KR102471911B1 - 지능형 전기화재 예측 감시제어시스템 및 이를 이용한 전기화재 예측 감시제어방법 - Google Patents

지능형 전기화재 예측 감시제어시스템 및 이를 이용한 전기화재 예측 감시제어방법 Download PDF

Info

Publication number
KR102471911B1
KR102471911B1 KR1020220102741A KR20220102741A KR102471911B1 KR 102471911 B1 KR102471911 B1 KR 102471911B1 KR 1020220102741 A KR1020220102741 A KR 1020220102741A KR 20220102741 A KR20220102741 A KR 20220102741A KR 102471911 B1 KR102471911 B1 KR 102471911B1
Authority
KR
South Korea
Prior art keywords
current
fire
data
signal
learning
Prior art date
Application number
KR1020220102741A
Other languages
English (en)
Inventor
고영애
홍재현
이승철
Original Assignee
사회복지법인 홍애원
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 사회복지법인 홍애원 filed Critical 사회복지법인 홍애원
Priority to KR1020220102741A priority Critical patent/KR102471911B1/ko
Application granted granted Critical
Publication of KR102471911B1 publication Critical patent/KR102471911B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
    • G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
    • G01R22/061—Details of electronic electricity meters
    • G01R22/068—Arrangements for indicating or signaling faults
    • 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
    • G01R19/12—Measuring rate of change
    • 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
    • G01R19/1659—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 to indicate that the value is within or outside a predetermined range of values (window)
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
    • G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
    • G01R22/061—Details of electronic electricity meters
    • G01R22/063—Details of electronic electricity meters related to remote communication
    • 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
    • G01R31/52—Testing for short-circuits, leakage current or ground faults
    • 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
    • G01R31/56—Testing of electric apparatus
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C19/00—Electric signal transmission systems
    • G08C19/02—Electric signal transmission systems in which the signal transmitted is magnitude of current or voltage

Abstract

본 발명에 따른 지능형 전기화재 예측 감시제어시스템 및 이를 이용한 전기화재 예측 감시제어방법은, 다양한 복수의 전력설비를 포함하는 전력계통부와, 전력계통부의 다양한 복수의 전력설비로부터의 전류신호를 검출하기 위한 검출센서부와, 검출센서부로부터 검출되는 전류신호를 실시간으로 모니터링하여 수신하여 다양한 형태의 변환된 패턴데이터로 저장하고 변화추이를 분석하며, 전기설비 기술기준의 저항성분인 누설전류를 실시간으로 모니터링하여 고장 및 화재사고의 원인인 누설전류, 과전류 등 이상 징후를 포착하여 화재 및 고장 결함원인을 진단하기 위한 전기안전관제서버 및 전기안전관제서버로부터 분석된 분석데이터를 실시간적으로 수신하여 실시간으로 대응하기 위한 관리자 단말기를 포함하여, 검출되는 전류신호의 변화추이를 분석하며, 전기설비 기술기준으로서 저항성분인 누설전류를 실시간으로 모니터링하여 화재 및 고장 사고의 원인인 누설전류, 과전류 등 이상 징후를 포착하여 결함원인을 효과적으로 진단할 수 있는 효과가 있다.

Description

지능형 전기화재 예측 감시제어시스템 및 이를 이용한 전기화재 예측 감시제어방법{Intelligent Electric Fire Prediction Monitoring and Control System and Electric Fire Prediction Monitoring and Control Method using the same}
본 발명은 다양한 복수의 전력설비로 이루어지는 전력계통부에서 검출되는 전류신호에 따른 전류변화율을 실시간으로 검출하여 전류변화율의 크기와 횟수에 의하여 화재로 예측될 수 있는 데이터를 AI 딥러닝 학습을 통하여 추론된 추론 학습데이터를 구축하여 저장하고 구축된 추론 학습데이터에 의하여 화재 가능성 유무에 대한 분석 및 진단을 통하여 전기화재를 예측 및 감시하기 위한 지능형 전기화재 예측 감시제어시스템 및 이를 이용한 전기화재 예측 감시제어방법에 관한 것이다.
최근 산업기술의 발달과 함께 전기적 요인에 따른 화재가 빈번하게 발생되고 있으며 전기안전 및 전기화재 예방에 대한 중요성이 부각되고 있다.
종래의 전기설비에 대한 보호 및 누전차단기 등의 전기안전 설비의 한계로 인하여 보호계통에서의 전기화재에 대한 예방의 한계는 여전히 존재하고 있다. 즉, 기존의 전기차단기로는 전기재해 원인인 단락이나 접촉 불량 등으로 발생한 아크를 감지할 수 없는 문제점이 있었으며, 전기취약시설, 다중 이용시설 등의 화재발생에 대한 사회적 이슈는 매년 반복되고 있으나, 화재발생 이후의 소화기설치, 차단기 설치 등으로 대처하여 근본적인 대책인 예방 대처 방안은 전무한 실정이다.
이에 대한 문제점을 극복하기 위하여 전력감시 및 전력보호감시장치 등 전력계통의 고장진단 및 사전예방의 알고리즘 등에 대한 기술이 다양한 방식으로 꾸준히 개발되어 왔다.
따라서, 전기 및 전력설비에 대한 기계적 및 전기적인 요인에 따른 화재를 방지할 수 있는 방안으로서, AI 딥러닝 기반의 학습을 통한 빅데이터의 분석을 이용한 전기적인 다양한 요인을 실시간으로 분석하여 대처할 수 있는 지능형 전기화재 예측 감시제어시스템 및 전기화제 예측 감시제어방법에 대한 기술개발이 시급한 실정이다.
특허등록공보 10-1763484호(2017. 08. 04) 특허등록공보 10-2156751호(2020. 09. 16)
본 발명에 따른 지능형 전기화재 예측 감시제어시스템 및 이를 이용한 전기화재 예측 감시제어방법은, 복수의 전력설비를 포함하는 전력계통부로부터 발생되는 전기적인 신호를 검출센서부인 전기센서를 통하여 다양한 형태의 전류신호로 검출하고, 신호처리부에서 실시간으로 모니터링하여 다양한 형태의 변환된 패턴데이터를 생성하여 저장하고 변화추이를 분석하며, 전기설비 기술기준의 저항성분인 누설전류를 실시간으로 모니터링하여 사고의 원인인 누설전류, 과전류 등 이상 징후를 포착하여 결함원인을 진단하는 것을 목적으로 한다.
본 발명에 따른 지능형 전기화재 예측 감시제어시스템은, 다양한 복수의 전력설비를 포함하는 전력계통부와, 상기 전력계통부의 다양한 복수의 전력설비로부터의 전류신호를 검출하기 위한 검출센서부와, 상기 검출센서부로부터 검출되는 전류신호를 실시간으로 모니터링하여 수신하여 다양한 형태의 변환된 패턴데이터로 저장하고 변화추이를 분석하며, 전기설비 기술기준의 저항성분인 누설전류를 실시간으로 모니터링하여 고장 및 화재사고의 원인인 누설전류, 과전류 등 이상 징후를 포착하여 화재 및 고장 결함원인을 진단하기 위한 전기안전관제서버 및 상기 전기안전관제서버로부터 분석된 분석데이터를 실시간적으로 수신하여 실시간으로 대응하기 위한 관리자 단말기를 포함하며, 상기 복수의 전력설비를 포함하는 전력계통부는, 배전반, 분전반 및 기동반으로 이루어지며, 상기 검출센서부는 전기센서로서, 상기 배전반, 분전반 및 기동반 각각으로부터 화재 요인이 되는 전류신호(누설전류, 과전류, 전선단락. 지락)를 아날로그 신호 형태로 검출하여 전기안전관제서버로 전송하며, 상기 전기안전관제서버는 상기 검출센서부의 전기센서로부터 검출된 다양한 형태의 화재 요인이 되는 전류신호를 수신하고 수신된 전류신호를 패턴전류로 변환하여 패턴데이터를 생성하는 신호처리부와 신호처리부로부터 수신되는 다양한 형태의 전류신호를 변환하여 생성되는 패턴데이터를 제어하는 신호제어부와 신호처리부로부터 수신되는 다양한 형태의 변환된 패턴데이터를 저장하기 위한 패턴데이터DB부와 상기 신호처리부로부터 수신되는 다양한 형태의 변환된 패턴데이터를 전송받아 각각의 전류신호에 대한 패턴데이터에 대한 반복적인 AI 딥러닝학습을 통하여 각각의 성분분석에 의하여 추론 학습데이터를 생성하는 AI 딥러닝학습모듈과 상기 AI 딥러닝학습모듈로부터의 AI 딥러닝학습을 통하여 생성되는 추론 학습데이터를 저장하여 축적하기 위한 AI 학습데이터DB와 상기 AI 딥러닝 학습모듈로부터 생성된 추론 학습데이터와 상기 신호처리부에서 변환된 화재요인이 되는 전류신호에 대한 패턴데이터를 비교 분석하여 화재 및 고장의 결함원인 및 진단신호인 분석데이터를 생성하는 신호분석부 및 상기 신호분석부로부터 생성되는 분석데이터를 저장하는 분석데이터DB를 포함하는 것을 특징으로 한다.
본 발명에 따른 상기 전기안전관제서버는, 각 분기별 검출되는 누설전류와 과전류 등의 전류신호를 패턴데이터로 변환하고, 변환된 패턴데이터에 의한 지속적인 AI 딥러닝 학습에 의하여 구축되는 추론 학습데이터를 생성하여 축적하고, 상기 패턴데이터와 축적된 추론 학습데이터와의 비교 분석에 의하여 누설전류 및 과전류에 따른 화재 가능 요인을 3단계로 구분하여 설정하고 상기 설정된 3단계 각각에 대하여 모바일 경고 알람할 수 있는 실시간 감시 정보 분석 및 전력정보에 대한 모니터링 기능을 수행하는 것을 특징으로 한다.
본 발명에 따른 전기안전관제서버의 신호분석부는, 화재발생요인에 대한 가중치를 부여하고 화재위험도에 대한 통계학적인 자료를 근거로 한 화재위험지수 y는, 누설전류, 과전류, 지락전류에 대한 각각의 전류치 및 전선단락의 발생횟수와 지속시간 등과 같은 화재발생요인 항목에 대한 환산지수(x1 ~ xn)와, 화재발생요인 각각의 항목에 대한 가중치(b1 ~ bn)를 곱한 값들의 합으로 [ y = x1b1 + x2b2 + x3b3 + . . . + xnbn ] 와 같이 표현할 수 있으며, 여기서, x1은 누설전류에 대한 환산지수, x2는 전선단락(아크발생횟수)의 발생횟수에 대한 환산지수, x3는 과전류에 대한 환산지수, x4는 지락전류에 환산지수, x5는 지속시간에 대한 환산지수이며, b1, b2, b3, b4, b5 는 상기 화재발생요인인 x1 ~ x5 각 항목에 대한 가중치인 것을 특징으로 한다.
본 발명의 일 실시예에 따른 지능형 전기화재 예측 감시제어시스템을 이용한 화재예측 감시제어방법은 다양한 복수의 전력설비인 전력계통부의 배전반, 분전반 및 기동반 각각으로부터 검출센서부인 전기센서에 의하여 전류신호를 검출하여 전기안전관제서버의 신호처리부로 전송하는 단계(S100)와, 상기 전기안전관제서버의 신호처리부는, 검출센서부의 전기센서로부터 검출되는 전류신호를 인가받고 신호제어부의 제어동작에 의하여 전류신호가 패턴전류인 패턴데이터로 변환 생성하여 패턴데이터 DB에 저장하는 단계(S200)와, 신호제어부는 상기 패턴데이터 DB에 저장된 패턴데이터를 AI 딥러닝 학습모듈로 전송하는 단계(S300)와, 상기 AI 딥러닝 학습모듈은 상기 인가받은 패턴데이터에 의한 지속적인 AI 딥러닝 학습에 의하여 구축되는 추론 학습데이터를 생성하여 AI 학습데이터 DB에 저장 축적하고 신호분석부로 전송하는 단계(S400)와, 상기 신호처리부에서 변환되어 패턴데이터 DB에 저장된 패턴데이터를 실시간적으로 신호분석부로 전송하는 단계(S500)와, 상기 신호분석부는 패턴데이터 DB로부터 실시간적으로 수신되는 패턴데이터와 상기 AI 학습데이터 DB에 저장 축적되어 인가받은 상기 추론 학습데이터를 상호 비교/분석하여 누설전류 및 과전류에 따른 화재 가능 요인을 3단계로 구분하여 설정하고 상기 설정된 3단계 각각에 대하여 모바일 경고 알람(경보)할 수 있는 실시간 감시 정보분석 및 전력정보인 분석데이터를 분석데이터 DB에 저장하는 단계(S600) 및 상기 분석데이터 DB에 저장되는 실시간 감시 정보분석 및 전력정보인 분석데이터를 관리자 단말기로 제공하여 상기 관리자 단말기의 스마트폰 모바일앱을 이용하여 화재발생시 모바일 경고 알람(경보) 등 원격 감시하는 단계(S700); 를 수행하는 것을 특징으로 한다.
본 발명에 따르면, 복수의 전력계통 장치로부터 발생되는 전기적인 신호를 검출센서부인 전기 센서를 통하여 다양한 형태의 전류신호로 검출하고, 신호처리부에서 실시간으로 모니터링하여 다양한 형태의 패턴데이터로 변환하여 저장하고 변화추이를 분석하며, 전기설비 기술 기준의 저항성분인 누설전류를 실시간으로 모니터링하여 사고의 원인인 누설전류, 과전류 등 이상 징후를 포착하여 결함원인을 효과적으로 진단할 수 있는 효과가 있다.
도 1은 본 발명에 따른 지능형 전기화재 예측 감시제어시스템의 전체구성도를 나타낸 도면이다.
도 2는 복수의 전력계통부로부터 검출된 패턴데이터에 의하여 분석되는 다양한 종류의 결함원인이 되는 추론 학습데이터에 대한 도면이다.
도 3은 본 발명에 따른 지능형 전기화재 예측 감시제어시스템에 의한 전기화재를 예측하고 진단하기 위한 방법을 설명하기 위한 흐름도이다.
이하, 본 발명의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경물(modification), 균등물(equivalent), 및 / 또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.
본 문서의 다양한 실시 예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시 예들로 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경물, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다.
도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시 예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시 예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시 예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다.
하기의 모든 도면에서 동일한 기능을 갖는 구성요소는 동일한 참조부호를 사용하여 반복적인 설명은 생략하며 아울러 후술하는 용어들은 본 발명에서의 기능을 고려하여 정의된 것으로서, 이는 본 발명의 기술적 사상에 부합하는 개념과 고유의 통용되는 의미로 해석되어야 함을 명시한다.
한편, 본 발명에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
또한, 본 발명을 설명함에 있어서, 관련된 공지기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명은 생략한다.
도 1은 본 발명에 따른 지능형 전기화재 예측 감시제어시스템의 전체구성도를 나타낸 도면이다.
도시된 바와 같이, 본 발명에 따른 지능형 전기화재 예측 감시제어시스템(10)은, 상기 다양한 복수의 전력설비를 포함하는 전력계통부(100)와, 상기 전력계통부(100)의 다양한 복수의 전력설비로부터의 전류신호를 검출하기 위한 검출센서부(150)와, 상기 검출센서부(150)로부터 검출되는 전류신호를 실시간으로 모니터링하여 수신하여 다양한 형태의 변환된 패턴데이터로 저장하고 변화추이를 분석하며, 전기설비 기술기준의 저항성분인 누설전류를 실시간으로 모니터링하여 고장 및 화재사고의 원인인 누설전류, 과전류 등 이상 징후를 포착하여 화재 및 고장 결함원인을 진단하기 위한 전기안전관제서버(200), 및 상기 전기안전관제서버(200)로부터 분석된 분석데이터를 실시간적으로 수신하여 실시간으로 대응하기 위한 관리자 단말기(300)를 포함할 수 있다.
상기 복수의 전력설비를 포함하는 전력계통부(100)는, 배전반(101), 분전반(102) 및 기동반(103)을 포함할 수 있으며, 상기 배전반(101), 분전반(102) 및 기동반(103) 각각으로부터 화재 요인이 되는 전류신호(누설전류, 과전류, 전선단락. 지락)를 전기센서(155)인 검출센서부(150)로부터 검출할 수 있다.
상기 복수의 전력설비별 전기화재 발생요소는, 전압 및 제어 배전반(101), 분전반(102) 및 기동반(103)에서 절연 거리, 발열 및 전원 연결 등 과전류 보호 한계 이하의 전류로 인하여 전기 화재 위험에 노출되어 화재 위험이 발생할 가능성이 높다.
따라서, 상기 검출센서부(150)의 전기센서(155)는, 전력계통부(100)로서 복수의 다양한 전력설비인 배전반(101), 분전반(102) 및 기동반(103) 각각의 메인차단기 1차측과 차단기별 2차측 및 각각의 피더별로 부착 설치하여 화재 요인이 되는 누설전류, 과전류, 전선단락 및 지락 등의 전류신호를 실시간적으로 감지하여 검출되도록 한다.
본 발명에 따른 검출센서부(150)의 전기센서(155)는, CT형과 ZCT형 등이 사용될 수 있으며, 상기 배전반(101), 분전반(102) 및 기동반(103)으로부터 화재 요인이 되는 누설전류, 과전류, 전선단락 및 지락에 대한 전류신호를 아날로그 신호 형태로 검출하여 전기안전관제서버(200)의 신호처리부(210)로 전송한다.
상기 전기안전관제서버(200)는, 상기 검출센서부(150)로부터 검출된 다양한 형태의 화재 요인이 되는 전류신호(누설전류, 과전류, 전선단락. 지락)를 수신하고 수신된 전류신호를 패턴전류로 변환하여 패턴데이터를 생성하는 신호처리부(210)와, 신호처리부(210)로부터 수신되는 다양한 형태의 전류신호를 변환하여 생성되는 패턴데이터를 제어하는 신호제어부(220)와, 신호처리부(210)로부터 수신되는 다양한 형태의 변환된 패턴데이터를 저장하기 위한 패턴데이터DB부(230)와, 상기 신호처리부(210)로부터 수신되는 다양한 형태의 변환된 패턴데이터를 전송받아 각각의 전류신호에 대한 패턴데이터에 대한 반복적인 AI 딥러닝학습을 통하여 각각의 성분분석에 의하여 추론 학습데이터를 생성하는 AI 딥러닝학습모듈(240)과, 상기 AI 딥러닝학습모듈(240)로부터의 AI 딥러닝학습을 통하여 생성되는 추론 학습데이터를 저장하여 축적하기 위한 AI 학습데이터DB(250)와, 상기 AI 딥러닝 학습모듈(240)로부터 생성된 추론 학습데이터와 상기 신호처리부(210)에서 변환된 화재요인이 되는 전류신호에 대한 패턴데이터를 비교 분석하여 화재 및 고장의 결함원인 및 진단신호인 분석데이터를 생성하는 신호분석부(260) 및 상기 신호분석부(260)로부터 생성되는 분석데이터를 저장하는 분석데이터DB(270)를 포함할 수 있다.
본 발명에 따른 전기안전관제서버(200)는, 각 분기별 검출되는 누설전류와 과전류 등의 전류신호를 패턴데이터로 변환하고, 변환된 패턴데이터에 의한 지속적인 AI 딥러닝 학습에 의하여 구축되는 추론 학습데이터를 생성하여 축적하고, 상기 패턴데이터와 축적된 추론 학습데이터와의 비교 분석에 의하여 누설전류 및 과전류에 따른 화재 가능 요인을 3단계로 구분하여 설정하고 상기 설정된 3단계 각각에 대하여 모바일 경고 알람(경보)할 수 있는 실시간 감시 정보 분석 및 전력정보에 대한 모니터링 기능을 수행한다.
상기 관리자 단말기(300)는, 상기 전력계통부(100)로부터 검출되어 신호처리부(210)에서 변환된 패턴데이터와 AI 딥러닝 학습모듈(240)로부터 생성된 추론 학습데이터에 의하여 신호분석부(260)로부터 분석하여 생성되는 결함원인/진단신호인 분석데이터가 저장되는 분석데이터DB(270)로부터 분석데이터를 무선통신망을 통하여 실시간적으로 수신 및 모니터링하며, 상기 관리자 단말기(300)의 스마트폰 단말기에서 모바일앱(350)을 구동하여 원격으로 감시할 수 있다.
보다 상세하게는, 본 발명에 따른 전력계통부(100)로서 다양한 복수의 전력설비인 배전반(101), 분전반(102) 및 기동반(103)을 통하여 검출되는 누설전류는 용량성 누설전류(lgc)와 저항성 누설전류(lgr)로 구분되며, 용량성 누설전류는 화재 영향이 미비하며 화제 대부분의 발생요인은 유효성 누설전류인 저항성 누설전류(lgr)에 의하여 발생되고 있다.
상기 누설전류를 검출하는 목적은 정전이 어려운 절연저항에 대한 검출이 불가능하여 전기안전 관리가 가능할 수 있는 누설전류를 검출한다. 즉, 선로 또는 기기의 절연저항에 대한 검출이 불가능하기 때문에 상시적으로 검출되는 누설전류인 용량성 누설전류 보다는 화재 요인의 주요 파라미터인 저항성 누설전류의 검출에 의하여 다양한 고장 분석에 활용할 수 있다.
아울러, 누전 및 단락요인인 저항성 누설전류를 검출하며, 상기 저항성 누설전류의 검출 및 분석에 의하여 실시간적으로 전선단락 및 지락에 대한 감시가 가능할 수 있다
예를 들어, 용량성 누설전류값이 90mA이고 저항성 누설전류값이 10mA인 경우는 화재 위험성은 발생되지 않으나, 반면에 용량성 누설전류값이 10mA이고 저항성 누설전류값이 30mA인 경우에는 화재 위험성이 매우 커서 화재가 발생되는 것으로 예측할 수 있다.
상기 용량성 누설전류와 저항성 누설전류에 대한 벡터합을 통해서 합산 벡터값이 100mA 이상이면 누전차단기가 동작하며, 저항성 누설전류값이 20mA ~ 30mA 구간에서 화재가 발생된다.
따라서, 복수의 전력설비인 전력계통부(100) 각각에서 발생되는 누설전류, 과전류, 전선단락, 지락 등의 전류신호 각각에 따른 전류 변화율에 따라 화재가 발생되며, 본 발명에 따른 전기화재 예측 감시제어시스템(10)은 상기 복수의 전력설비인 전력계통부(100) 각각에서 발생되는 누설전류, 과전류, 전선단락 및 지락에 대한 변화되는 전류신호를 검출하고 검출된 전류신호에 대한 변환된 패턴데이터와 화재요인이 되는 누설전류, 과전류, 전선단락, 지락 등의 전류신호에 대한 추론 학습데이터와의 비교 및 분석과정을 진행하여 결함원인/진단신호인 분석데이터를 생성하여 이에 따라 화재 및 고장 결함의 원인과 화재를 진단할 수 있다.
즉, 본 발명에 따르면, 상기 검출센서부(150)의 전기센서(155)로부터 검출되는 전류신호의 데이터 추이 분석에 의하여 전기적 고장(모터고정자, 회전자, 단락, 고정자 코일상태, 절연, 케이블, 전자접촉기, 역률보상장치. 접속단자 상태 진단, 표시부하전류 등 설정 이상으로 변동이 발생될 경우) 뿐만 아니라 추가적으로 기계적고장(부정렬, 불평형, 베어링, 커플링, 모터축, 트랜스미터 등 기계장치 및 운전기계의 과부하상태) 등의 결함을 예측 및 진단도 가능할 수 있다.
본 발명의 전기화재 예측 감시제어시스템(10)은 보다 정확한 화재 예측을 위하여 상기 전기안전 관제서버(200)에 구비되는 AI 딥러닝 학습모듈(240)의 AI 딥러닝학습을 통한 보다 많은 추론 학습데이터의 축적과 축적된 추론 학습데이터의 다양한 분석을 통하여 화재 예측 확률도를 향상시킬 수 있다.
상기 AI 딥러닝학습모듈(240)은, 전류변화률에 따른 전류변화에 대한 변화률 및 발생 횟수 및 전원 차단시간을 통한 종합적인 데이터 분석 및 딥러닝 학습을 통한 화재 발생 팩트 요인 데이터 취합 가공하여 AI 학습데이터DB(250)에 전송하여 저장한다.
도 2는 각각의 전류신호(전선 단락전류패턴, 과전류패턴 및 아크 사전예측 패턴)에 대한 특성을 나타낸 도면으로서, 도시된 바와 같이, 검출된 전류신호성분(누설전류, 접촉저항, 과전류, 전선단락, 지락)에 대한 AI 딥러닝학습모듈(240)로부터 축적된 추론 학습데이터에 따르면, 상기 누설전류는 변화율이 적은 반면에 지속시간이 길며, 상기 과전류는 변화율이 서서히 증가하며 지속시간이 짧고, 상기 전선단락은 변화율이 높으면서 지속시간이 길은 전기적인 특징이 있다.
상기 AI 학습데이터DB(250)는 상기 AI 딥러닝학습모듈(240)로부터 생성되는 추론 학습데이터를 저장하여 축적하며, 또한 상기 추론 학습데이터에 대응되는 각각의 전류신호성분인 누설전류, 과전류, 전선단락, 지락 등의 전류신호를 저장한다.
상기 신호분석부(260)는 상기 신호처리부(210)에서 검출센서부(150)로 감지되어 검출된 누설전류, 과전류, 전선단락 및 지락 등의 전류신호를 수집하여 변환된 패턴데이터에 대한 전류변화율 추이에 따른 각각의 전류신호에 대한 속성을 분석하여 각각의 패턴데이터의 변화 추이를 통한 각각의 전류신호에 대한 전류신호에 대한 패턴을 분석하고 이를 상기 AI 딥러닝학습모듈(240)에 의하여 학습되어 누적된 추론 학습데이터를 비교 분석하여 전기사고 특성 및 화재발생여부를 진단한다.
본 발명에 따른 신호분석부(260)는, 화재발생요인에 대한 가중치를 부여하고 화재위험도에 대한 통계학적인 자료를 근거로 하여 화재위험지수를 추정할 수 있다.
즉, 본 발명에 따르면, 화재위험지수 y는, 누설전류, 과전류, 지락전류에 대한 각각의 전류치 및 전선단락의 발생횟수와 지속시간 등과 같은 화재발생요인 항목에 대한 환산지수(x1 ~ xn)와, 화재발생요인 각각의 항목에 대한 가중치(b1 ~ bn)를 곱한 값들의 합으로 [수학식 1]과 같이 표현할 수 있다.
[수학식 1] [ y = x1b1 + x2b2 + x3b3 + . . . + xnbn ]
삭제
본 발명에 따르면, [수학식 1]에서 x1은 누설전류에 대한 환산지수, x2는 전선단락(아크발생횟수)의 발생횟수에 대한 환산지수, x3은 과전류에 대한 환산지수, x4는 지락전류에 환산지수, x5는 지속시간에 대한 환산지수이며, b1, b2, b3, b4, b5 는 상기 화재발생요인 환산지수인 x1 ~ x5 각 항목에 대한 가중치이다.
삭제
상기 신호분석부(260)에 의하여 분석된 화재발생 범위는 패턴데이터의 변화율 및 지속시간 및 발생횟수의 값의 변화에 따라 본 발명에 따른 상기 AI 딥러닝학습모듈(240)에 의하여 축적되어 저장된 추론 학습데이터에 근거하여 분석될 수 있다.
즉, 누설전류, 과전류, 전선단락 및 지락의 전류신호에 대한 변환된 패턴데이터의 변화를 실시간적으로 모니터링하며, 각각의 해당되는 전류신호에 대한 패턴데이터의 변화율의 추이를 분석하며, 각 전류신호에 대한 변화율 추이와 상기 AI 딥러닝학습모듈(240)에 의하여 학습되어 축적된 추론 학습데이터를 비교하여 누설전류, 과전류, 전선단락 및 지락 각각의 전류신호에 따른 패턴데이터의 이상 징후를 진단하고 분석하여 전기사고 및 결함원인인 화재발생 여부에 대한 예지 및 예측되는 진단결과인 분석데이터를 무선통신망을 통하여 자동으로 관리자 단말기(300)로 전송하여 모바일 및 원격감시 모니터링 할 수 있도록 제공한다.
구체적으로는, 화재발생 여부에 대한 예지 및 예측되는 진단결과 분석데이터로부터 누설전류의 경우에는 누설전류의 측정범위는 0mA ~ 50mA 이고, 이때 20mA ~ 28mA 이면 화재 가능성이 예상되고, 30mA ~ 38mA 이면 화재발생 가능성이 높고, 40mA 이상일 경우에 화재가 발생하는 것으로 진단하고, 과전류의 경우에는 정격용량 30A를 기준으로 30A ~ 32A 이면 화재 가능성이 예상되고, 32.5A ~ 33.5A 이면 화재발생 가능성이 높고, 34A 이상일 경우에 화재가 발생하는 것으로 진단하고, 전선단락의 경우에는 누설전류 변화율이 급증한 이후에 전원이 차단되도록 하며, 지락의 경우에는 전류의 변화가 발생되는 경우에 전원이 차단되도록 한다.
본 발명에 따르면, 상기 신호분석부(260)는 누설전류, 과전류, 지락전류에 대한 패턴데이터와 추론 학습데이터를 비교 분석하여 설비의 결함정보를 실시간으로 3단계로 설정하여 경보를 진행할 수 있다.
즉, 1단계는 화재 가능성이 예상되는 구간으로 설비에 대한 점검이 요구되는 관심단계이고, 2단계는 화재 가능성이 높은 단계로 화재발생 전단계에 해당되며 설비에 대한 점검이 요구되는 주의단계로 진단하며, 3단계는 화재가 발생된 구간으로 화재에 대한 긴급대응이 요구되는 위험단계로 판단하여 전원을 긴급하게 차단하여 경보를 진행할 수 있다.
삭제
상기 화재발생요인 항목 각각의 패턴데이터에 의한 결함원인은 예를 들면, 누설전류의 경우 패턴데이터의 변화율 추이와 패턴데이터의 지속성 및 검출되는 횟수에 따른 분석을 통하여 결함원인이 되는 화재 발생 가능성을 타진할 수 있다.
즉, 상기한 누설전류, 과전류, 전선단락 및 지락의 전류신호에 대한 변환된 패턴데이터의 변화율 추이, 지속시간 및 발생 횟수를 통하여 화재가 발생되는 경우에는 아크가 발생하며, 아크에 따른 전류 변화추이 분석 및 지속시간의 연관성에 의하여 결함원인을 진단할 수 있다.
본 발명에 따르면, 상기 신호분석부(260)를 통하여 분석하고 진단한 결과데이터인 분석데이터를 무선통신망을 이용하여 관리자 단말기(300)로 제공한다. 즉 관리자 단말기(300)로 화재 발생이 우려되는 전력계통부(100)의 배전반(101), 분전반(102) 및 기동반(103) 중 어느 하나의 특정 위치에 대한 경보 및 알람 및 문자서비스 제공 및 전류 분석 트랜드를 제공함으로써 관리자 단말기(300)의 스마트폰 모바일앱(350)에 의하여 원격 감시 모니터링할 수 있도록 있다.
도 3은 본 발명에 따른 지능형 전기화재 예측 감시제어시스템에 의한 전기화재를 예측하고 진단하기 위한 방법을 설명하기 위한 흐름도이다.
도시된 바와 같이, 지능형 전기화재 예측 감시제어시스템에 의한 전기화재를 예측하고 진단하기 위한 방법은 다음과 같다.
(제1단계) : 다양한 복수의 전력설비인 전력계통부(100)의 배전반(101), 분전반(102) 및 기동반(103) 각각으로부터 검출센서부(150)인 전기센서(155)에 의하여 전류신호를 검출하여 전기안전관제서버(200)의 신호처리부(210)로 전송하는 단계(S100)와;
(제2단계) : 상기 신호처리부(210)는, 검출센서부(150)의 전기센서(155)로부터 검출되는 전류신호를 인가받고 신호제어부(220)의 제어동작에 의하여 전류신호가 패턴전류인 패턴데이터로 변환 생성하여 패턴데이터 DB(230)에 저장하는 단계(S200)와;
(제3단계) : 신호제어부(220)는 상기 패턴데이터 DB(230)에 저장된 패턴데이터를 AI 딥러닝 학습모듈(240)로 전송하는 단계(S300)와;
(제4단계) : 상기 AI 딥러닝 학습모듈(240)은 상기 인가받은 패턴데이터에 의한 지속적인 AI 딥러닝 학습에 의하여 구축되는 추론 학습데이터를 생성하여 AI 학습데이터 DB(250)에 저장 축적하고 신호분석부(260)로 전송하는 단계(S400)와;
(제5단계) : 상기 신호처리부(210)에서 변환되어 패턴데이터 DB(230)에 저장된 패턴데이터를 실시간적으로 신호분석부(260)로 전송하는 단계(S500)와;
(제6단계) : 상기 신호분석부(260)는 패턴데이터 DB(230)로부터 실시간적으로 수신되는 패턴데이터와 상기 AI 학습데이터 DB(250)에 저장 축적되어 인가받은 상기 추론 학습데이터를 상호 비교/분석하여 누설전류 및 과전류에 따른 화재 가능 요인을 3단계로 구분하여 설정하고 상기 설정된 3단계 각각에 대하여 모바일 경고 알람(경보)할 수 있는 실시간 감시 정보분석 및 전력정보인 분석데이터를 분석데이터 DB(270)에 저장하는 단계(S600); 및
(제7단계) : 상기 분석데이터 DB(270)에 저장되는 실시간 감시 정보분석 및 전력정보인 분석데이터를 관리자 단말기(300)로 제공하여 상기 관리자 단말기(300)의 스마트폰 모바일앱(350)을 이용하여 화재발생시 모바일 경고 알람(경보) 등 원격 감시하는 단계(S700); 를 수행하는 것을 특징으로 한다.
따라서, 본 발명의 지능형 전기화재 예측 감시제어시스템에 의한 전기화재의 예측 및 진단방법에 따르면, 복수의 전력설비를 포함하는 전력계통부로부터 발생되는 전기적인 신호를 신호검출부인 전기센서를 통하여 다양한 형태의 전류신호로 검출하고, 신호처리부에서 실시간으로 모니터링하여 다양한 형태의 패턴데이터로 변환하여 저장하고 변화추이를 분석하며, 전기설비 기술기준으로서 저항성분인 누설전류를 실시간으로 모니터링하여 사고의 원인인 누설전류, 과전류 등 이상 징후를 포착하여 결함원인을 효과적으로 진단할 수 있는 효과가 있다.
10 : 본 발명에 따른 지능형 전기화재 예측 감시제어시스템
100 : 전력계통부
101 : 배전반 102 : 분전반
103 : 기동반
150 : 검출센서부 155 : 전기센서
200 : 전기안전 관제서버
210 : 신호처리부 220 : 신호제어부
230 : 패턴데이터 DB 240 : AI 딥러닝 학습모듈
250 : AI 학습데이터 DB 260 : 신호분석부
270 : 분석데이터 DB
300 : 관리자 단말기 350 : 모바일앱

Claims (5)

  1. 배전반, 분전반 및 기동반으로 이루어지는 다양한 복수의 전력설비를 포함하는 전력계통부와;
    전기센서로서, 상기 전력계통부의 다양한 복수의 전력설비인 배전반, 분전반 및 기동반 각각의 메인차단기 1차측과 차단기별 2차측 및 각각의 피더별로 부착 설치하여 화재 요인이 되는 전류신호(누설전류, 과전류, 전선단락. 지락)를 아날로그 신호 형태로 실시간적으로 검출하기 위한 검출센서부와;
    상기 검출센서부로부터 검출되는 아날로그 형태의 전류신호를 실시간으로 모니터링 수신하여 다양한 형태의 변환된 패턴데이터로 저장하고 변화추이를 분석하며, 전기설비 기술기준의 저항성분인 누설전류를 실시간으로 모니터링하여 고장 및 화재사고의 원인인 누설전류, 과전류 등 이상 징후를 포착하여 화재 및 고장 결함원인을 진단하기 위한 전기안전관제서버; 를 포함하며,
    상기 전기안전관제서버는,
    상기 검출센서부의 전기센서로부터 검출되는 전력계통부의 다양한 복수의 전력설비인 배전반, 분전반 및 기동반 각각의 다양한 형태의 화재 요인이 되는 아날로그 형태의 전류신호(누설전류, 과전류, 전선단락. 지락)를 수신하고 수신된 아날로그 형태의 전류신호를 패턴전류로 변환하여 패턴데이터를 생성하는 신호처리부와,
    상기 신호처리부로부터 변환되는 다양한 형태의 변환된 패턴데이터를 저장하기 위한 패턴데이터DB부와,
    상기 신호처리부로부터 다양한 형태의 변환된 패턴데이터를 전송받아 각각의 전류신호에 대한 패턴데이터에 대한 반복적인 AI 딥러닝학습을 통하여 각각의 성분분석에 의하여 전류변화율에 따른 전류변화에 대한 변화율과 발생 횟수 및 전원 차단시간을 통한 종합적인 데이터 분석 및 딥러닝 학습을 통한 화재 발생 팩트 요인 데이터인 추론 학습데이터를 생성하는 AI 딥러닝학습모듈과,
    상기 AI 딥러닝학습모듈로부터의 AI 딥러닝학습을 통하여 생성되는 추론 학습데이터를 저장하여 축적하며, 상기 추론 학습데이터에 대응되는 각각의 전류신호 성분인 누설전류, 과전류, 전선단락, 지락 등의 전류신호를 저장하기 위한 AI 학습데이터DB와,
    상기 AI 딥러닝 학습모듈로부터 생성된 추론 학습데이터와 상기 신호처리부에서 변환된 화재요인이 되는 전류신호에 대한 패턴데이터를 비교 분석하여 화재 및 고장의 결함원인 및 진단신호인 분석데이터를 생성하는 신호분석부와,
    상기 신호분석부로부터 생성되는 분석데이터를 저장하는 분석데이터DB, 및
    상기 신호처리부로부터 수신되는 다양한 형태의 화재 요인이 되는 아날로그 형태의 전류신호가 변환되어 생성되는 패턴데이터를 제어하여 패턴데이터DB부에 저장하며, 상기 패턴데이터 DB에 저장된 패턴데이터를 AI 딥러닝 학습모듈로 전송 제어하는 신호제어부를 포함하며 이루어지며,
    상기 전기안전관제서버의 신호처리부는 전력계통부의 각 분기별 검출되는 누설전류와 과전류 등의 전류신호를 패턴데이터로 변환하고, 변환된 패턴데이터에 의한 지속적인 AI 딥러닝 학습에 의하여 구축되는 추론 학습데이터를 생성하여 축적하며,
    상기 신호분석부에서 화재발생요인에 대한 가중치를 부여하고 화재위험도에 대한 통계학적인 자료에 의하여 누설전류, 과전류, 지락전류에 대한 각각의 전류치 및 전선단락의 발생횟수와 지속시간 등과 같은 화재발생요인 항목에 대한 환산지수(x1 ~ xn)와, 화재발생요인 각각의 항목에 대한 가중치(b1 ~ bn)를 곱한 값들의 합으로 수학식 [ y = x1b1 + x2b2 + x3b3 + . . . + xnbn ]와 같이 화재위험지수 y를 추정하며, 여기서, x1은 누설전류에 대한 환산지수, x2는 전선단락(아크발생횟수)의 발생횟수에 대한 환산지수, x3는 과전류에 대한 환산지수, x4는 지락전류에 환산지수, x5는 지속시간에 대한 환산지수이며, b1, b2, b3, b4, b5는 상기 화재발생요인인 x1 ~ x5 각 항목에 대한 가중치로서, 상기 화재위험지수 y에 의하여 화재에 대한 현재의 상태를 판단하며,
    상기 전력계통부로부터 검출되어 상기 전기안전관제서버의 신호처리부에서 변환된 패턴데이터와 AI 딥러닝 학습모듈로부터 생성된 추론 학습데이터에 의하여 신호분석부로부터 분석하여 생성되는 결함원인/진단신호인 분석데이터가 저장되는 분석데이터DB로부터 분석된 분석데이터를 전기안전관제서버로부터 무선통신망을 통하여 실시간적으로 수신 및 모니터링하며, 모바일앱을 구동하여 원격으로 감시하여 실시간으로 대응하기 위한 스마트폰 단말기인 관리자 단말기를 더 포함하여 이루어지는 것을 특징으로 하는 지능형 전기화재 예측 감시제어시스템.
  2. 삭제
  3. 삭제
  4. 다양한 복수의 전력설비인 전력계통부의 배전반, 분전반 및 기동반 각각의 메인차단기 1차측과 차단기별 2차측 및 각각의 피더별로 검출센서부인 전기센서를 부착 설치하여 화재 요인이 되는 전류신호(누설전류, 과전류, 전선단락. 지락)를 아날로그 신호 형태의 전류신호를 검출하여 전기안전관제서버의 신호처리부로 전송하는 단계(S100);
    상기 전기안전관제서버의 신호처리부는, 상기 검출센서부의 전기센서로부터 검출되는 전력계통부의 다양한 복수의 전력설비인 배전반, 분전반 및 기동반 각각의 다양한 형태의 화재 요인이 되는 아날로그 형태의 전류신호(누설전류, 과전류, 전선단락. 지락)를 수신하고 수신된 아날로그 형태의 전류신호를 패턴전류로 변환된 패턴데이터를 생성하여 패턴데이터 DB에 저장하는 단계(S200);
    신호제어부는 상기 패턴데이터 DB에 저장된 패턴데이터를 AI 딥러닝 학습모듈로 전송하는 단계(S300);
    상기 AI 딥러닝 학습모듈은 상기 인가받은 패턴데이터에 의한 지속적인 AI 딥러닝 학습에 의하여 구축되는 추론 학습데이터를 생성하여 AI 학습데이터 DB에 저장 축적하고 신호분석부로 전송하는 단계(S400);
    상기 신호처리부에서 변환되어 패턴데이터 DB에 저장된 패턴데이터를 실시간적으로 신호분석부로 전송하는 단계(S500);
    상기 신호분석부는 패턴데이터 DB로부터 실시간적으로 수신되는 패턴데이터와 상기 AI 학습데이터 DB에 저장 축적되어 인가받은 상기 추론 학습데이터를 상호 비교/분석하여 누설전류 및 과전류에 따른 화재 가능 요인을 3단계로 구분하여 설정하고 상기 설정된 3단계 각각에 대하여 모바일 경고 알람(경보)할 수 있는 실시간 감시 정보분석 및 전력정보인 분석데이터를 분석데이터 DB에 저장하는 단계(S600); 및
    상기 분석데이터 DB에 저장되는 실시간 감시 정보분석 및 전력정보인 분석데이터를 관리자 단말기로 제공하여 상기 관리자 단말기의 스마트폰 모바일앱을 이용하여 화재발생시 모바일 경고 알람(경보) 등 원격 감시하는 단계(S700); 을 수행하며,
    상기 신호분석부에서 화재발생요인에 대한 가중치를 부여하고 화재위험도에 대한 통계학적인 자료에 의하여 누설전류, 과전류, 지락전류에 대한 각각의 전류치 및 전선단락의 발생횟수와 지속시간 등과 같은 화재발생요인 항목에 대한 환산지수(x1 ~ xn)와, 화재발생요인 각각의 항목에 대한 가중치(b1 ~ bn)를 곱한 값들의 합으로 수학식 [ y = x1b1 + x2b2 + x3b3 + . . . + xnbn ]와 같이 화재위험지수 y를 추정하며, 여기서, x1은 누설전류에 대한 환산지수, x2는 전선단락(아크발생횟수)의 발생횟수에 대한 환산지수, x3는 과전류에 대한 환산지수, x4는 지락전류에 환산지수, x5는 지속시간에 대한 환산지수이며, b1, b2, b3, b4, b5는 상기 화재발생요인인 x1 ~ x5 각 항목에 대한 가중치로서, 상기 화재위험지수 y에 의하여 화재에 대한 현재의 상태를 판단하는 것을 특징으로 지능형 전기화재 예측 감시제어시스템을 이용한 전기화재 예측 감시제어방법.
  5. 삭제
KR1020220102741A 2022-08-17 2022-08-17 지능형 전기화재 예측 감시제어시스템 및 이를 이용한 전기화재 예측 감시제어방법 KR102471911B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220102741A KR102471911B1 (ko) 2022-08-17 2022-08-17 지능형 전기화재 예측 감시제어시스템 및 이를 이용한 전기화재 예측 감시제어방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220102741A KR102471911B1 (ko) 2022-08-17 2022-08-17 지능형 전기화재 예측 감시제어시스템 및 이를 이용한 전기화재 예측 감시제어방법

Publications (1)

Publication Number Publication Date
KR102471911B1 true KR102471911B1 (ko) 2022-11-29

Family

ID=84235334

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220102741A KR102471911B1 (ko) 2022-08-17 2022-08-17 지능형 전기화재 예측 감시제어시스템 및 이를 이용한 전기화재 예측 감시제어방법

Country Status (1)

Country Link
KR (1) KR102471911B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102595694B1 (ko) 2022-06-20 2023-10-31 (주)부품디비 전기차 진단 및 예지 시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101763484B1 (ko) 2015-11-18 2017-08-04 유한회사 엔텍코리아 전기화재 예측을 위한 스마트 화재감시 및 환풍제어 분전반 시스템
KR102008472B1 (ko) * 2018-12-19 2019-08-07 (주)대신피아이씨 ＩｏＴ 기반의 전기 수용가별 실시간 원격 관리 및 경보 출동 시스템
KR102156751B1 (ko) 2020-04-01 2020-09-16 주식회사 주왕산업 전기 화재 단계별 감시 시스템
KR102283884B1 (ko) * 2020-08-21 2021-08-03 주식회사 데카엔지니어링 인공지능 기반 전기화재 예측 및 예지보전 시스템 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101763484B1 (ko) 2015-11-18 2017-08-04 유한회사 엔텍코리아 전기화재 예측을 위한 스마트 화재감시 및 환풍제어 분전반 시스템
KR102008472B1 (ko) * 2018-12-19 2019-08-07 (주)대신피아이씨 ＩｏＴ 기반의 전기 수용가별 실시간 원격 관리 및 경보 출동 시스템
KR102156751B1 (ko) 2020-04-01 2020-09-16 주식회사 주왕산업 전기 화재 단계별 감시 시스템
KR102283884B1 (ko) * 2020-08-21 2021-08-03 주식회사 데카엔지니어링 인공지능 기반 전기화재 예측 및 예지보전 시스템 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102595694B1 (ko) 2022-06-20 2023-10-31 (주)부품디비 전기차 진단 및 예지 시스템

Similar Documents

Publication Publication Date Title
KR101476660B1 (ko) 다중복합(cmd) 센서를 이용한 화재감지 기능을 갖는 고압반, 저압반, 분전반, 모터제어반
KR101336317B1 (ko) 유시티(U-city) 등 대규모 도시의 전기설비를 실시간으로 관리 및 운영을 하는 웹감시 기반 유시티 전기안전 통합관리시스템
KR102057494B1 (ko) 스마트 전기사고 예방 및 에너지 관리 시스템
US6631063B2 (en) System for monitoring electrical circuit operation
KR102156751B1 (ko) 전기 화재 단계별 감시 시스템
US20220224101A1 (en) Device and method for detecting faulty electrical circuits with fault identification and alert system
KR101286119B1 (ko) 수배전반의 도어 안전 인증 시스템 및 그 방법
KR101336571B1 (ko) 전기재해 취약장소의 전기안전관리 시스템을 관리 및 운영하는 계층구조 기반 단체 건물의 배전반 감시 시스템
CN110941918A (zh) 智能化变电站故障分析系统
KR20180070208A (ko) 전력선 및 배전 설비의 이상 검출 시스템
KR102471911B1 (ko) 지능형 전기화재 예측 감시제어시스템 및 이를 이용한 전기화재 예측 감시제어방법
CN112886399A (zh) 一种高压开关柜故障诊断系统和高压开关柜
KR102090586B1 (ko) IoT 기반의 부하장치와 스마트분전반을 이용한 전로와 부하의 고장 상태 추정 방법 및 장치
KR20140073043A (ko) 변전설비 감시를 위한 스마트 단말기의 앱 서비스 시스템
CN101523680A (zh) 电气故障限制系统
KR101070822B1 (ko) 수배전반의 이상 검출 장치
KR20070005278A (ko) 아크 검출을 이용한 전기 화재 예방 시스템
KR101868433B1 (ko) 태양광 모듈 스트링 사고예방을 위한 스트링 블록 디바이스가 구비된 태양광 발전 시스템용 접속반 및 이를 구비한 태양광발전시스템
KR20170138172A (ko) 학습기능을 이용한 전기 안전관리장치 및 그 방법
KR101510676B1 (ko) 수배전반용 지능형 방전감시 영상시스템
US11165238B2 (en) Electrical arc event detection in an electric power system
KR20210133056A (ko) 자기고장 진단 개폐기 및 자기고장 진단 조치 방법
CN111525520B (zh) 一种事故总或保护方法、装置、设备及存储介质
JP4377765B2 (ja) 電力受変電用配電盤
KR20230051409A (ko) 스마트 파력원격제어기를 이용하여 원격에서 결상위치 검출 및 차단이 용이한 전력설비 보호용 수배전반

Legal Events

Date Code Title Description
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant