 산출함으로써, 각각의 시작시점에 대한 정보엔트로피값를 포함하는 시계열정보엔트로피를 도출하는 정보엔트로피도출단계; 및
상기 시계열정보엔트로피에서 시간의 지남에 따른 정보엔트로피값의 변화가 기설정된 1 이상의 기준에 부합하는 지 여부에 기초하여 해당 태양광발전설비에 아크발생 정보를 도출하는 아크검출단계;를 포함하고,
상기 정보엔트로피도출단계는,
상기 시계열신호가 x(k)로 표시되고, k는 1 이상의 자연수인 경우에, d(k)=x(k)-x(k-1)로 표시되는 증감시계열신호(d(k))를 도출하고,
상기 증감시계열신호을 구간별로 양자화하여 q(k)로 표시되는 양자화시계열신호(q(k))를 도출하고,
상기 양자화시계열신호에 기초하여, 직접적 혹은 간접적으로 각각의 시작시점에 대한 정보엔트로피값을 포함하는 시계열정보엔트로피를 도출하는, 태양광발전설비의 아크검출방법.
An arc detection method of a photovoltaic power generation facility performed in a computing device including one or more processors and memory, the method comprising:
A time series signal receiving step of receiving a time series signal of current or voltage at a specific point of the photovoltaic power generation facility;
an information entropy deriving step of deriving a time series information entropy including an information entropy value for each start time by directly or indirectly calculating an information entropy value in each sliding window section having a different start time from the time series signal; and
In the time series information entropy, an arc detection step of deriving arc generation information to the photovoltaic facility based on whether a change in information entropy value over time meets one or more preset criteria;
The information entropy derivation step is,
When the time series signal is expressed as x(k) and k is a natural number greater than or equal to 1, the increase/decrease time series signal d(k) expressed as d(k)=x(k)-x(k-1) derive,
quantizing the increase/decrease time series signal for each section to derive a quantized time series signal (q(k)) expressed as q(k),
Based on the quantized time-series signal, directly or indirectly deriving a time-series information entropy including information entropy value for each start time, arc detection method of a photovoltaic power generation facility.
상기 아크검출단계는,
기설정된 시간 구간 내의 정보엔트로피값이 감소량이 기설정된 기준을 초과하는 경우에, 아크가 발생한 것으로 판단하는, 태양광발전설비의 아크검출방법.
The method according to claim 1,
The arc detection step is
An arc detection method of a photovoltaic facility, which determines that an arc has occurred when the amount of decrease in the information entropy value within a preset time period exceeds a preset criterion.
태양광발전설비의 특정 지점에서의 전류 혹은 전압의 시계열신호를 수신하는 시계열신호수신단계;
상기 시계열신호로부터 직접적으로 혹은 간접적으로 시작시점이 상이한 각각의 슬라이딩윈도우 구간에서의 정보엔트로피값를 산출함으로써, 각각의 시작시점에 대한 정보엔트로피값를 포함하는 시계열정보엔트로피를 도출하는 정보엔트로피도출단계; 및
상기 시계열정보엔트로피에서 시간의 지남에 따른 정보엔트로피값의 변화가 기설정된 1 이상의 기준에 부합하는 지 여부에 기초하여 해당 태양광발전설비에 아크발생 정보를 도출하는 아크검출단계;를 포함하고,
상기 아크검출단계는,
기설정된 시간 구간 내의 정보엔트로피값이 감소량이 기설정된 제1기준을 초과하고, 전류가 증가하는 경우에는 병렬아크가 발생하였다고 판단하고,
기설정된 시간 구간 내의 정보엔트로피값이 감소량이 기설정된 제2기준을 초과하고, 전류가 감소하는 경우에는 직렬아크가 발생하였다고 판단하는, 태양광발전설비의 아크검출방법.
An arc detection method of a photovoltaic power generation facility performed in a computing device including one or more processors and memory, the method comprising:
A time series signal receiving step of receiving a time series signal of current or voltage at a specific point of the photovoltaic power generation facility;
an information entropy deriving step of deriving a time series information entropy including an information entropy value for each start time by directly or indirectly calculating an information entropy value in each sliding window section having a different start time from the time series signal; and
In the time series information entropy, an arc detection step of deriving arc generation information to the photovoltaic facility based on whether a change in information entropy value over time meets one or more preset criteria;
The arc detection step is
When the amount of decrease in the information entropy value within the preset time period exceeds the preset first criterion and the current increases, it is determined that a parallel arc has occurred,
An arc detection method of a photovoltaic power generation facility in which it is determined that a series arc has occurred when the information entropy value within a preset time period is reduced by a decrease amount exceeding a preset second criterion and the current is reduced.
상기 아크검출시스템은,
태양광발전설비의 특정 지점에서의 전류 혹은 전압의 시계열신호를 수신하는 시계열신호수신단계;
상기 시계열신호로부터 직접적으로 혹은 간접적으로 시작시점이 상이한 각각의 슬라이딩윈도우 구간에서의 정보엔트로피값를 산출함으로써, 각각의 시작시점에 대한 정보엔트로피값를 포함하는 시계열정보엔트로피를 도출하는 정보엔트로피도출단계; 및
상기 시계열정보엔트로피에서 시간의 지남에 따른 정보엔트로피값의 변화가 기설정된 1 이상의 기준에 부합하는 지 여부에 기초하여 해당 태양광발전설비에 아크발생 정보를 도출하는 아크검출단계;를 수행하고,
상기 정보엔트로피도출단계는,
상기 시계열신호가 x(k)로 표시되고, k는 1 이상의 자연수인 경우에, d(k)=x(k)-x(k-1)로 표시되거나 d(k)=x'(k)-x'(k-1)로 표시되는 증감시계열신호(d(k))를 도출하고, 여기서 x'(k)는 x(k)로부터 도출되는 변형정보에 해당하고,
상기 증감시계열신호에 기초하여, 직접적 혹은 간접적으로 각각의 시작시점에 대한 정보엔트로피값을 포함하는 시계열정보엔트로피를 도출하는, 태양광발전설비의 아크검출시스템.
An arc detection system for a photovoltaic power generation facility, comprising at least one processor and at least one memory,
The arc detection system,
A time series signal receiving step of receiving a time series signal of current or voltage at a specific point of the photovoltaic power generation facility;
an information entropy deriving step of deriving a time series information entropy including an information entropy value for each start time by directly or indirectly calculating an information entropy value in each sliding window section having a different start time from the time series signal; and
An arc detection step of deriving arc generation information to the photovoltaic facility based on whether a change in information entropy value over time in the time series information entropy meets one or more preset criteria; performing;
The information entropy derivation step is,
When the time series signal is expressed as x(k) and k is a natural number greater than or equal to 1, it is expressed as d(k)=x(k)-x(k-1) or d(k)=x'(k) Derives an increase/decrease time series signal d(k) represented by -x'(k-1), where x'(k) corresponds to the transformation information derived from x(k),
Based on the increase/decrease time series signal, deriving a time series information entropy including an information entropy value for each start time directly or indirectly, an arc detection system of a photovoltaic power generation facility.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220056521A KR102436316B1 (en) | 2022-05-09 | 2022-05-09 | Method and System for Detecting Arc in Solar Power Plant |
| PCT/KR2022/010509 WO2023219207A1 (en) | 2022-05-09 | 2022-07-28 | Arc detection method and system for solar power generation facility |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220056521A KR102436316B1 (en) | 2022-05-09 | 2022-05-09 | Method and System for Detecting Arc in Solar Power Plant |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102436316B1 true KR102436316B1 (en) | 2022-08-25 |
Family
ID=83111407
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220056521A KR102436316B1 (en) | 2022-05-09 | 2022-05-09 | Method and System for Detecting Arc in Solar Power Plant |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR102436316B1 (en) |
| WO (1) | WO2023219207A1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102588582B1 (en) | 2023-06-14 | 2023-10-12 | 주식회사 솔라리치 | Photovoltaic power generation system equipped with an arc dection device of a photovoltaic line based on artificial intelligence |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101734342B1 (en) * | 2015-11-12 | 2017-05-12 | 한국에너지기술연구원 | Apparatus and method for detecting arc in a panel, and the panel |
| KR101887992B1 (en) * | 2018-02-12 | 2018-09-06 | 주식회사 한국이알이시 | ESS system having arc detector function and temperature detection and condensation detection and ground fault detection |
| KR20210154365A (en) * | 2020-06-12 | 2021-12-21 | 한국에너지기술연구원 | Arc detection method and apparatus using frequency analysis |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5889143B2 (en) * | 2012-08-21 | 2016-03-22 | 三菱電機株式会社 | Photovoltaic power generation system and arc detection protection device |
| KR101727743B1 (en) * | 2016-12-09 | 2017-05-02 | (주) 동보파워텍 | Photovoltaic system equipped with solar junction box internal abnormal state monitoring diagnosis and remote monitoring |
| KR102263463B1 (en) * | 2020-12-17 | 2021-06-11 | 주식회사 주왕산업 | Solar power generation device including arc detector |
-
2022
- 2022-05-09 KR KR1020220056521A patent/KR102436316B1/en active IP Right Grant
- 2022-07-28 WO PCT/KR2022/010509 patent/WO2023219207A1/en unknown
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101734342B1 (en) * | 2015-11-12 | 2017-05-12 | 한국에너지기술연구원 | Apparatus and method for detecting arc in a panel, and the panel |
| KR101887992B1 (en) * | 2018-02-12 | 2018-09-06 | 주식회사 한국이알이시 | ESS system having arc detector function and temperature detection and condensation detection and ground fault detection |
| KR20210154365A (en) * | 2020-06-12 | 2021-12-21 | 한국에너지기술연구원 | Arc detection method and apparatus using frequency analysis |
Non-Patent Citations (1)
| Title |
|---|
| Lina Wang, et al. Arc Fault Detection Algorithm Based on Variational Mode Decomposition and Improved Multi-Scale Fuzzy Entropy. Energies 14, 4137. Jul 2021. pp.1-16.* * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102588582B1 (en) | 2023-06-14 | 2023-10-12 | 주식회사 솔라리치 | Photovoltaic power generation system equipped with an arc dection device of a photovoltaic line based on artificial intelligence |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023219207A1 (en) | 2023-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Siegel et al. | Real-time deep neural networks for internet-enabled arc-fault detection | |
| Jiang et al. | Series arc detection and complex load recognition based on principal component analysis and support vector machine | |
| Zhang et al. | A real-time classification method of power quality disturbances | |
| CN102288857B (en) | Fault arc identification and detection method and detection protection device | |
| RU2613584C2 (en) | Method and device for analyzing quality of electric power in three-phase electrical network | |
| KR102166323B1 (en) | Apparatus and method for detecting arc in photovoltaics system by wavelet transform | |
| KR101352204B1 (en) | Apparatus and method for classification of power quality disturbances at power grids | |
| KR20140026413A (en) | Automatic generation and analysis of solar cell iv curves | |
| US10038401B2 (en) | Systems and methods for fault detection | |
| Bhui et al. | Application of recurrence quantification analysis to power system dynamic studies | |
| KR102436316B1 (en) | Method and System for Detecting Arc in Solar Power Plant | |
| CN111313833B (en) | Method for detecting series arc fault on direct current side of series photovoltaic system | |
| Chen et al. | A new transient feature extraction method of power signatures for Nonintrusive Load Monitoring Systems | |
| CN103901318A (en) | Methods for locating ground faults and insulation degradation condition in energy conversion systems | |
| Tung et al. | An Arduino-Based System for Monitoring and Protecting Overvoltage and Undervoltage. | |
| CN114879085A (en) | Single-phase earth fault identification method and device, electronic equipment and medium | |
| CN112816789A (en) | Conductor internal resistance abnormity identification method, device, equipment and computer storage medium | |
| TWI443356B (en) | Detection system and method of abnormal operating states in an electrical appliance | |
| SİLSÜPÜR et al. | Flicker source detection methods based on IEC 61000-4-15 and signal processing techniques–a review | |
| CN111279206B (en) | Arc detection circuit, circuit breaker system, junction box system, power conditioner, micro-inverter, DC optimizer, and arc detection method | |
| US20130158903A1 (en) | Method and System for Detecting Transients in Power Grids | |
| CN113484596A (en) | Power quality monitoring method, device and equipment and readable storage medium | |
| CN108562828A (en) | The method for improving electrical network low voltage ride-through capability based on Wavelet Detection | |
| CN103364669B (en) | GIS equipment operational condition online test method and system | |
| EP4005047B1 (en) | Anomaly detection in energy systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |