KR102561365B1 - Deep learning system for abnormal phenomenon detection in the underground power distribution line - Google Patents
Deep learning system for abnormal phenomenon detection in the underground power distribution line Download PDFInfo
- Publication number
- KR102561365B1 KR102561365B1 KR1020230048217A KR20230048217A KR102561365B1 KR 102561365 B1 KR102561365 B1 KR 102561365B1 KR 1020230048217 A KR1020230048217 A KR 1020230048217A KR 20230048217 A KR20230048217 A KR 20230048217A KR 102561365 B1 KR102561365 B1 KR 102561365B1
- Authority
- KR
- South Korea
- Prior art keywords
- temperature
- power outlet
- detection
- deep learning
- location
- Prior art date
Links
- 238000013135 deep learning Methods 0.000 title claims abstract description 53
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 23
- 238000001514 detection method Methods 0.000 title claims description 189
- 238000012544 monitoring process Methods 0.000 claims abstract description 98
- 230000008859 change Effects 0.000 claims abstract description 38
- 229910052751 metal Inorganic materials 0.000 claims description 36
- 239000002184 metal Substances 0.000 claims description 36
- 238000012546 transfer Methods 0.000 claims description 34
- 238000004891 communication Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 15
- 238000013136 deep learning model Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 13
- 208000024891 symptom Diseases 0.000 claims description 11
- 238000007689 inspection Methods 0.000 claims description 8
- 238000000926 separation method Methods 0.000 claims description 7
- 239000011810 insulating material Substances 0.000 claims description 5
- 230000000903 blocking effect Effects 0.000 claims description 4
- 238000009413 insulation Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 20
- 238000013021 overheating Methods 0.000 abstract description 9
- 238000013528 artificial neural network Methods 0.000 description 9
- 238000013450 outlier detection Methods 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000003032 molecular docking Methods 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 230000006866 deterioration Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- 125000006850 spacer group Chemical group 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 238000001931 thermography Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000009529 body temperature measurement Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K1/00—Details of thermometers not specially adapted for particular types of thermometer
- G01K1/02—Means for indicating or recording specially adapted for thermometers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/067—Record carriers with conductive marks, printed circuits or semiconductor circuit elements, e.g. credit or identity cards also with resonating or responding marks without active components
- G06K19/07—Record carriers with conductive marks, printed circuits or semiconductor circuit elements, e.g. credit or identity cards also with resonating or responding marks without active components with integrated circuit chips
- G06K19/0723—Record carriers with conductive marks, printed circuits or semiconductor circuit elements, e.g. credit or identity cards also with resonating or responding marks without active components with integrated circuit chips the record carrier comprising an arrangement for non-contact communication, e.g. wireless communication circuits on transponder cards, non-contact smart cards or RFIDs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
- G06K7/10237—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves the reader and the record carrier being capable of selectively switching between reader and record carrier appearance, e.g. in near field communication [NFC] devices where the NFC device may function as an RFID reader or as an RFID tag
-
- 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
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
- H02G9/00—Installations of electric cables or lines in or on the ground or water
- H02G9/06—Installations of electric cables or lines in or on the ground or water in underground tubes or conduits; Tubes or conduits therefor
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
- H02G9/00—Installations of electric cables or lines in or on the ground or water
- H02G9/10—Installations of electric cables or lines in or on the ground or water in cable chambers, e.g. in manhole or in handhole
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Toxicology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Biomedical Technology (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Electromagnetism (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Emergency Management (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
Description
본 발명은 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템에 관한 것이다. 보다 상세하게로는 지중 배전선로의 전력케이블이 포설되는 지하 전력구 내에서 비정상적인 실내공기 온도변화를 탐지 및 분석하여 재난 발생의 위험을 사전에 감지하여 재난위험이 발생한 위치를 제공하게 하고, 재난 발생 시에는 신속하게 발생지점을 찾아낼 수 있도록 함으로써 전체 전력구 내에 재난이 확산되는 것을 예방할 수 있도록 하는 시스템에 관한 것이다. 본 발명은 전력구 내에서의 실내공기 온도 즉 실내온도가 변화하는 경우 미세한 변화까지도 감지해 낼 수 있는 수단을 제공하기 때문에 전력케이블 과열 등으로 인하여 실내온도가 변화하는 것을 즉각적으로 감지할 수 있고, 이러한 온도변화나 온도분포를 딥러닝을 이용하여 분석하여 전력구 내에서 비정상적인 실내온도 변화가 발생하는 이상현상 발생지점을 사전에 탐지할 수 있다. 그리고 재난이 발생할 가능성이 있는 원인이 있는 위치인 이상현상 발생지점을 찾아내어 관리자에게 제시함으로써 관리자들이 집중적인 감시활동으로 재난 발생을 사전에 예방할 수 있다.The present invention relates to a deep learning monitoring system for detecting anomalies in underground distribution lines. More specifically, by detecting and analyzing abnormal indoor air temperature changes in the underground power outlet where the power cable of the underground distribution line is laid, the risk of disaster occurrence is detected in advance, and the location where the disaster risk occurs is provided, and the disaster occurrence It relates to a system that can prevent a disaster from spreading within an entire power district by quickly finding the point of occurrence in the city. Since the present invention provides a means capable of detecting even minute changes in indoor air temperature in a power outlet, that is, when the indoor temperature changes, it is possible to immediately detect a change in indoor temperature due to overheating of a power cable, and the like. By analyzing this temperature change or temperature distribution using deep learning, it is possible to detect in advance the occurrence point of an anomaly where an abnormal indoor temperature change occurs within a power outlet. In addition, by finding an anomaly occurrence point, which is a location where a disaster may occur, and presenting it to the manager, the manager can prevent the occurrence of a disaster in advance through intensive monitoring activities.
도시의 과밀화와 도시미관 개선 및 도시민의 생활 환경에 대한 관심 증가로 인하여 전력 및 통신선로, 가스공급 라인, 지역난방 배관라인 등을 비롯하여 각종 도시기반 인프라 시설의 지중화율이 급속히 증가하고 있다. 이러한 지중 인프라 시설들은 지하 전력구(電力溝), 통신구 또는 공동구(共同溝)라는 도시기반 시설에 집약되어 설치되기도 한다. 그중 지하 공동구는 지하 인프라 요소들을 집약하여 설치하기 위한 지하 시설이며, 도심지의 지하 전력구는 배전용 전력케이블이 다수로 설치되고, 복잡하게 연결되는 시설이다. Due to the overcrowding of cities, improvement of urban aesthetics, and increased interest in the living environment of urban residents, the undergrounding rate of various urban infrastructure facilities, including power and communication lines, gas supply lines, district heating pipelines, etc., is rapidly increasing. These underground infrastructure facilities are sometimes concentrated and installed in urban infrastructure such as underground power outlets, communication outlets, or utility outlets. Among them, an underground utility tunnel is an underground facility for integrating and installing underground infrastructure elements, and an underground power tunnel in an urban area is a facility in which a large number of power cables for distribution are installed and connected in a complex manner.
이와 같은 전력구나 공동구에는 고압, 고열 등의 위험이 내재해 있는 고위험 환경인 반면, 공동구나 전력구가 손상되면 그 지역의 인프라가 마비되기 때문에 정전, 통신두절, 단수 등의 불편함을 광범위하게 겪게 된다. 따라서 공동구나 전력구는 국가 중요시설로 지정되어 있으며 내화재 구조 등을 사용하는 등 방화 대책이 수립되어 있다. 그러나 공동구나 전력구 내부는 좁고 폐쇄적이기 때문에 화재가 발생하면 연기가 순식간에 가득 차고, 진압이 어려워진다. While such power outlets and utility outlets are high-risk environments with inherent risks such as high voltage and high heat, damage to utility outlets and power outlets paralyzes the local infrastructure, causing widespread inconvenience such as power outages, communication disruptions, and water outages. do. Therefore, utility tunnels and power outlets are designated as important national facilities, and fire prevention measures are established, such as using fireproof materials. However, since the interior of common utility tunnels and power outlets is narrow and closed, when a fire breaks out, smoke fills up in an instant, making it difficult to extinguish.
또한, 전력구나 공동구 내에서 문제가 발생하는 경우 진압이나 해결 등의 조치를 위하여 작업자의 현장 방문이 불가피해지는 반면, 지하 공간 내에서 발생한 문제이기 때문에 문제가 발생한 현장의 위치를 작업자가 육안으로 찾아서 식별하기 어렵고, 현장의 상태정보를 정확히 확인하고 판단하기에 현실적으로 어려움이 있다. 따라서 여러 위험 요인들을 모니터링할 수 있는 감시 시스템이 구비되어야 한다. 그러므로 전력구를 비롯한 공동구 내에는 화재 등의 재난 발생을 감지할 수 있는 cctv 영상카메라나 열화상카메라 등 각종 감시 장비와 스프링클러 등과 같은 진압설비들이 설치된다. In addition, when a problem occurs in a power outlet or utility duct, it is inevitable for workers to visit the site for measures such as suppression or resolution. However, since the problem occurred in the underground space, the worker can visually find and identify the location of the site where the problem occurred. It is difficult to do this, and it is practically difficult to accurately check and judge the status information of the site. Therefore, a surveillance system capable of monitoring various risk factors must be provided. Therefore, various surveillance equipment such as cctv video cameras and thermal imaging cameras capable of detecting the occurrence of disasters such as fires and suppression facilities such as sprinklers are installed in common conduits including power outlets.
그러나, 기존의 감시장비나 시스템들은 고가의 영상카메라나 열화상카메라 등을 이용하는 첨단의 장비임에도, 실제 재난이 발생한 이후에만 재난을 파악할 수 있을 뿐만 아니라, 재난 발생 시에도 정확한 발생 위치를 찾아내어 진압하는 것이 어렵다는 문제가 있다. 이에 따라 순찰 인력 또는 업무 담당자가 직접 현장으로 이동하여 육안으로 확인해야 하는 문제점을 여전히 가지고 있다. 그러나 전력구는 비좁고 길게 형성되어 있어 사람이 걸어 다니면서 일일이 육안으로 확인하기에는 한계가 있을 뿐만 아니라 상당한 시간이 필요하며, 화재가 발생한 상태에서의 점검은 연기에 의한 질식 등 점검자의 안전에 위험이 있기 때문에 현실적으로 불가능하다. However, even though existing surveillance equipment and systems are state-of-the-art equipment using expensive video cameras or thermal imaging cameras, disasters can be identified only after the actual disaster has occurred, and even when a disaster occurs, it is possible to find the exact location of the disaster and suppress it. There is a problem that is difficult to do. Accordingly, there is still a problem in that a patrol personnel or a person in charge of a task has to directly move to the site and visually check it. However, power outlets are narrow and long, so it is not only limited for people to visually check each one while walking around, but also requires a considerable amount of time. impossible.
한편, 지중 배전선로의 전력구에는 다수의 전력케이블이 포설되어 있고 서로 연결되어 있는 반면, 전력케이블에는 대용량의 전류가 흐르고 있으며, 과부하로 인한 과전류나 부하 측 단락, 케이블 표면 열화 또는 접속 부분 불량 등이 발생하면 흐르는 전류나 누설전류 등으로 인하여 전력케이블에 발열이 있게 된다. 그리고 이러한 발열이 장시간 지속되어 누적되거나 심한 과열이 일시적으로 발생하는 경우에는 화재로 연결되는 문제도 있게 된다. 반면에 지중 배전선로의 전력구는 대부분 도심지 내에 설치되어 있어 지중 배전선로의 전력구에서 화재가 발생하면 도시 전체의 위험으로 발전할 가능성이 있기 때문에 화재 발생 시 신속한 진압을 하는 것도 중요하지만 화재 발생의 조짐을 사전에 찾아내어 선제적 조치를 하는 것이 바람직하다. On the other hand, while a large number of power cables are laid and connected to each other in the power outlet of the underground distribution line, a large amount of current flows in the power cables, and overcurrent due to overload, short circuit on the load side, deterioration of the cable surface or poor connection, etc. When this occurs, heat is generated in the power cable due to flowing current or leakage current. In addition, when such heat continues for a long time and accumulates or severe overheating occurs temporarily, there is also a problem that leads to a fire. On the other hand, most of the power outlets of underground distribution lines are installed in downtown areas, so if a fire breaks out in the power outlets of underground distribution lines, it is likely to develop into a danger to the entire city. It is desirable to find out in advance and take preemptive measures.
지중 배전선로에서 화재 등 재난 발생의 조짐을 판단할 수 있는 데이터로는 전류나 전압, 불꽃, 온도 또는 연기 등이 있을 것인데, 전류나 전압의 측정으로는 정확한 위치파악이 어렵고, 연기는 화재가 발생한 이후에 감지되기 때문에 재난의 조짐을 판단하는 데이터로는 적합하지 않다. 그리고 불꽃의 경우 과열이 되더라도 불꽃이 발생하지 않는 경우가 있을 뿐만 아니라, 불꽃이 감지되면 그 직후에 화재 등 재난으로 번질 확률이 큰 상태이기 때문에 이 또한 재난의 징조를 사전에 파악하기 위한 데이터로는 부적합하다. 따라서 재난 발생 전에 또는 초기에 이상현상으로 재난의 징후을 파악할 수 있는 데이터로는 온도변화가 가장 적합하다. 즉, 온도변화는 연기보다 먼저 발생하며, 과열이 되어도 발생하지 않을 수 있는 불꽃과 달리, 과열이 되면 필연적으로 발생하는 이상현상이기 때문에 온도변화 추이와 그 분포현황을 딥러닝 등으로 분석하게 되면 화재 등 재난 발생의 조짐을 찾아낼 수 있게 된다. Current, voltage, flame, temperature, or smoke may be data that can determine signs of a disaster such as fire in an underground distribution line. Since it is detected later, it is not suitable as data for determining signs of disaster. And in the case of sparks, not only are there cases where sparks do not occur even if they are overheated, but also when a spark is detected, there is a high probability that it will spread to a disaster such as a fire immediately after that, so this is also data for identifying signs of disaster in advance unsuitable Therefore, temperature change is most suitable as data that can identify signs of a disaster as an anomaly before or in the early stages of a disaster. In other words, temperature change occurs before smoke, and unlike flames, which may not occur even when overheated, it is an anomaly that inevitably occurs when overheating occurs. It is possible to detect signs of a disaster outbreak.
이러한 재난 발생의 조짐에 온도변화를 이용하려면 전력구 내 실내공기의 온도변화를 찾아내는 것이 가장 이상적이다. 예를 들어 전력케이블에 과열이 발생하게 되면 제일 먼저 전력케이블의 온도가 상승하고 이에 따라 주변의 실내공기 온도가 상승하게 되는데, 주변 실내온도가 먼저 상승한 다음에 천장이나 측벽 등의 온도가 축열되면서 서서히 상승하게 된다. 그러므로 전력케이블 표면의 온도를 측정하는 것이 가장 빠르게 감지해 낼 수있는 방법이겠지만, 전력케이블의 경우 하나의 전력구에 여러 가닥이 포설되어 있을 뿐만 아니라 서로 포개지고 섞여 있어서, 포설된 전력케이블들 모두에 대하여 일정한 간격으로 온도 분포를 측정한다는 것은 현실적으로 불가능에 가까운 일이다. 따라서 전력구 내 공기 온도를 측정하여 그 변화에 따른 분석을 통하여 재난의 징후를 찾아내는 것이 가장 현실적인 방법이 될 것이다. In order to use the temperature change to predict the occurrence of such a disaster, it is most ideal to find the temperature change of the indoor air in the power outlet. For example, when overheating occurs in a power cable, the temperature of the power cable rises first and the temperature of the surrounding indoor air rises accordingly. will rise Therefore, measuring the temperature of the surface of the power cable is the fastest way to detect it. It is practically impossible to measure the temperature distribution at regular intervals. Therefore, it would be the most realistic method to measure the temperature of the air inside the power outlet and find signs of disaster through analysis according to the change.
한편, 전력구는 그 길이가 길어서 어느 특정 지점만의 실내공기 온도변화 감지로 전체를 판단할 수 없기 때문에 전력구 내 전체 구간의 실내공기 온도변화와 그 분포를 파악해서 분석해야 한다. 따라서 이상현상 발생을 감지하기 위해서는 전력구 내 각 지점의 실내온도를 측정해야 한다. 전력구 내 실내온도를 측정하기 위해서는, 아무리 측정시간이 빠른 센서를 사용한다 하더라도 센서의 센싱부 표면이 주변의 실내공기 온도와 같아지는 시간 동안, 적어도 어느 정도의 시간 동안 온도를 측정해야 정확한 현재 실내온도 값을 알 수 있게 된다. 그러므로 실내온도 변화를 측정하기 위해서는 요소요소 마다 고정된 온도센서로 실내온도 변화를 지속적으로 센싱하고, 변화되는 실내공기의 온도데이터를 계속하여 전송해야 한다. 따라서 상당한 숫자의 온도 센서와 각각의 전송장치를 가진 장치 즉 IoT 온도센서가 필요하게 된다. 그러나 전력구의 길이는 너무 길어서 촘촘한 간격으로 많은 양의 IoT 온도센서를 일일이 설치하고, 이들의 데이터를 모두 받아서 분석하는 것은 현실적으로 어려운 문제이다. On the other hand, since the length of the power outlet is long, it is impossible to determine the whole by sensing the change in indoor air temperature at a specific point, so it is necessary to identify and analyze the change in indoor air temperature and its distribution in the entire section within the power outlet. Therefore, in order to detect the occurrence of an anomaly, it is necessary to measure the indoor temperature at each point in the power outlet. In order to measure the indoor temperature in the power outlet, no matter how fast the measurement time sensor is used, the temperature must be measured for at least a certain amount of time during the time when the surface of the sensing part of the sensor becomes the same as the surrounding indoor air temperature, so that the current indoor temperature is accurate. temperature value can be obtained. Therefore, in order to measure the change in indoor temperature, it is necessary to continuously sense the change in indoor temperature with a temperature sensor fixed for each element and continuously transmit temperature data of the changing indoor air. Therefore, a device with a significant number of temperature sensors and respective transmitters, i.e. IoT temperature sensors, is required. However, since the length of the power inlet is too long, it is practically difficult to install a large amount of IoT temperature sensors at close intervals and receive and analyze all of their data.
이러한 문제를 해결하기 위한 방법으로서 전력구를 따라서 이동하는 이동장치에 실내공기 온도를 측정할 수 있는 센서를 부착하고 이동하면서 전력구의 전 구간에 대한 실내온도를 측정하는 방법을 생각해 볼 수 있다. 그러나 상술한 바와 같이 실내공기 온도를 측정하기 위해서는 센서의 센싱부 표면이 주변의 실내공기 온도와 같아지는 시간이 필요하기 때문에 측정을 위한 장소로 이동한 후 어느 정도의 시간 동안 온도를 측정해야 하며, 이에 따라 측정시간이 너무 길어지는 문제점이 있다. 또한, 전력구의 길이 방향을 따라 특정한 경로만을 따라 이동하게 되므로 전력구의 어느 한구석에서만 발열이 되는 경우는 온도변화를 감지하지 못한다는 문제점이 있게 된다.As a method for solving this problem, a method of attaching a sensor capable of measuring the indoor air temperature to a mobile device moving along the power outlet and measuring the indoor temperature of the entire section of the power outlet while moving can be considered. However, as described above, in order to measure the indoor air temperature, it takes time for the surface of the sensing unit of the sensor to become the same as the ambient indoor air temperature. Accordingly, there is a problem in that the measurement time is too long. In addition, since it moves only along a specific path along the longitudinal direction of the power outlet, there is a problem in that the temperature change cannot be detected when heat is generated in only one corner of the power outlet.
또 다른 대안으로서, 이동장치에 적외선 온도 센서나 열화상 카메라 등을 장착하여 빠르게 이동시키면서 전력구의 천장 또는 측벽이나 구조물의 온도를 측정하는 방법도 있다. 그러나 전력구의 천장이나 측벽의 경우 대부분 콘크리트 구조물이어서 전력구 내부의 순간적 온도변화에 민감하지 않을 뿐만 아니라, 측정 이전 한참 전의 시점부터 측정 시점까지 열이 축열되어 가열되거나 냉각된 온도를 가지고 있기 때문에 천장이나 측벽 등의 온도는 해당 위치에 대한 현재 시점의 실내공기 온도가 아닐 수도 있다는 문제점이 있다. 즉, 갑자기 단시간 내에 온도가 상승하는 경우 그 시점에서 천장이나 측벽의 온도는 이전의 온도를 가지고 있게 되며, 상승된 공기 온도에 의하여 가열되어 현재 시점의 실내공기 온도와 같아지기까지는 상당한 시간이 소요된다. 이 또한, 전력구의 길이 방향을 따라 특정한 경로만을 따라 이동하게 되므로 전력구의 어느 한구석에서만 발열이 되는 경우는 온도변화를 감지하지 못한다는 문제점도 있게 된다.As another alternative, there is also a method of measuring the temperature of the ceiling or sidewall or structure of the power outlet while moving quickly by mounting an infrared temperature sensor or a thermal imaging camera on the moving device. However, since most of the ceilings or side walls of power outlets are concrete structures, they are not sensitive to the instantaneous temperature change inside the power outlet, and they have a heated or cooled temperature due to heat storage from a time point long before measurement to the time of measurement. There is a problem in that the temperature of the side wall may not be the indoor air temperature at the current time of the corresponding location. That is, when the temperature suddenly rises within a short period of time, the temperature of the ceiling or sidewall remains at the previous temperature at that point, and it takes a considerable amount of time to become heated by the increased air temperature and equal to the current indoor air temperature. . In addition, since it moves only along a specific path along the longitudinal direction of the power outlet, there is also a problem that the temperature change cannot be detected when heat is generated in only one corner of the power outlet.
이뿐만 아니라, 전력구는 대부분 하나의 구조물로 이어져 있기 때문에 전력구 천장이나 벽의 온도는 주변에서 공급된 에너지까지도 반영한 온도값이어서 측정하고자 하는 해당 지점의 현재 실내온도를 정확하게 반영하지 못한다는 문제점이 있게 된다. 즉, 전력구의 천장이나 벽에서 측정된 온도는 전력구의 다른 지점에서부터 전달되어 온 냉기나 열기까지도 반영한 온도일 뿐만 아니라, 주변의 지열이나 땅속의 냉기까지도 반영한 온도여서, 특히 온도변화가 있는 시점에서 측정된 천장이나 벽의 온도는 ‘해당 지점의 현재 실내온도’로 볼 수 없기 때문이다.In addition, since most power outlets are connected as one structure, the temperature of the ceiling or wall of the power outlet is a temperature value that reflects even the energy supplied from the surroundings, so there is a problem that it does not accurately reflect the current indoor temperature at the point to be measured. do. That is, the temperature measured on the ceiling or wall of the power outlet is not only the temperature that reflects the cold air or heat transmitted from other points in the power outlet, but also the temperature that reflects the surrounding geothermal heat or cold air in the ground. This is because the temperature of the ceiling or wall cannot be viewed as 'the current room temperature at that point'.
한편, 인공지능의 기술 중 하나인 딥러닝은 과거의 데이터를 통하여 컴퓨터가 스스로 학습하여 의사결정을 할 수 있게 한다. 기본적으로 과거의 주어진 데이터를 통해서 정답을 학습시켜, 미래에도 비슷한 데이터가 주어질 경우 답을 맞추도록 한다. 딥러닝은 인간이 결론을 내리는 유사한 논리구조로, 인공 신경망이라는 더욱 복잡한 방식으로 학습하여 뛰어난 성능으로 최근 각광받고 있다. On the other hand, deep learning, one of the technologies of artificial intelligence, enables computers to learn and make decisions on their own through past data. Basically, it learns the correct answer through given data in the past, and if similar data is given in the future, it will guess the answer. Deep learning is a similar logic structure that humans draw conclusions, and has recently been in the limelight for its excellent performance by learning in a more complex way called artificial neural networks.
딥러닝에서 자기 지도학습(self-supervised learning)은, 정답이 인풋 데이터가 되어 학습하는 방법으로, 인풋 데이터로 사용된 데이터의 중요한 특징만 추출하여 인풋 데이터와 유사한 데이터로 만들어 이상치를 탐지하는 데 자주 사용되는 학습 방법이다. 한편, AutoEncoder(오토인코더)는 입력 데이터를 출력으로 복사하는 신경망이다. 이 과정에서 여러 가지 제약을 가함으로, 신경망을 학습시키는 방법이다. 이러한 제약들은 딥러닝 모델이 데이터를 좀 더 효율성 있게 표현하는 방법에 대해서 학습하도록 제어한다. 이러한 특징 때문에 이상 탐지나 차원 축소 또는 전처리 단계 등에서 사용될 수 있다.In deep learning, self-supervised learning is a method of learning in which the correct answer becomes input data. It is often used to detect outliers by extracting only important features of the data used as input data and making it similar to the input data. learning method used. On the other hand, AutoEncoder is a neural network that copies input data to output. It is a method of training a neural network by applying various constraints in this process. These constraints control the deep learning model to learn how to represent data more efficiently. Because of these characteristics, it can be used in anomaly detection, dimensionality reduction, or preprocessing.
상술한 문제점을 해결하기 위하여 창안된 본 발명은, 전력구의 길이 방향을 따라 일정 간격마다 실내공기 온도를 측정하되, 일정 시간 간격으로 반복하여 측정한 데이터를 딥러닝 모델로 학습하도록 하고, 학습된 딥러닝 모델이 전력구 내 위치에 따른 실내공기 온도의 변화 및 각각의 위치에서의 시계열적인 온도변화 등을 분석하여 전력구 내에서 재난 발생이 예상되는 이상현상 발생위치를 탐지하여 관리자에게 알려줄 수 있는, 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템을 제공하는 것을 목적으로 한다.The present invention, invented to solve the above problems, measures the indoor air temperature at regular intervals along the length direction of the power outlet, and learns the repeatedly measured data at regular intervals as a deep learning model, The learning model analyzes the change in indoor air temperature according to the location in the power outlet and the time-series temperature change at each location, detects the location of anomalies where disasters are expected to occur within the power outlet, and informs the manager. An object of the present invention is to provide a deep learning monitoring system that detects abnormal symptoms of underground distribution lines.
본 발명의 또 다른 목적은, 딥러닝 모델이 분석하는 탐지데이터에 포함되는 온도데이터는, 전력구의 천장이나 벽의 온도를 감지한 데이터로 하지 않고, 측정 당시의 실내공기 온도를 정확하게 반영한 온도를 제공할 수 있도록 함으로써, 딥러닝 모델이 전력구 내부에서 변화하는 실내공기 온도의 미세한 변화까지도 분석하여 이상현상을 정확하게 탐지할 수 있는, 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템을 제공하는 것을 목적으로 한다. Another object of the present invention is to provide a temperature that accurately reflects the indoor air temperature at the time of measurement, rather than the temperature data of the ceiling or wall of the power outlet as the temperature data included in the detection data analyzed by the deep learning model. By enabling the deep learning model to analyze even minute changes in indoor air temperature that change inside the power outlet, to provide a deep learning monitoring system that detects anomalies in underground distribution lines that can accurately detect anomalies. The purpose.
본 발명의 또 다른 목적은, 이동장치가 전력구 전체를 길이 방향을 따라 신속하게 왕복으로 이동하면서 전력구 내부에서 변화하는 실내공기 온도의 미세한 변화까지도 정확하게 측정하되, 실내공기 온도를 측정할 위치에서 일정 시간 동안 머무르면서 측정하지 않고, 시간 소요 없이 신속하게 계속 이동하면서 실내공기 온도를 측정하여 이상현상을 탐지할 수 있는 딥러닝 감시시스템을 제공하는 것을 목적으로 한다. 즉, 장거리에 걸쳐 형성되어 있는 전력구 내 온도분포를 수집할 때 이동장치가 전력구를 따라서 신속하게 이동할 수 있으면서도 전력구 내부의 각 위치에서의 실내공기 온도를 정확하게 측정할 수 있는 감시시스템을 제공하는 것을 목적으로 한다.Another object of the present invention is to accurately measure even minute changes in the indoor air temperature changing inside the electric power bulb while the moving device moves quickly and reciprocally along the entire length of the electric bulb, and to measure the indoor air temperature at the location where the indoor air temperature is to be measured. It is an object of the present invention to provide a deep learning surveillance system capable of detecting anomalies by measuring indoor air temperature while moving quickly and continuously without taking time, rather than staying for a certain period of time and measuring. In other words, providing a monitoring system that can accurately measure the indoor air temperature at each location inside the power outlet while the moving device can move quickly along the power outlet when collecting the temperature distribution in the power outlet formed over a long distance. aims to do
본 발명의 또 다른 목적은, 전력구의 천장이나 구조물에 축적된 열 또는 냉기에 의한 영향을 받지 않고 순전한 실내공기의 온도변화만을 탐지하여 이상현상을 찾아낼 수 있는, 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템을 제공하는 것을 목적으로 한다.Another object of the present invention is to detect anomalies in underground distribution lines, which can detect anomalies by detecting only temperature changes in indoor air without being affected by heat or cold accumulated in the ceiling or structure of a power outlet. Its purpose is to provide a deep learning surveillance system that detects
본 발명의 또 다른 목적은, 이동장치가 전력구 전체를 길이 방향을 따라 이동하면서 일정 간격으로 온도를 측정할 때 각각의 위치에서 측정되는 온도는, 해당 위치의 전력구 너비 방향 전체에서 가장 높은 온도가 측정할 수 있도록 함으로써, 전력구의 어느 한구석에서 실내공기 온도변화가 있더라도 이를 찾아낼 수 있는 딥러닝 감시시스템을 제공하는 것을 목적으로 한다.Another object of the present invention is that when the moving device measures the temperature at regular intervals while moving the entire electric bulb along the longitudinal direction, the temperature measured at each location is the highest temperature in the entire width direction of the electric bulb at the corresponding position. It is an object of the present invention to provide a deep learning monitoring system that can detect even if there is a change in indoor air temperature at any corner of a power outlet by allowing it to be measured.
본 발명의 또 다른 목적은, 이동장치가 이동하면서 전력구의 실내온도를 측정할 때, 전력구 내부의 실내공기 온도와 함께 천장 표면의 온도도 같이 측정할 수 있도록 함으로써, 측정된 실내공기 온도가 이전부터 유지되어 오던 온도인지 또는 최근에 발생한 어떠한 현상에 의하여 갑자기 변화된 실내공기 온도인지까지도 판단할 수 있는, 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템을 제공하는 것을 목적으로 한다.Another object of the present invention is to measure the temperature of the ceiling surface as well as the indoor air temperature inside the power outlet when the mobile device moves and measures the indoor temperature of the power outlet, so that the measured indoor air temperature is the same as the previous one. It is an object of the present invention to provide a deep learning monitoring system for detecting anomalies in underground distribution lines, which can determine whether the temperature has been maintained since the beginning or whether the indoor air temperature suddenly changed due to a recent phenomenon.
본 발명의 또 다른 목적은, 이동장치가 이동하면서 전력구 내부의 실내공기 온도와 함께 천장 표면의 온도도 측정할 수 있도록 하되, 천장 온도 측정을 위한 별도의 센서가 없이도, 전력구 내부의 실내공기 온도 측정을 위한 센서를 이용하여 전력구의 천장 온도를 같이 측정할 수 있는 감시시스템을 제공하는 것을 목적으로 한다.Another object of the present invention is to measure the temperature of the surface of the ceiling as well as the temperature of the indoor air inside the power outlet while the moving device moves, but without a separate sensor for measuring the ceiling temperature, the indoor air inside the power outlet An object of the present invention is to provide a monitoring system that can measure the temperature of the ceiling of an electric power outlet by using a sensor for temperature measurement.
본 발명의 또 다른 목적은, 전력구에 포설된 전력케이블 중 어느 한 위치에서 발열이 발생하면, 발열된 전력케이블에서 발생되는 열기를 직 상부에서 즉시 채집하여 측정할 수 있도록 함으로써, 전력케이블의 이상현상을 신속하고 정확하게 찾아낼 수 있는, 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템을 제공하는 것을 목적으로 한다.Another object of the present invention is that when heat is generated at any one of the power cables installed in the power outlet, the heat generated from the heated power cable can be immediately collected and measured from the top, so that the abnormality of the power cable can be measured. An object of the present invention is to provide a deep learning monitoring system that detects abnormal symptoms of underground distribution lines that can quickly and accurately find phenomena.
본 발명의 또 다른 목적은, 딥러닝 모델이 이상현상을 탐지한 이후에 화재감지 신호 등을 수신하게 되면, 직전에 탐지하였던 이상현상 발생 위치를 발화지점으로 간주하여 관리자에게 알려줄 수 있는 딥러닝 감시시스템을 제공하는 것을 목적으로 한다.Another object of the present invention is deep learning surveillance that can inform a manager by considering the anomaly occurrence location detected immediately before as an ignition point when a fire detection signal, etc. is received after the deep learning model detects an anomaly. It aims to provide a system.
본 발명의 또 다른 목적은, 화재감지 신호 등을 수신하게 되면 이상현상의 발생이 탐지되었던 발생 위치로 이동장치를 신속하게 이동시킨 후 그 위치 주변을 정밀하게 탐지하여 발화지점의 정확한 위치를 찾아내도록 함으로써, 발화지점 측위 및 그에 대한 화재진압을 신속하고 정확하게 수행할 수 있는 딥러닝 감시시스템을 제공하는 것을 목적으로 한다.Another object of the present invention is to find the exact location of the ignition point by precisely detecting the vicinity of the location after quickly moving the moving device to the location where the occurrence of the anomaly was detected when a fire detection signal or the like is received. By doing so, the purpose is to provide a deep learning monitoring system that can quickly and accurately locate the ignition point and extinguish the fire therefor.
본 발명의 또 다른 목적은, 배전선로의 감시 시스템으로부터 과전류 또는 지락전류 등의 사고정보를 수신하는 경우, 일정한 시간 동안 이동장치를 왕복 이동시키면서 탐지데이터를 생성하여 전송하도록 함으로써 배전선로의 사고 발생으로 인하여 지중 배전선로 중에서 발열이 발생하여 화재가 우려되는 지점을 찾도록 하고, 이를 통하여 재난 발생을 예방할 수 있는 딥러닝 감시시스템을 제공하는 것을 목적으로 한다.Another object of the present invention is to generate and transmit detection data while moving a mobile device back and forth for a certain period of time when receiving fault information such as overcurrent or ground fault current from a monitoring system of a distribution line, thereby preventing an accident in a distribution line. Therefore, it is an object of the present invention to provide a deep learning monitoring system that can prevent a disaster by finding a point where heat is generated in an underground distribution line and a fire is concerned.
본 발명의 또 다른 목적은, 전력구 내부를 촬영하는 고가의 영상카메라들과 복잡한 영상 처리장치가 없이도 이상현상의 발생 위치를 정확하게 찾아낼 수 있는, 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템을 제공하는 것을 목적으로 한다.Another object of the present invention is deep learning monitoring that detects anomalies in underground distribution lines, which can accurately find the location of anomalies without expensive video cameras and complex image processing devices that take pictures of the inside of power outlets. It aims to provide a system.
본 발명이 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.The technical problems to be achieved by the present invention are not limited to the above-mentioned technical problems, and other technical problems not mentioned can be clearly understood by those skilled in the art from the description below. There will be.
이와 같은 목적들을 달성하기 위하여 본 발명은, 지중 배전선로용 전력케이블이 포설된 전력구에서 발생하는 이상현상을 탐지하는 시스템으로서, 상기 전력구의 길이 방향을 따라 상기 전력구의 천장 일측에 설치되는 레일; 상기 전력구 상부의 실내공기 온도에 감응하여 열을 채집하기 위하여, 상기 전력구의 천장 중 상기 전력케이블이 지나가는 직 상부에 상기 전력케이블을 따라서 반복적으로 부착되는 장방형의 열 채집 판; 상기 전력구 상부의 실내공기 온도를 검출하기 위하여, 상기 레일과 평행하게 상기 레일의 한쪽에 제1길이 단위로 상기 전력구의 천장 표면에 반복하여 부착되는 온도검출 띠; 상기 열 채집 판에서 채집된 열을 상기 온도검출 띠에 전달하기 위하여, 상기 온도검출 띠와 상기 열 채집 판을 연결하는 열 전달 띠; 일정한 시간 간격으로 또는 일정한 시각이 되면, 상기 레일을 따라 왕복으로 이동하면서 상기 온도검출 띠의 표면 온도를 측정하면서 상기 표면 온도와 측정시간을 포함하는 탐지데이터를 생성하여 전송하는 이동장치; 및 상기 이동장치로부터 전송받은 상기 탐지데이터를 딥러닝 분석하여 상기 전력구 내 이상현상 발생을 탐지하는 감시서버;를 포함하되, 상기 열 채집 판, 상기 온도검출 띠 및 상기 열 전달 띠 각각은, - 동일한 크기 및 모양을 가지는 단열층과 금속층으로 이루어지고, - 상기 단열층은, 열을 차단할 수 있는 단열 재질로서 상기 전력구의 천장에 축적된 냉기 또는 온기가 상기 금속층에 전달되지 않도록 상기 전력구의 천장 표면과 상기 금속층 사이에 개재되고, 상기 열 채집 판, 상기 온도검출 띠 및 상기 열 전달 띠 중 상기 금속층은 일체로 연결되며, 상기 전력구의 천장 표면에 반복하여 부착되는 온도검출 띠 사이에는, 상기 온도검출 띠 상호간의 열전달을 차단할 수 있도록 제2길이 단위의 이격부를 가지며, 상기 이동장치에는, - 상기 레일을 따라 이동할 수 있는 구동력을 발생시키는 구동부, - 상기 레일의 옆에 부착된 상기 온도검출 띠의 금속층 표면에 대하여 상기 표면 온도를 측정할 수 있는 적외선 센서, - 상기 구동부 및 상기 적외선 센서를 포함하는 상기 이동장치의 구성요소들에 대한 작동을 제어하는 제어부 및 - 상기 감시서버와 데이터 송수신을 할 수 있는 통신부를 포함하는 것을 특징으로 하는, 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템으로 하는 것이 바람직하다.In order to achieve the above objects, the present invention is a system for detecting an anomaly occurring in a power outlet in which a power cable for an underground distribution line is installed, comprising: a rail installed on one side of the ceiling of the power outlet along the longitudinal direction of the power outlet; a rectangular heat collecting plate repeatedly attached along the power cable to an upper portion of the ceiling of the power outlet where the power cable passes, in order to collect heat in response to indoor air temperature above the power outlet; a temperature detection strip repeatedly attached to the ceiling surface of the electric power outlet in units of a first length on one side of the rail parallel to the rail to detect indoor air temperature above the power outlet; a heat transfer band connecting the temperature detection band and the heat collecting plate to transfer the heat collected by the heat collecting plate to the temperature detecting band; a moving device generating and transmitting detection data including the surface temperature and measurement time while measuring the surface temperature of the temperature detection strip while reciprocally moving along the rail at regular time intervals or at a specific time; And a monitoring server for deep learning analysis of the detection data received from the mobile device to detect the occurrence of an anomaly in the power outlet; wherein each of the heat collecting plate, the temperature detection belt, and the heat transfer belt, - It consists of a heat insulating layer and a metal layer having the same size and shape, - The heat insulating layer is a heat insulating material capable of blocking heat and prevents cold air or warmth accumulated on the ceiling of the electric power outlet from being transferred to the metal layer. It is interposed between metal layers, and the metal layer of the heat collecting plate, the temperature detection strip, and the heat transfer strip is integrally connected, and between the temperature detection strips repeatedly attached to the ceiling surface of the power outlet, the temperature detection strips has a spaced portion of a second length unit to block heat transfer, and the moving device includes: - a driving unit generating a driving force capable of moving along the rail, - a surface of the metal layer of the temperature detection strip attached to the side of the rail an infrared sensor capable of measuring the surface temperature of the object, - a control unit controlling the operation of components of the mobile device including the driving unit and the infrared sensor, and - a communication unit capable of transmitting and receiving data to and from the monitoring server. It is preferable to use a deep learning monitoring system for detecting abnormal symptoms of underground distribution lines, characterized in that it includes.
본 발명은 또한 상술한 특징들에 더하여, 일정한 위치마다, 상기 레일 또는 상기 전력구의 천장에 반복하여 부착되는 RFID 태그;를 더 포함하며, 상기 이동장치에는, 상기 전력구 내에서 자신의 위치를 식별하여 위치정보를 생성할 수 있는 위치식별 수단으로서 RFID 리더기를 포함하며, 상기 RFID 태그 각각에는 자신의 고유코드를 가지며, 상기 이동장치는, 상기 RFID 리더기가 상기 RFID 태그에서 읽어 들인 상기 고유코드를 이용하여 자신의 위치를 식별하며, 상기 이동장치가 생성하는 상기 탐지데이터에는, 상기 표면 온도를 측정한 위치를 식별할 수 있는 위치정보를 더 포함하는 것을 특징으로 하는, 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템으로 하는 것도 바람직하다.In addition to the above features, the present invention further includes an RFID tag repeatedly attached to the rail or the ceiling of the power outlet at each predetermined location, and the mobile device identifies its position within the power outlet. An RFID reader is included as a location identification means capable of generating location information by using an RFID reader, and each RFID tag has its own unique code, and the mobile device uses the unique code read by the RFID reader from the RFID tag. to identify its location, and the detection data generated by the mobile device further includes location information capable of identifying the location where the surface temperature was measured. Detection of abnormal symptoms of underground distribution lines It is also desirable to use it as a deep learning monitoring system.
본 발명은 또한 상술한 특징들에 더하여, 상기 제1길이와 상기 제2길이는 동일하며, 상기 일정한 위치는 상기 온도검출 띠의 양단과 각각 일치하는 위치이며, 상기 적외선 센서는, 상기 이동장치가 상기 이격부를 지나는 동안 상기 전력구의 천장 온도를 측정하며, 상기 이동장치는, 상기 RFID 리더기가 상기 RFID 태그에서 읽어 들인 상기 고유코드를 이용하여 상기 적외선 센서가 측정하는 온도가 상기 천장 온도인지 상기 표면 온도인지를 구별하며, 상기 이동장치가 생성하는 상기 탐지데이터에는 상기 천장 온도를 더 포함하는 것을 특징으로 하는, 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템으로 하는 것도 바람직하다.In addition to the above-described features, the present invention also provides that the first length and the second length are the same, the constant position is a position coincident with both ends of the temperature detection strip, and the infrared sensor, the moving device The temperature of the ceiling of the power outlet is measured while passing through the separation unit, and the moving device determines whether the temperature measured by the infrared sensor using the unique code read from the RFID tag by the RFID reader is the ceiling temperature or the surface temperature. It is also preferable to use a deep learning monitoring system for detecting abnormal symptoms of underground distribution lines, characterized in that the detection data generated by the mobile device further includes the ceiling temperature.
본 발명은 또한 상술한 특징들에 더하여, 상기 감시서버는, - 딥러닝 모델인 이상 탐지모델로 상기 탐지데이터를 학습하면서, 상기 실내공기 온도에 대한 위치에 따른 변화 및 시계열적 변화를 분석하여 전력구 내에서 재난 발생이 예상되는 이상현상 발생 위치를 탐지하며, - 상기 이상현상의 발생이 탐지되는 경우 상기 이상현상의 발생 위치를 포함하는 위험탐지 정보를 생성한 후, 상기 감시서버의 관리자가 식별할 수 있도록 표시수단을 통하여 표출하되. 상기 이상 탐지모델은, - 콘볼루션널 오토인코더(Convolutional autoencoder) 기법의 딥러닝 학습모델로 상기 탐지데이터를 학습하여 임계치(Threshold)를 추정한 후, 상기 임계치를 이용하여 상기 탐지데이터로부터 상기 이상현상을 탐지하는 것을 특징으로 하는, 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템으로 하는 것도 바람직하다.In addition to the above-described features, the monitoring server of the present invention also analyzes positional and time-sequential changes in the indoor air temperature while learning the detection data with an anomaly detection model, which is a deep learning model, to detect power Detects the occurrence location of an anomaly in which a disaster is expected to occur within the district, - If the occurrence of the anomaly is detected, after generating risk detection information including the location of the occurrence of the anomaly, the administrator of the monitoring server identifies It is expressed through display means so that it can be done. The anomaly detection model is: After estimating a threshold by learning the detection data with a deep learning learning model of a convolutional autoencoder technique, the anomaly from the detection data using the threshold It is also preferable to use a deep learning monitoring system that detects abnormal symptoms of underground distribution lines, characterized in that it detects.
본 발명은 또한 상술한 특징들에 더하여, 상기 감시서버는, - 상기 전력구 내에 화재 발생 여부를 탐지하기 위하여 설치된 자동화재 탐지시스템으로부터 화재감지 신호 또는 화재경보 신호를 수신할 수 있으며, - 상기 이상현상의 발생이 탐지된 이후 상기 화재감지 신호 또는 상기 화재경보 신호를 수신하는 경우 상기 이상현상의 발생 위치를 발화지점으로 간주하여 상기 발화지점에 대한 위치정보를 생성한 후, 상기 감시서버의 관리자가 식별할 수 있도록 상기 표시수단을 통하여 표출하는 것을 특징으로 하는, 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템으로 하는 것도 바람직하다.In addition to the above-described features, the present invention also provides that the monitoring server: - can receive a fire detection signal or a fire alarm signal from an automatic fire detection system installed to detect whether or not a fire has occurred in the power outlet; When the fire detection signal or the fire alarm signal is received after the occurrence of the phenomenon is detected, the location of the abnormal phenomenon is regarded as an ignition point and location information on the ignition point is generated, and then the manager of the monitoring server It is also preferable to use a deep learning monitoring system for detecting abnormal symptoms of underground distribution lines, characterized in that they are expressed through the display means so that they can be identified.
본 발명은 또한 상술한 특징들에 더하여, 상기 감시서버는, 상기 화재감지 신호 또는 상기 화재경보 신호를 수신하는 경우 상기 발화지점에 대한 위치정보를 상기 이동장치에 전송하며, 상기 이동장치는, 상기 감시서버로부터 상기 발화지점에 대한 위치정보를 수신하는 경우 상기 구동부를 제어하여 상기 발화지점을 중심으로 일정 범위를 왕복으로 반복 이동하면서 상기 탐지데이터를 생성하여 전송하는 것을 특징으로 하는, 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템으로 하는 것도 바람직하다.In addition to the above features, the monitoring server transmits location information about the ignition point to the mobile device when receiving the fire detection signal or the fire alarm signal, and the mobile device In the case of receiving location information on the ignition point from the monitoring server, the driving unit is controlled to generate and transmit the detection data while repeatedly moving back and forth in a certain range around the ignition point. It is also desirable to use a deep learning surveillance system that detects anomalies.
본 발명은 또한 상술한 특징들에 더하여, 상기 감시서버는, - 상기 전력구 내에 포설된 배전선로의 감시 시스템으로부터, 상기 배전선로에 과전류 또는 지락전류 발생 시 사고정보를 수신할 수 있으며, - 상기 사고정보를 수신하는 경우, 상기 이동장치에 대하여 점검요청 정보를 전송하며, 상기 이동장치는, - 상기 감시서버로부터 상기 점검요청 정보를 수신하는 경우 상기 구동부를 제어하여 일정한 시간 동안 상기 레일을 따라 왕복으로 이동하면서 상기 탐지데이터를 생성하여 전송하는 것을 특징으로 하는, 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템으로 하는 것도 바람직하다.The present invention, in addition to the above-described features, the monitoring server, - can receive fault information when overcurrent or ground fault current occurs in the distribution line from the monitoring system of the distribution line installed in the power outlet, - the When accident information is received, inspection request information is transmitted to the moving device, and when the inspection request information is received from the monitoring server, the moving device controls the driving unit to reciprocate along the rail for a certain period of time. It is also preferable to use a deep learning monitoring system for detecting anomalies in underground distribution lines, characterized in that the detection data is generated and transmitted while moving to
이상에서 살펴본 바와 같이 본 발명은, 지중 배전선로가 포설된 전력구의 전 구간에 걸쳐서 실내공기의 온도변화(실내온도 변화)를 측정한 후 실내온도 분포 및 변화추이를 딥러닝으로 분석함으로써 전력구 내 이상현상의 발생 여부와 그 발생 위치를 탐지해 낼 수 있게 된다. 따라서 전력케이블의 과열이나 열화로 인한 온도 상승으로 발생할 수 있는 화재 등 전력구 내 재난 발생의 징조를 사전에 탐지해서 관리자 등에게 알려줄 수 있고, 이를 통하여 재난이 발생하기 전에 그 발생을 원천적으로 차단할 수 있는 효과를 거둘 수가 있다.As described above, the present invention measures the temperature change (indoor temperature change) of the indoor air over the entire section of the electric power outlet in which the underground distribution line is installed, and then analyzes the distribution and change trend of the indoor temperature by deep learning. It is possible to detect whether an anomaly has occurred and where it occurred. Therefore, it is possible to detect signs of disasters in power outlets in advance, such as fires that may occur due to temperature rise due to overheating or deterioration of power cables, and notify managers in advance, thereby preventing the occurrence of disasters at the source. effect can be achieved.
본 발명은 또한, 전력구의 길이 방향을 따라 레일이 설치되고, 레일을 따라서 이동하는 이동장치가 있으며, 이동장치가 이동하는 레일의 양쪽 전력구의 천장 표면에는 온도검출 띠들이 제1길이 단위로 반복하여 부착되며, 이동장치는 레일을 따라서 전력구의 전 구간을 이동하면서 온도검출 띠들의 표면 온도를 측정할 수 있으므로, 제1길이 단위로 끊어져서 전력구의 천장 표면에 반복하여 부착된 온도검출 띠의 표면 온도를 이동장치가 이동하면서 측정하게 되면, 전력구의 전체 구간에 대한 실내온도 분포를 측정할 수 있는 효과가 있다. In the present invention, a rail is installed along the longitudinal direction of the power outlet, there is a moving device that moves along the rail, and temperature detection bands are repeatedly formed on the ceiling surface of the power outlet on both sides of the rail on which the moving device moves, in units of a first length. Since the moving device can measure the surface temperature of the temperature detection strips while moving the entire section of the power outlet along the rail, the surface temperature of the temperature detection strips repeatedly attached to the ceiling surface of the power outlet by being cut in units of the first length is measured. When the mobile device measures while moving, there is an effect of measuring the indoor temperature distribution for the entire section of the power outlet.
본 발명은 또한, 전력구 상부의 실내공기 온도에 감응하여 열을 채집하기 위하여, 전력구의 천장 중 전력케이블이 지나가는 직 상부에 전력케이블을 따라서 반복적으로 부착되는 장방형의 열 채집 판과 열 채집 판에서 채집된 열을 온도검출 띠에 전달하기 위하여, 온도검출 띠와 상기 열 채집 판을 연결하는 열 전달 띠를 포함하고, 열 채집 판, 온도검출 띠 및 열 전달 띠는 일체로 연결되는 금속층을 가지기 때문에, 열 채집 판이 실내공기의 열기에 의하여 가열되면 열 채집 판에는 실내공기의 열기가 채집되며, 열 채집 판에 채집된 열은 전도 현상에 의하여 열 전달 띠를 통하여 온도검출 띠로 이동하게 된다. 이에 따라 온도검출 띠의 온도와 열 전달 띠의 온도 및 열 채집 판의 온도는 같아지게 되며, 온도검출 띠의 온도를 측정하면 열 채집 판의 온도를 측정한 것과 마찬가지로 되며, 이는 열 채집 판을 가열시킨 실내공기 온도와 같은 온도가 된다. 따라서 적외선 센서로 온도검출 띠의 온도를 측정하면 해당 지점에서의 실내공기 온도를 측정한 것과 마찬가지의 효과를 거둘 수 있기 때문에 신속하고 정확하게 해당 지점에 대한 실내공기 온도를 측정할 수 있는 효과가 있다. In the present invention, in order to collect heat in response to the indoor air temperature at the top of the power outlet, in the rectangular heat collecting plate and the heat collecting plate repeatedly attached along the power cable to the upper part of the ceiling of the power outlet where the power cable passes. In order to transfer the collected heat to the temperature detection strip, it includes a heat transfer strip connecting the temperature detection strip and the heat collection plate, and the heat collection plate, the temperature detection strip, and the heat transfer strip have a metal layer integrally connected thereto, When the heat collecting plate is heated by the heat of the indoor air, the heat of the indoor air is collected by the heat collecting plate, and the heat collected by the heat collecting plate moves to the temperature detection band through the heat transfer belt by the conduction phenomenon. Accordingly, the temperature of the temperature detection band, the temperature of the heat transfer band, and the temperature of the heat collecting plate become the same, and measuring the temperature of the temperature detection band is the same as measuring the temperature of the heat collecting plate, which heats the heat collecting plate. to the same temperature as the indoor air temperature. Therefore, if the temperature of the temperature detection strip is measured by the infrared sensor, the same effect as the measurement of the indoor air temperature at the corresponding point can be achieved, so that the indoor air temperature at the corresponding point can be quickly and accurately measured.
그리고 열 채집 판은 전력구의 천장 중 전력케이블이 지나가는 양쪽의 직 상부에서 전력케이블을 따라서 반복적으로 부착되기 때문에 전력케이블 직 상부에서 열을 채집한 후 열 전달 띠를 통하여 온도검출 띠에 전달하게 되는 것이고, 열의 이동은 그 온도가 높은 지점에서 낮은 지점으로 전도되어 이동하는 것이므로, 온도검출 띠에는 해당 지점에서 전력구의 너비 방향의 온도 중 가장 높은 온도가 전달되어 반영되게 된다. 즉, 온도검출 띠에는, 양쪽에 있는 두 개의 열 채집 판 중에서 실내온도가 가장 높은 부분에서 채집되는 열이 전달되므로, 온도검출 띠의 온도를 측정하게 되면 전력구의 너비 방향의 실내온도 중 가장 높은 온도를 측정할 수 있게 되는 효과가 있다. 그러므로 본 발명에서는 실내공기 온도를 측정하는 지점의 전력구 중 어느 한구석에서 발열이 일어나더라도 그 발열 결과가 온도검출 띠에 반영될 수 있게 되므로, 전력구의 구석구석까지 발열이나 온도변화를 찾아낼 수 있는 효과가 있다.In addition, since the heat collecting plate is repeatedly attached along the power cable at the upper part of the ceiling of the power outlet on both sides where the power cable passes, it collects heat from the upper part of the power cable and then transfers it to the temperature detection strip through the heat transfer strip, Since the movement of heat is conducted and moved from a point with a high temperature to a point with a low temperature, the highest temperature among the temperatures in the width direction of the power outlet at the corresponding point is transmitted and reflected on the temperature detection band. That is, since the heat collected from the part with the highest indoor temperature among the two heat collecting plates on both sides is transmitted to the temperature detection band, when the temperature of the temperature detection band is measured, the highest temperature among the indoor temperatures in the width direction of the power outlet is transmitted. has the effect of being able to measure Therefore, in the present invention, even if heat is generated in one corner of the power outlets at the point where the indoor air temperature is measured, the heat generation result can be reflected on the temperature detection band, so the effect of finding heat or temperature change in every corner of the power outlet there is
본 발명은 또한, 열 채집 판, 온도검출 띠 및 열 전달 띠 각각은, 동일한 크기 및 모양을 가지는 단열층과 금속층으로 이루어지고, 그중 단열층은 열을 차단할 수 있는 단열 재질로서, 전력구의 천장에 축적된 냉기 또는 온기가 금속층에 전달되지 않도록 전력구의 천장 표면과 금속층 사이에 개재되는 구조를 가지기 때문에, 전력구 천장의 축적된 온기, 열 또는 냉기가 열 채집 판, 온도검출 띠 및 열 전달 띠에 전달되지 않게 된다. 따라서, 열 채집 판, 온도검출 띠 및 열 전달 띠는 순전하게 해당 지점의 실내공기 온도만을 반영한 온도를 보유하게 된다. 그러므로 온도검출 띠의 표면을 적외선 온도센서로 측정하면, 전력구의 천장에 축적된 냉기 또는 온기로 인한 온도의 영향이 없이 해당 지점의 실내공기 온도만이 측정되므로 해당 지점의 실내공기 온도를 신속하고 정확하게 측정할 수 있는 효과가 있다. In the present invention, the heat collecting plate, the temperature detection band, and the heat transfer band are each composed of a heat insulating layer and a metal layer having the same size and shape, and the heat insulating layer is a heat insulating material capable of blocking heat, and the heat accumulated on the ceiling of the power outlet Since it has a structure interposed between the ceiling surface of the power outlet and the metal layer so that cold air or warmth is not transferred to the metal layer, the accumulated warmth, heat or cold in the ceiling of the power outlet is not transferred to the heat collecting plate, the temperature detection strip, and the heat transfer strip. do. Therefore, the heat collecting plate, the temperature detection belt, and the heat transfer belt retain a temperature purely reflecting only the indoor air temperature at the corresponding point. Therefore, when the surface of the temperature detection strip is measured with an infrared temperature sensor, only the indoor air temperature at the corresponding point is measured without the influence of the temperature due to the cold air or warmth accumulated on the ceiling of the power outlet. It has a measurable effect.
본 발명은 이렇게 전력구의 길이 방향을 따라 각 지점의 실내공기 온도만을 측정할 수 있기 때문에 전력케이블의 과열 등으로 인하여 공기 온도의 변화가 미세하게 일어나더라도 이를 즉시 민감하게 감지할 수 있게 된다. 따라서 시간대, 외부온도, 계절, 부하전력 등 여타의 환경조건과 같이 실내온도 측정결과를 딥러닝으로 분석하게 되면 재난 발생 조짐이 될 수 있는 이상현상을 신속하고 정확하게 발견할 수 있으며, 이에 따라 재난 발생을 사전에 예방할 수 있는 효과가 크다.Since the present invention can measure only the indoor air temperature at each point along the length direction of the power outlet, even if a slight change in air temperature occurs due to overheating of the power cable, it can be immediately and sensitively sensed. Therefore, if the indoor temperature measurement results are analyzed with deep learning, such as time zone, outside temperature, season, and other environmental conditions such as load power, it is possible to quickly and accurately discover anomalies that can be signs of disaster occurrence. It is very effective in preventing in advance.
본 발명은 또한, 온도검출 띠 상호간의 열전달을 차단할 수 있도록 제2길이 단위의 이격부를 가지기 때문에 온도검출 띠 상호 간의 열 간섭이 없이 온도를 측정할 수 있게 된다. 따라서, 각각의 지점마다 해당 지점의 공기 온도를 정확하게 측정할 수 있는 효과가 있다. 이에 따라, 전력구 내 길이 방향 위치변화에 따른 실내온도의 변화를 정확하게 측정해 낼 수 있게 된다. In addition, since the present invention has a separation portion of the second length unit to block heat transfer between the temperature detection bands, it is possible to measure the temperature without thermal interference between the temperature detection bands. Therefore, there is an effect of accurately measuring the air temperature of the corresponding point for each point. Accordingly, it is possible to accurately measure the change in indoor temperature according to the change in position in the longitudinal direction within the power outlet.
본 발명은 또한, 전력구 내에서 자신의 위치를 식별하여 위치정보를 생성할 수 있도록 위치식별 수단을 이동장치에 포함하며, 이동장치가 생성하는 탐지데이터에는 위치정보를 포함하는 특징을 가지기 때문에 탐지데이터를 딥러닝 분석하게 되면 시계열적인 온도변화는 물론 위치에 따른 온도분포까지도 계산해 낼 수 있고 이들에 대한 분석을 통하여 전력구내 이상현상을 발견해 낼 수 있는 효과가 있다.The present invention also includes a location identification means in the mobile device to generate location information by identifying its own location in the power outlet, and the detection data generated by the mobile device includes location information. If the data is analyzed by deep learning, it is possible to calculate not only the time-series temperature change but also the temperature distribution according to the location, and through the analysis of these, there is an effect of discovering anomalies in the power yard.
본 발명은 또한 레일 또는 전력구의 천장에 일정 위치마다 고유코드를 가지는 RFID 태그를 반복하여 부착되록 하고 이동장치에는 RFID 리더기를 포함하고, RFID 리더기가 RFID 태그에서 읽어 들인 고유코드를 이용하여 이동장치는 자신의 위치를 식별하는 특징도 가지기 때문에 GPS 측정이 어려운 지하 전력구 내에서 이동장치가 자신의 위치를 신속하고 간단한 방법으로 정확한 위치를 파악할 수 있게 된다. 따라서 지하공간 내에서의 위치측정을 위한 복잡한 측위 장치나 시스템을 갖추지 않더라도 경제적인 비용으로 이상탐지 시스템을 구축할 수 있는 효과도 있다.In the present invention, an RFID tag having a unique code is repeatedly attached to a rail or a ceiling of a power outlet at certain positions, and the moving device includes an RFID reader, and the moving device uses the unique code read by the RFID reader from the RFID tag. Since it also has a feature for identifying its own location, it is possible for a mobile device to accurately determine its location in a quick and simple way in an underground power tunnel where GPS measurement is difficult. Therefore, there is an effect that an anomaly detection system can be built at an economical cost even without a complicated positioning device or system for positioning in the underground space.
본 발명은 또한, 반복하여 부착되는 온도검출 띠 상호 간에 가지는 이격부의 길이는 온도검출 띠의 길이와 같은 특징과 함께, 이동장치가 이격부를 지나는 동안 적외선 센서가 전력구의 천장 온도도 측정하며, 감시서버에 전송하는 탐지데이터에는 온도검출 띠 온도는 물론 위치정보, 천장 온도도 포함하는 특징도 가지기 때문에, 온도표출 띠의 표면 온도(실내공기 온도)와 전력구의 천장 온도(천장 표면의 온도)를 하나의 센서로 측정할 수 있을 뿐만 아니라. 감시서버가 온도검출 띠 온도와 천장 온도의 비교를 통하여 측정된 실내공기 온도가 이전부터 유지되어 오던 온도인지 또는 최근에 발생한 어떠한 현상에 의하여 갑자기 변화된 실내공기 온도인지까지도 판단할 수 있는 효과가 있어 전력구 내 이상현상 발생 여부를 더욱 정확하게 판단할 수 있게 된다.In the present invention, the length of the spaced portion between the repeatedly attached temperature detection strips is the same as the length of the temperature detection strips, and the infrared sensor measures the ceiling temperature of the power outlet while the moving device passes through the spaced portion, and the monitoring server Since the detection data transmitted to has the feature of including the temperature detection band temperature as well as location information and ceiling temperature, the surface temperature of the temperature display band (indoor air temperature) and the ceiling temperature of the power outlet (ceiling surface temperature) are combined into one. Not only can it be measured by a sensor. The monitoring server has the effect of determining whether the indoor air temperature measured through comparison of the temperature detection band temperature and the ceiling temperature is the temperature that has been maintained in the past or whether the indoor air temperature has suddenly changed due to some recent phenomenon, thereby reducing power consumption. It is possible to more accurately determine whether or not an anomaly has occurred in the sphere.
그리고 본 발명에 포함된 감시서버는, 딥러닝 모델인 이상현상 탐지모델로 탐지데이터를 학습하면서 전력구 내 이상현상의 발생 여부 및 발생 위치를 탐지하며, 이상현상의 발생이 탐지되는 경우 이상현상의 발생 위치를 포함하는 위험탐지 정보를 생성한 후, 감시서버의 관리자가 식별할 수 있도록 표시수단을 통하여 표출하는 특징을 가지고 있기 때문에 이상현상의 발생이 탐지되면 관리자 등이 이상현상의 발생지점에 대한 집중적인 점검을 통하여 원인을 찾아 제거하기 때문에 재난발생을 사전에 예방할 수 있는 효과가 매우 크다.In addition, the monitoring server included in the present invention detects whether and where an anomaly occurs in a power outlet while learning detection data with an anomaly detection model, which is a deep learning model. After generating risk detection information including the occurrence location, it has the characteristic of displaying through display means so that the manager of the monitoring server can identify it. Because the cause is found and removed through intensive inspection, the effect of preventing disasters in advance is very large.
또한 본 발명에 포함된 감시서버는, 전력구 내에 화재 발생 여부를 탐지하기 위하여 설치된 자동화재 탐지시스템으로부터 화재감지 신호 또는 화재경보 신호를 수신할 수 있으며, 이상현상의 발생이 탐지된 이후 화재감지 신호 또는 화재경보 신호를 수신하는 경우 이상현상의 발생위치를 발화지점으로 간주하여 발화지점에 대한 위치정보를 생성한 후, 감시서버의 관리자가 식별할 수 있도록 표시수단을 통하여 표출하는 특징을 가지고 있기 때문에, 딥러닝 모델이 이상현상을 탐지한 이후에 화재감지 신호 등을 수신하게 되면, 직전에 탐지하였던 이상현상 발생 위치를 발화지점으로 간주하여 관리자에게 알려줄 수 있어 재난 발생시 즉시적이고 즉각적인 대응을 정확하게 수행하도록 할 수 있는 효과가 있다.In addition, the monitoring server included in the present invention may receive a fire detection signal or a fire alarm signal from an automatic fire detection system installed to detect whether a fire occurs in a power outlet, and after the occurrence of an anomaly is detected, the fire detection signal Or, when a fire alarm signal is received, the location of the abnormal phenomenon is regarded as an ignition point, and after generating location information on the ignition point, it is expressed through a display means so that the manager of the monitoring server can identify it. , When the deep learning model receives a fire detection signal after detecting an anomaly, it can consider the location of the previously detected anomaly as an ignition point and notify the manager, so that immediate and immediate response can be accurately performed in case of a disaster. There are effects that can be done.
따라서 본 발명은, 화재 등 재난발생 초기에 신속하게 진압할 수 있어 전체 전력구로 재난이 번지는 것을 예방할 수 있을 뿐만 아니라, 해당 부분에 대하여만 화재진압 장치를 가동할 수 있게 되므로, 화재진압에 따른 케이블 등 전력설비의 침수 등 피해 발생을 최소화할 수 있는 장점이 있다.Therefore, the present invention can quickly suppress disasters such as fires in the early stages of disasters, preventing the spread of disasters to the entire power outlet, and operating the fire suppression device only for that part. It has the advantage of minimizing the occurrence of damage such as flooding of power facilities such as cables.
또한 본 발명에 포함된 감시서버는, 화재감지 신호 또는 화재경보 신호를 수신하는 경우 발화지점에 대한 위치정보를 이동장치에 전송하며, 이동장치가 감시서버로부터 발화지점에 대한 위치정보를 수신하는 경우에는, 구동부를 제어하여 발화지점을 중심으로 일정 범위를 왕복으로 반복 이동하면서 탐지데이터를 생성하여 전송하도록 하는 특징도 가지기 때문에 화재감지 신호 등을 수신하게 되면 이상현상이 발생된 것으로 탐지되었던 위치로 이동장치를 신속하게 이동시킨 후 그 위치 주변을 정밀하게 탐지하여 발화지점의 정확한 위치를 찾아내도록 함으로써, 발화지점 측위 및 그에 대한 화재진압을 신속하고 정확하게 수행할 수 있는 효과가 있다.In addition, the monitoring server included in the present invention transmits location information on an ignition point to a mobile device when receiving a fire detection signal or a fire alarm signal, and when the mobile device receives location information on an ignition point from the monitoring server. In addition, since it also has the feature of generating and transmitting detection data while repeatedly moving back and forth in a certain range around the ignition point by controlling the drive unit, when a fire detection signal is received, it moves to the location where an anomaly occurred and was detected. By quickly moving the device and then precisely detecting the vicinity of the location to find the exact location of the ignition point, there is an effect of quickly and accurately locating the ignition point and extinguishing the fire therefor.
또한, 본 발명에 포함된 감시서버는 배전선로의 감시 시스템으로부터 과전류 또는 지락전류 등의 사고정보를 수신하는 경우, 이동장치에 대하여 점검요청 정보를 전송하며, 이를 수신한 이동장치는 일정한 시간 동안 전력구를 왕복 이동하면서 탐지데이터를 생성하여 전송하는 구성을 가지고 있기 때문에 배전선로의 사고 발생 감지 시 과전류 또는 지락으로 인하여 전력케이블에 발열이 발생하는 지점을 신속히 찾아낼 수 있는 효과가 있다. In addition, when the monitoring server included in the present invention receives fault information such as overcurrent or ground fault current from the monitoring system of the distribution line, it transmits inspection request information to the mobile device, and the mobile device receiving it transmits power for a certain period of time. Since it has a configuration that generates and transmits detection data while moving the sphere back and forth, it has the effect of quickly finding the point where heat is generated in the power cable due to overcurrent or ground fault when an accident in the distribution line is detected.
본 발명은 또한 전력구 내부를 촬영하는 고가의 카메라들과 복잡한 영상 처리장치가 없이도 이상현상이 발생한 정확한 위치를 찾아낼 수 있기 때문에, 경제적인 비용으로 배전선로 전력구 내 딥러닝 감시시스템을 구축할 수 있는 효과가 있다.In addition, since the present invention can find the exact location where an anomaly occurred without expensive cameras and complex image processing devices that take pictures of the inside of a power tunnel, it is possible to build a deep learning monitoring system in a distribution line power tunnel at an economical cost. There are possible effects.
도 1은 지중 배전선로용 케이블이 포설된 전력구를 도시한 것이다.
도 2는 본 발명의 제1실시예를 도시한 사시도이다.
도 3은 본 발명의 제1실시예를 도시한 단면도이다.
도 4는 본 발명의 제1실시예 중 레일 및 이동장치에 대한 상세도 및 전체 시스템 구성도이다.
도 5는 본 발명의 제1실시예를 위에서 본 평면도이다.
도 6은 본 발명에 포함된 열 채집판, 온도검출 띠 및 열 전달 띠의 상세 구조를 도시한 사시도이다.
도 7은 본 발명에서 실내공기 온도를 감지하는 개념을 도시한 사시도이다.
도 8은 본 발명에서 실내공기 온도를 감지하는 개념을 도시한 평면도이다.
도 9는 본 발명의 제2실시예에서 레일 및 이동장치에 대한 상세도 및 전체 시스템 구성도이다.
도 10은 본 발명의 제3실시예에서 레일 및 이동장치에 대한 상세도 및 전체 시스템 구성도이다.
도 11은 본 발명의 제3실시예를 도시한 단면도이다.
도 12는 본 발명의 제3실시예를 위에서 본 평면도이다.
도 13은 본 발명의 제4실시예를 위에서 본 평면도이다.
도 14는 딥러닝 모델이 온도분포 데이터를 이용하여 이상상황을 탐지하는 개념을 도시한 것이다.
도 15는 측정시간대 별로 수집된 거리에 따른 탐지데이터에 대한 예시를 보여주는 것이다.
도 16은 전력구의 거리별로 수집된 시계열적인 탐지데이터에 대한 예시를 보여주는 것이다.1 shows a power outlet in which cables for underground distribution lines are laid.
2 is a perspective view showing a first embodiment of the present invention.
3 is a cross-sectional view showing a first embodiment of the present invention.
Figure 4 is a detailed view and overall system configuration diagram of the rail and the moving device of the first embodiment of the present invention.
5 is a top plan view of the first embodiment of the present invention.
6 is a perspective view showing detailed structures of a heat collecting plate, a temperature detection strip, and a heat transfer strip included in the present invention.
7 is a perspective view illustrating a concept of sensing indoor air temperature in the present invention.
8 is a plan view illustrating the concept of sensing indoor air temperature in the present invention.
9 is a detailed view of a rail and a moving device and an overall system configuration diagram in a second embodiment of the present invention.
10 is a detailed view of a rail and a moving device and an overall system configuration diagram in a third embodiment of the present invention.
11 is a cross-sectional view showing a third embodiment of the present invention.
12 is a top plan view of a third embodiment of the present invention.
13 is a top plan view of a fourth embodiment of the present invention.
14 illustrates a concept in which a deep learning model detects an anomaly using temperature distribution data.
15 shows an example of detection data according to the distance collected for each measurement time period.
16 shows an example of time-sequential detection data collected for each distance of a power outlet.
이하에서 상술한 목적과 특징이 분명해지도록 본 발명을 상세하게 설명할 것이며, 이에 따라 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한 본 발명을 설명함에 있어서 본 발명과 관련한 공지기술 중 이미 그 기술 분야에 익히 알려져 있는 것으로서, 그 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다. Hereinafter, the present invention will be described in detail so that the above-described objects and characteristics become clear, and accordingly, those skilled in the art to which the present invention belongs will be able to easily implement the technical spirit of the present invention. In addition, in describing the present invention, among the known technologies related to the present invention, the detailed description is given when it is determined that the detailed description of the known technology may unnecessarily obscure the subject matter of the present invention. to omit
아울러, 본 발명에서 사용되는 용어는 가능한 한 현재 널리 사용되는 일반적인 용어를 선택하였으나, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며 이 경우는 해당되는 발명의 설명부분에서 상세히 그 의미를 기재하였으므로, 단순한 용어의 명칭이 아닌 용어가 가지는 의미로서 본 발명을 파악하여야 함을 밝혀두고자 한다. 실시 예들에 대한 설명에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 실시 예들을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. In addition, the terms used in the present invention have been selected from general terms that are currently widely used as much as possible, but in certain cases, there are terms arbitrarily selected by the applicant. It is intended to clarify that the present invention should be understood as the meaning of the term, not the name of. Terms used in the description of the embodiments are only used to describe specific embodiments, and are not intended to limit the embodiments. Singular expressions include plural expressions unless the context clearly dictates otherwise.
실시 예들은 여러 가지 형태로 변경을 가할 수 있고 다양한 부가적 실시 예들을 가질 수 있는데, 여기에서는 특정한 실시 예들이 도면에 표시되고 관련된 상세한 설명이 기재되어 있다. 그러나 이는 실시 예들을 특정한 형태에 한정하려는 것이 아니며, 실시 예들의 사상 및 기술 범위에 포함되는 모든 변경이나 균등물 내지 대체물을 포함하는 것으로 이해되어야 할 것이다. Embodiments may be changed in various forms and may have various additional embodiments. Here, specific embodiments are shown in the drawings and related detailed descriptions are described. However, this is not intended to limit the embodiments to a specific form, and it should be understood to include all changes, equivalents, or substitutes included in the spirit and technical scope of the embodiments.
다양한 실시 예들에 대한 설명 가운데 “제1”, “제2”, “첫째” 또는“둘째”등의 표현들이 실시 예들의 다양한 구성요소들을 수식할 수 있지만, 해당 구성요소들을 한정하지 않는다. 예를 들어, 상기 표현들은 해당 구성요소들의 순서 및/또는 중요도 등을 한정하지 않는다. 상기 표현들은 한 구성요소를 다른 구성요소와 구분 짓기 위해 사용될 수 있다. Expressions such as “first”, “second”, “first” or “second” in the description of various embodiments may modify various components of the embodiments, but do not limit the corresponding components. For example, the above expressions do not limit the order and/or importance of corresponding components. The above expressions may be used to distinguish one component from another.
이하에서는 첨부된 도면을 참조하여 본 발명을 설명한다. 도 1은 지중 배전선로용 케이블이 포설된 일반적인 전력구(10)를 도시한 것이다. 전력구(10)는 도 1에서 보는 바와 같이 천장(11)과 바닥(12) 및 측벽(13)이 길게 이어진 터널 형상으로서, 양쪽 측벽(13)에는 다층으로 된 케이블 행거(15)가 부착되어 있고 케이블 행거(15) 위에는 여러 가닥의 전력케이블(16)들이 쌓여있게 된다. Hereinafter, the present invention will be described with reference to the accompanying drawings. 1 shows a general power outlet 10 in which cables for underground distribution lines are installed. As shown in FIG. 1, the power outlet 10 has a tunnel shape in which the ceiling 11, the floor 12, and the side walls 13 are long, and a multi-layered cable hanger 15 is attached to both side walls 13. and several strands of power cables 16 are stacked on the cable hanger 15.
이와 같은 전력구(10)는 대부분 하나의 콘크리트 구조물로 이어져 있기 때문에, 특정 구간에서 전력구(10)의 천장(11)이나 측벽(13)의 온도(t0)는 땅속의 열이나 냉기까지도 반영됨은 물론 이전 구간 또는 이후 구간에서 가진 열이나 냉기까지도 반영한 온도(t0)이다. 그리고 일반적으로 천장(11)이나 측벽(13)의 온도(t0)는 전력구(10)의 내부의 실내공기의 온도 즉, 실내온도(rt1)와 동일하거나 근사한 온도를 나타내게 된다. 그러나 전력구(10) 안의 어느 한 곳에서 온도변화가 발생하는 경우 그 실내온도(rt1)는 바로 변화하지만 전력구(10)의 천장(11)이나 측벽(13)의 온도(t0)는 즉각적인 변화가 없이 아주 천천히 변화하게 된다.Since most of these power outlets 10 are connected to a single concrete structure, the temperature t0 of the ceiling 11 or sidewall 13 of the power outlet 10 in a specific section reflects even heat or cold in the ground. Of course, it is the temperature (t0) that reflects the heat or cold air in the previous or subsequent sections. In general, the temperature t0 of the ceiling 11 or the sidewall 13 represents the temperature of the indoor air inside the power outlet 10, that is, the same as or close to the indoor temperature rt1. However, when a temperature change occurs in one place in the power outlet 10, the room temperature rt1 immediately changes, but the temperature t0 of the ceiling 11 or sidewall 13 of the power outlet 10 changes immediately. change very slowly without
예를 들어, 도 1에서 보는 바와 같이 전력케이블(16) 중 일부에서 접촉 불량으로 인한 접촉부 과열이나 케이블 외피의 열화로 인한 누설전류로 인한 과열 등으로 전력케이블(16) 중 일부에서 발열(oh)이 발생하면, 발열(oh)이 발생한 전력케이블(16) 주변 상부의 실내공기 온도(rt2)가 상승하게 된다. 이렇게 상승된 실내공기 온도(rt2)는 일정한 시간이 흐르게 되면 대류에 의하여 주변 및 천장(11) 온도의 상승까지 초래하게 되지만, 전력케이블(16)에 발열(oh)이 발생한 초기에는 천장(11) 자체의 온도는 원래 가지고 있던 온도(t0)를 유지하고 있고, 주변의 온도 또한 원래의 온도(t1)이거나 대류 효과로 인하여 영향을 받은 온도인 t1 ~ t2 사이의 온도를 가지게 된다. 따라서 전력케이블(16)에 발열(oh)이 발생한다 하더라도 천장(11)이나 측벽(13)의 온도(t0) 측정으로는 조기 감지가 불가능하다. For example, as shown in FIG. 1, heat (oh) occurs in some of the power cables 16 due to overheating of contacts due to poor contact in some of the power cables 16 or overheating due to leakage current due to deterioration of the cable sheath. When this occurs, the indoor air temperature (rt2) of the upper portion around the power cable 16 where heat (oh) is generated rises. The increased indoor air temperature (rt2) causes the temperature of the surroundings and the ceiling (11) to rise due to convection after a certain period of time, but in the beginning when heat (oh) occurs in the power cable (16) The temperature of itself maintains the original temperature (t0), and the surrounding temperature also has a temperature between t1 and t2, which is the original temperature (t1) or the temperature affected by the convection effect. Therefore, even if heat (oh) is generated in the power cable 16, early detection is impossible by measuring the temperature t0 of the ceiling 11 or the side wall 13.
그렇다고 전력케이블(16)의 발열을 감지하기 위하여 모든 전력케이블(16) 각각 마다 일정 간격으로 온도센서를 붙여놓는 것도 한계가 있을 것이며, 여기저기에 실내공기 온도를 측정할 수 있는 IoT센서를 붙여 놓는다 하더라도, 전력구(10)의 어느 한구석에서 시작되는 발열을 감지하기 위해서는 각각의 측정 구간마다 요소요소에 IoT 온도센서를 붙여놓아야 하는 관계로 이 또한 현실성이 떨어지는 방안이 될 것이다. However, attaching a temperature sensor at regular intervals to each power cable 16 to detect the heat of the power cable 16 will also have limitations, and IoT sensors that can measure the indoor air temperature are attached here and there Even if it is, in order to detect the heat starting from any corner of the power outlet 10, this will also be an unrealistic method because the IoT temperature sensor must be attached to the element for each measurement section.
본 발명은 이러한 문제점을 해결하기 위한 것으로서 도 2에는 본 발명의 제1실시예에 포함된 레일(300), 온도검출 띠(120), 열 전달 띠(110), 열 채집 판(170) 및 이동장치(400)가 전력구(10) 내부에 설치된 모습에 대한 사시도가 도시되어 있으며, 도 3에는 단면도가 도시되어 있다. 그리고, 도 4에는 상기 레일(300) 및 상기 이동장치(400)에 대한 상세도 및 전체 시스템 구성도가 도시되어 있다. 또한, 도 5는 본 발명의 제1실시예를 위에서 본 평면도이며, 도 6은 상기 온도검출 띠(120), 열 전달 띠(110) 및 열 채집 판(170)의 상세구조를 도시한 사시도이다. 그리고, 도 7은 본 발명에서 실내공기 온도를 감지하는 개념을 도시한 사시도이며, 도 8은 이에 대한 평면도이다.The present invention is to solve this problem, and FIG. 2 shows the rail 300, the temperature detection band 120, the heat transfer band 110, the heat collecting plate 170 and the movement included in the first embodiment of the present invention. A perspective view of a state in which the device 400 is installed inside the power outlet 10 is shown, and a cross-sectional view is shown in FIG. 3 . And, FIG. 4 shows a detailed view of the rail 300 and the moving device 400 and an overall system configuration diagram. 5 is a top plan view of the first embodiment of the present invention, and FIG. 6 is a perspective view showing detailed structures of the temperature detection strip 120, the heat transfer strip 110, and the heat collecting plate 170. . 7 is a perspective view illustrating the concept of sensing indoor air temperature in the present invention, and FIG. 8 is a plan view thereof.
이하에서는 도 2 내지 도 8을 참조하여 본 발명의 제1실시예를 설명한다. 본 발명은 지중 배전선로용 전력케이블(16)이 포설된 전력구(10)에서 발생하는 이상현상을 탐지하는 시스템으로서, 이를 위하여 본 발명은 상기 전력구(10)의 길이 방향을 따라 상기 전력구(10)의 천장 중앙에 설치되는 레일(300), 상기 전력구(10) 상부의 실내공기 온도에 감응하여 열을 채집하기 위하여, 상기 전력구(10)의 천장(11) 중 상기 전력케이블(16)이 지나가는 직 상부에 상기 전력케이블(16)을 따라서 반복적으로 부착되는 장방형의 열 채집 판(170), 상기 전력구(10) 상부의 실내공기 온도를 검출하기 위하여 상기 레일(300)과 평행하게 상기 레일(300)의 한쪽에 제1길이(L1) 단위로 상기 전력구(10)의 천장 표면에 반복하여 부착되는 온도검출 띠(120) 및 상기 열 채집 판(170)에서 채집된 열을 상기 온도검출 띠(120)에 전달하기 위하여, 상기 온도검출 띠(120)와 상기 열 채집 판(170)을 연결하는 열 전달 띠(110)를 포함하는 것이 바람직하다. Hereinafter, a first embodiment of the present invention will be described with reference to FIGS. 2 to 8 . The present invention is a system for detecting an anomaly occurring in a power outlet 10 in which a power cable 16 for an underground distribution line is installed. The rail 300 installed at the center of the ceiling of (10) and the electric power cable ( 16), a rectangular heat collecting plate 170 repeatedly attached along the power cable 16 at the top where the electric power outlet 10 passes, parallel to the rail 300 to detect the indoor air temperature above the power outlet 10 The heat collected from the temperature detection strip 120 and the heat collecting plate 170 repeatedly attached to the ceiling surface of the power outlet 10 in units of a first length L1 on one side of the rail 300 In order to transfer the temperature to the temperature detection strip 120, it is preferable to include a heat transfer strip 110 connecting the temperature detection strip 120 and the heat collecting plate 170.
상기 전력구(10)의 양쪽에 전력케이블(16)이 포설되어 있는 경우 상기 열 채집 판(170)은, 상기 전력구(10)의 양쪽에 있는 전력케이블(16) 각각의 직 상부 천장(11)에 부착되도록 하는 것이 더욱 바람직하다. 이와 같이 하면 전력구(10) 천장(11)의 양쪽에 붙어있는 상기 열 채집 판(170)이 상기 전력구(10)의 너비 방향 전체를 커버할 수 있고, 이에 따라 전력구(10)의 너비 방향 전체 중 어디 한구석에서라도 열이 발생하면 이를 채집하도록 하는 것이다.When the power cables 16 are laid on both sides of the power outlet 10, the heat collecting plate 170 is directly upper ceiling 11 of each power cable 16 on both sides of the power outlet 10 ) is more preferred. In this way, the heat collecting plate 170 attached to both sides of the ceiling 11 of the power outlet 10 can cover the entire width direction of the power outlet 10, and accordingly the width of the power outlet 10 If heat is generated in any corner of the entire direction, it is to be collected.
그리고, 일정한 시간 간격으로 또는 일정한 시각이 되면, 상기 레일(300)을 따라 왕복으로 이동하면서 상기 온도검출 띠(120)의 표면 온도를 측정하면서 상기 표면 온도와 측정시간을 포함하는 탐지데이터를 생성하여 전송하는 이동장치(400) 및 상기 이동장치(400)로부터 전송받은 상기 탐지데이터를 딥러닝 분석하여 상기 전력구(10) 내 이상현상 발생을 탐지하는 감시서버(500)를 포함하도록 하는 것이 바람직하다. In addition, at regular time intervals or at a specific time, while moving back and forth along the rail 300, the surface temperature of the temperature detection strip 120 is measured, and detection data including the surface temperature and the measurement time is generated. It is preferable to include a mobile device 400 that transmits and a monitoring server 500 that analyzes the detection data received from the mobile device 400 and detects the occurrence of an anomaly in the electric power outlet 10. .
그리고 상기 열 채집 판(170), 상기 온도검출 띠(120) 및 상기 열 전달 띠(110) 각각은, 동일한 크기 및 모양을 가지는 단열층(172, 122, 112)과 금속층(171, 121, 111)으로 이루어지도록 하고, 상기 단열층(172, 122, 112)은 열을 차단할 수 있는 단열 재질로서 상기 전력구(10)의 천장(11)에 축적된 냉기 또는 온기가 상기 금속층(171, 121, 111)에 전달되지 않도록 상기 전력구(10)의 천장(11) 표면과 상기 금속층(171, 121, 111) 사이에 개재되고, 상기 열 채집 판(170), 상기 온도검출 띠(120) 및 상기 열 전달 띠(110) 중 상기 금속층(171, 121, 111)은 일체로 연결되도록 하는 것이 바람직하다. 그리고 상기 금속층(171, 121, 111)은 알루미늄 등과 같이 열 전도율이 높고 가공이 쉬운 금속으로 하는 것이 더욱 바람직하다.In addition, the heat collecting plate 170, the temperature detection band 120, and the heat transfer band 110 each have the same size and shape as the heat insulating layers 172, 122, and 112 and the metal layers 171, 121, and 111 The heat insulating layer 172, 122, 112 is a heat insulating material capable of blocking heat, and the cold air or warmth accumulated in the ceiling 11 of the electric power outlet 10 passes through the metal layer 171, 121, 111. It is interposed between the surface of the ceiling 11 of the power outlet 10 and the metal layers 171, 121, and 111 so as not to be transmitted to the heat collecting plate 170, the temperature detection band 120, and the heat transfer. It is preferable that the metal layers 171, 121, and 111 of the band 110 are integrally connected. Further, it is more preferable that the metal layers 171, 121, and 111 be made of a metal having high thermal conductivity and easy processing, such as aluminum.
따라서, 도 6에서 보는 바와 같이 상기 열 채집 판(170)은 천장 쪽에 있는 단열층(172)과 아래쪽에 있는 금속층(171)로 이루어지도록 하며, 상기 온도검출 띠(120) 또한 천장 쪽에 있는 단열층(122)과 아래쪽에 있는 금속층(121)로 이루어지도록 하고, 상기 열 전달 띠(110) 또한 천장 쪽에 있는 단열층(112)과 아래쪽에 있는 금속층(111)로 이루어지도록 하는 것이 바람직하다. 그리고 상기 열 채집 판(170)의 금속층(171), 상기 온도검출 띠(120)의 금속층(121) 및 상기 열 전달 띠(110)의 금속층(111)은 일체가 되도록 서로 연결되도록 함으로써, 상기 열 채집 판(170)에서 채집된 열이 상기 열 전달 띠(110)를 거쳐서 상기 온도검출 띠(120)로 용이하게 전도될 수 있게 하는 것이 바람직하다. 그러나 상기 온도검출 띠(120)의 단열층(122)과 상기 온도검출 띠(120)의 단열층(122) 및 상기 열 전달 띠(110)의 단열층(112)은 일체가 되도록 하는 것도 가능하지만 서로 분리하는 것도 가능하다. Therefore, as shown in FIG. 6, the heat collecting plate 170 is composed of a heat insulating layer 172 on the ceiling side and a metal layer 171 on the lower side, and the temperature detection strip 120 also has a heat insulating layer 122 on the ceiling side. ) and the metal layer 121 on the lower side, and the heat transfer strip 110 is also preferably made of the heat insulating layer 112 on the ceiling side and the metal layer 111 on the lower side. The metal layer 171 of the heat collecting plate 170, the metal layer 121 of the temperature detection strip 120, and the metal layer 111 of the heat transfer strip 110 are integrally connected to each other so that the heat It is preferable that the heat collected by the collecting plate 170 be easily conducted to the temperature detection strip 120 via the heat transfer strip 110 . However, although the heat insulating layer 122 of the temperature detection strip 120, the heat insulating layer 122 of the temperature detection strip 120, and the heat insulating layer 112 of the heat transfer strip 110 may be integrated, they are separated from each other. It is also possible.
한편, 상기 전력구(10)의 천장(11) 표면에 반복하여 부착되는 온도검출 띠(120) 상호간의 사이에는, 도 2 및 도 5에서 보는 바와 같이, 상기 온도검출 띠(120) 사이의 열전달을 차단할 수 있도록 제2길이(L2) 단위의 이격부(130)를 가지도록 하는 것이 바람직하다. 상기 이격부(130)는 공극으로 하는 것도 가능하지만, 단열재로 채워서 상기 온도검출 띠(120) 상호간에 복사열 조차도 전달되지 않게 하는 것도 바람직하다. 이같이 상기 온도검출 띠(120) 사이에 상기 이격부(130)를 두는 것은, 상기 이동장치(400)가 상기 온도검출 띠(120)의 표면 온도를 측정할 때, 측정하는 온도검출 띠(120)가 옆에 있는 온도검출 띠(120)로부터의 에너지를 전달받지도 전달하지도 않도록 함으로써, 각각의 온도검출 띠(120)가 부착되어 있는 구간에서 온도를 측정할 때 해당 구간의 실내공기 온도만 반영한 정확한 값으로 측정하기 위함이다. On the other hand, between the temperature detection strips 120 repeatedly attached to the surface of the ceiling 11 of the power outlet 10, as shown in FIGS. 2 and 5, heat is transferred between the temperature detection strips 120. It is preferable to have a spaced portion 130 of the second length (L2) unit to block. The spacer 130 may be formed as an air gap, but it is also preferable to fill it with an insulating material so that even radiant heat is not transferred between the temperature detection strips 120. In this way, placing the spacer 130 between the temperature detection strips 120 means that when the moving device 400 measures the surface temperature of the temperature detection strips 120, the temperature detection strip 120 measures the temperature. When the temperature is measured in the section where each temperature detection strip 120 is attached, an accurate value reflecting only the indoor air temperature in the section in order to measure
그리고, 도 2 내지 도 4에서 보듯이 상기 레일(300)은 그 단면이 형상으로 하는 것이 바람직하다. 그리고, 상기 이동장치(400)는 상기 레일(300)의 형상의 아래쪽 개방부로부터 끼워지는 본체(420)의 양쪽에 상기 레일(300)의 내부에서 구를 수 있는 롤러(421)를 가지도록 하고, 상기 본체(420)의 아래면에는 수평 방향으로, 상기 온도검출 띠(120)가 붙어있는 쪽으로 연장되는 센서 플레이트(411)가 부착되도록 하는 것이 바람직하다. And, as shown in FIGS. 2 to 4, the cross section of the rail 300 is It is preferable to make it into a shape. And, the moving device 400 of the rail 300 To have rollers 421 that can roll inside the rail 300 on both sides of the main body 420 fitted from the lower opening of the shape, and on the lower surface of the main body 420 in a horizontal direction, It is preferable to attach the sensor plate 411 extending to the side where the temperature detection band 120 is attached.
또한, 상기 롤러(421)는 구동축(429)을 통하여 상기 본체(420)의 내부에 있는 구동부(425)와 연결되도록 함으로써, 상기 구동부(425)에서 전달하는 회전력에 의하여 상기 롤러(421)가 회전하고 이에 따라 상기 이동장치(400)가 상기 레일(300)을 따라 이동하게 하는 것이 바람직하다. 그리고 상기 센서 플레이트(411) 중 상기 온도검출 띠(120) 쪽으로 연장되는 부분에는 상기 레일(300)의 옆에 부착되는 온도검출 띠(120)의 금속층(121) 표면 온도를 측정할 수 있도록 적외선 센서(410)를 상기 전력구(10)의 천장(11) 표면을 향하게 결합하는 것이 바람직하다. 상기 적외선 센서(410)는 물체의 표면에서 나오는 적외선을 감지하여 온도를 측정할 수 있는 적외선 온도센서로 하는 것이 바람직하다.In addition, the roller 421 is connected to the driving unit 425 inside the main body 420 through the driving shaft 429, so that the roller 421 is rotated by the rotational force transmitted from the driving unit 425. And accordingly, it is preferable to make the moving device 400 move along the rail 300. In addition, in a portion of the sensor plate 411 extending toward the temperature detection strip 120, an infrared sensor is used to measure the surface temperature of the metal layer 121 of the temperature detection strip 120 attached to the side of the rail 300. It is preferable to couple 410 toward the surface of the ceiling 11 of the power outlet 10. The infrared sensor 410 is preferably an infrared temperature sensor capable of measuring temperature by detecting infrared rays emitted from the surface of an object.
그리고 상기 레일(300)의 형상의 아래쪽 개방부의 양단에는 상기 이동장치(400)에 전력을 공급할 수 있도록 급전 라인(303)을 가지도록 하고, 상기 본체(420)의 양옆 아래쪽에는 상기 급전 라인(303) 표면에 접촉하여 슬라이딩하면서 상기 구동부(425)를 가동할 전력을 공급받는 슬라이딩 바(423)를 포함하도록 하는 것이 바람직하다.And of the rail 300 At both ends of the lower opening of the shape, a power supply line 303 is provided to supply power to the moving device 400, and the lower side of the main body 420 contacts the surface of the power supply line 303 while sliding. It is preferable to include a sliding bar 423 that receives power to operate the driving unit 425 .
또한, 상기 본체(420)의 내부에는 상기 구동부(425)를 비롯하여 제어부(424), 저장부(426) 및 통신부(427)를 포함하는 것이 바람직한데, 상기 제어부(424)는 상기 이동장치(400)에 포함된 각 구성요소들의 작동을 제어할 수 있는 구성으로서 마이크로 프로세서 등을 사용하고, 상기 저장부(426)는 상기 탐지데이터를 저장할 수 있는 구성으로서 반도체소자를 사용하는 것이 바람직하다. 그리고 상기 통신부(427)는 상기 탐지데이터를 상기 감시서버(500)에 전송할 수 있는 구성으로서, 상기 감시서버(500)와 데이터 송수신을 할 수 있도록 무선인터넷 또는 사물인터넷을 이용하는 통신망(501)을 통하여 상기 감시서버(500)와 데이터 통신을 수행하도록 하는 것이 바람직하다. 그러나, 상기 레일(300)의 일단에 도킹 스테이션(미도시)을 가지도록 하고, 상기 이동장치(400)가 이동하는 동안에 생성되는 상기 탐지데이터를 상기 저장부(426)에 저장하였다가, 상기 이동장치(400)가 상기 도킹 스테이션에 도킹되었을 때, 상기 저장부(426)에 저장되었던 상기 탐지데이터를 상기 도킹 스테이션에 전송하고, 상기 도킹 스테이션이 이를 상기 감시서버(500)에 전송하도록 하는 것도 가능하다. In addition, it is preferable to include a control unit 424, a storage unit 426, and a communication unit 427 as well as the drive unit 425 inside the main body 420. It is preferable to use a microprocessor as a configuration capable of controlling the operation of each component included in ), and to use a semiconductor device as the storage unit 426 as a configuration capable of storing the detection data. And the communication unit 427 is a component capable of transmitting the detection data to the monitoring server 500, through a communication network 501 using the wireless Internet or Internet of Things to transmit and receive data with the monitoring server 500. It is preferable to perform data communication with the monitoring server 500. However, a docking station (not shown) is provided at one end of the rail 300, and the detection data generated while the moving device 400 is moving is stored in the storage unit 426, and the movement When the device 400 is docked to the docking station, it is also possible to transmit the detection data stored in the storage unit 426 to the docking station, and to have the docking station transmit it to the monitoring server 500. do.
한편 상기 감시서버(500)는, 딥러닝 모델인 이상 탐지모델로 상기 탐지데이터를 학습하면서, 상기 실내공기 온도에 대하여 위치에 따른 변화 및 시계열적 변화를 분석하여 전력구(10) 내에서의 재난 발생이 예상되는 이상현상 발생 위치를 탐지하며, 상기 이상현상의 발생이 탐지되는 경우 상기 이상현상의 발생 위치를 포함하는 위험탐지 정보를 생성한 후, 상기 감시서버(500)의 관리자가 식별할 수 있도록 표시수단(미도시)을 통하여 표출하도록 하는 것이 바람직하다. 딥러닝 모델인 상기 이상 탐지모델의 상세 내용에 대하여는 후술하기로 한다.On the other hand, the monitoring server 500 learns the detection data with an anomaly detection model, which is a deep learning model, and analyzes the change according to location and the time-sequential change of the indoor air temperature to detect disasters in the power outlet 10. Detects the occurrence location of the anomaly that is expected to occur, and when the occurrence of the anomaly is detected, after generating risk detection information including the occurrence location of the anomaly, the manager of the monitoring server 500 can identify It is preferable to express through a display means (not shown) so as to be. Details of the anomaly detection model, which is a deep learning model, will be described later.
도 7 및 도 8에는 본 발명에서 실내공기 온도를 감지하는 개념이 도시되어 있다. 도 7에서 보는 바와 같이 전력구(10) 내에서 과전류나 누설전류 등에 의하여 전력케이블(16)에 발열이 발생하면(A) 발열된 전력케이블(16) 주변 공기가 가열되고, 가열된 실내공기는 대류작용에 의하여 전력구(10)의 상층부로 올라가게 된다(B). 이에 따라 상기 열 채집 판(170)의 금속층(171)에는 가열된 실내공기에 의하여 열이 채집되며(C), 상기 열 채집 판(170)의 금속층(171)에 채집된 열(C)은 전도현상에 의하여 상기 열 전달 띠(110)의 금속층(111)을 거쳐서(D) 상기 온도검출 띠(120)의 금속층(121)까지 이동되고(E) 상기 온도검출 띠(120)의 금속층(121) 전체는 상기 열 채집 판(170)의 금속층(171) 온도와 같아지게 된다. 그러나, 상기 이격부(130)로 인하여 양옆에 있는 온도검출 띠(120)로 전도되지는 않게 된다.7 and 8 illustrate the concept of sensing indoor air temperature in the present invention. As shown in FIG. 7, when heat is generated in the power cable 16 due to overcurrent or leakage current in the power outlet 10 (A), the air around the generated power cable 16 is heated, and the heated indoor air It goes up to the upper part of the power outlet 10 by convection action (B). Accordingly, heat (C) is collected by the heated indoor air in the metal layer 171 of the heat collecting plate 170, and the heat (C) collected in the metal layer 171 of the heat collecting plate 170 is conducted. By the development, the heat is transferred through the metal layer 111 of the heat transfer strip 110 (D) to the metal layer 121 of the temperature detection strip 120 (E), and the metal layer 121 of the temperature detection strip 120 The temperature becomes the same as the temperature of the metal layer 171 of the heat collecting plate 170. However, due to the separation portion 130, it is not conducted to the temperature detection band 120 on both sides.
그러나 도 8에서 보는 바와 같이 발열된 전력케이블(16)과 가장 가까운 열 채집 판(170b)의 온도(t1)가 상기 온도검출 띠(120b)를 통하여 옆에 있는 온도검출 띠(120a, c)까지 전도되지는 않지만, 주변에 있는 열 채집 판 170a 및 170c에는 발열된 전력케이블(16)에서 대류를 통하여 열기가 전달되므로, 각각 다른 온도 t2 및 t3로 변화하게 된다. 따라서 양옆에 있는 온도검출 띠(120a, c)에는 열 채집 판 170a 및 170c의 온도인 t2 및 t3의 온도를 가지게 된다. 따라서, 상기 이동장치(400)가 이동하면서 상기 온도검출 띠(120a, b, c)의 온도를 순차적으로 측정하게 되면, t2, t1, t3의 온도가 측정된다. 그리고 딥러닝 모델인 이상 탐지모델로 상기 탐지데이터를 분석하면 상기 온도검출 띠(120a, b, c)의 온도 t2, t1, t3가 열 채집 판 170b 근처에서 발열에 의하여 발생된 것을 알 수 있게 된다.However, as shown in FIG. 8, the temperature t1 of the heat collecting plate 170b closest to the generated power cable 16 passes through the temperature detection strip 120b to the temperature detection strip 120a, c. Although not conducted, heat is transferred to the surrounding heat collecting plates 170a and 170c through convection from the heated power cable 16, so that the temperatures are changed to different temperatures t2 and t3, respectively. Therefore, the temperature detection bands 120a and c on both sides have temperatures t2 and t3, which are the temperatures of the heat collecting plates 170a and 170c. Therefore, when the moving device 400 sequentially measures the temperature of the temperature detection strips 120a, b, and c while moving, the temperatures of t2, t1, and t3 are measured. In addition, when the detection data is analyzed with an anomaly detection model, which is a deep learning model, it can be seen that temperatures t2, t1, and t3 of the temperature detection bands 120a, b, and c are generated by heat near the heat collecting plate 170b. .
한편, 도 9에는 본 발명의 제2실시예가 도시되어 있다. 본 발명의 제2실시예는 상기 감시서버(500)와 자동화재 탐지시스템(600) 또는 배전선로 감시시스템(700)이 결합된 실시예이다. 상기 자동화재 탐지시스템(600)이 결합된 본 발명의 제2실시예에서 상기 감시서버(500)는, 상기 전력구(10) 내에 화재 발생 여부를 탐지하기 위하여 설치된 자동화재 탐지시스템(600)으로부터 통신회선(601)을 통하여 화재감지 신호 또는 화재경보 신호를 수신할 수 있으며, 상기 감시서버(500)가 상기 이상현상의 발생을 탐지한 이후 상기 화재감지 신호 또는 상기 화재경보 신호를 수신하는 경우 상기 이상현상의 발생 위치를 발화지점으로 간주하여 상기 발화지점에 대한 위치정보를 생성한 후, 상기 감시서버(500)의 관리자가 식별할 수 있도록 상기 표시수단을 통하여 표출하도록 하는 것이 바람직하다. 즉, 전력구(10) 안에서 화재가 발생하는 경우, 직전에 탐지했던 상기 이상현상 발생위치가 가장 유력하게 의심되는 화재발생 위치일 것이므로, 상기 화재감지 신호 또는 상기 화재경보 신호를 수신하는 경우 상기 감시서버(500)로 하여금, ‘직전에 탐지했던 상기 이상현상 발생위치’를 발화지점으로 간주하도록 하는 것이다. Meanwhile, FIG. 9 shows a second embodiment of the present invention. The second embodiment of the present invention is an embodiment in which the monitoring server 500 and the automatic fire detection system 600 or the distribution line monitoring system 700 are combined. In the second embodiment of the present invention in which the automatic fire detection system 600 is combined, the monitoring server 500, from the automatic fire detection system 600 installed to detect whether a fire occurs in the power outlet 10 A fire detection signal or a fire alarm signal may be received through the communication line 601, and when the monitoring server 500 receives the fire detection signal or the fire alarm signal after detecting the occurrence of the abnormal phenomenon, the above It is preferable to consider the occurrence location of the anomaly as an ignition point, generate location information on the ignition point, and then display it through the display means so that the administrator of the monitoring server 500 can identify it. That is, when a fire occurs in the electric power outlet 10, since the anomaly occurrence location detected immediately before is the most likely fire occurrence location, when the fire detection signal or the fire alarm signal is received, the monitoring This is to cause the server 500 to regard the 'position of occurrence of the anomaly detected just before' as an ignition point.
또한, 상기 자동화재 탐지시스템(600)이 결합된 본 발명의 제2실시예에서 상기 감시서버(500)는, 상기 화재감지 신호 또는 상기 화재경보 신호를 수신하는 경우 상기 발화지점에 대한 위치정보를 상기 이동장치(400)에 전송하며, 상기 이동장치(400)는, 상기 감시서버(500)로부터 상기 발화지점에 대한 위치정보를 수신하는 경우 상기 구동부(425)를 제어하여 상기 발화지점을 중심으로 일정 범위를 왕복으로 반복 이동하면서 상기 탐지데이터를 생성하여 전송하도록 하는 것도 바람직하다. 즉, 상기 화재감지 신호 또는 상기 화재경보 신호를 수신하는 경우 상기 감시서버(500)는 보다 정확한 화재발생 위치를 찾기 위하여 상기 이동장치(400)에 대하여 이를 전달하고, 이를 전달받은 상기 이동장치(400)는 발화지점으로 간주되는 지점을 중심으로 상세한 탐지활동을 하면서 상세한 탐지데이터를 상기 감시서버(500)에 전송하고, 상기 감시서버(500)는 상세한 탐지데이터를 이용하여 정확한 발화지점을 탐지할 수 있게 하는 것이다.In addition, in the second embodiment of the present invention in which the automatic fire detection system 600 is combined, the monitoring server 500, upon receiving the fire detection signal or the fire alarm signal, provides location information about the ignition point. When receiving location information about the ignition point from the monitoring server 500, the mobile device 400 controls the driving unit 425 to center the ignition point. It is also preferable to generate and transmit the detection data while repeatedly moving back and forth within a certain range. That is, when receiving the fire detection signal or the fire alarm signal, the monitoring server 500 transmits it to the mobile device 400 in order to find a more accurate fire occurrence location, and the mobile device 400 that receives it ) transmits detailed detection data to the monitoring server 500 while carrying out detailed detection activities centered on the point considered as the ignition point, and the monitoring server 500 can detect the exact ignition point using the detailed detection data. is to have
한편, 상기 배전선로 감시시스템(700)이 결합된 본 발명의 제2실시예에서 상기 감시서버(500)는, 상기 전력구(10) 내에 포설된 배전선로의 감시 시스템(700)으로부터, 상기 배전선로에 과전류 또는 지락전류 발생 시 사고정보를 수신할 수 있으며, 상기 사고정보를 수신하는 경우, 상기 이동장치(400)에 대하여 점검요청 정보를 전송하며, 상기 이동장치(400)는, 상기 감시서버(500)로부터 상기 점검요청 정보를 수신하는 경우 상기 구동부(425)를 제어하여 일정한 시간 동안 상기 레일(300)을 따라 왕복으로 이동하면서 상기 탐지데이터를 생성하여 전송하도록 하는 것이 바람직하다. 이같이 본 발명에 의한 딥러닝 감시시스템은 배전선로 감시시스템과 연동함으로써, 배전선로 감시시스템에서 과부하나 지락 등 선로사고를 감지하는 경우 그 선로사고로 인하여 초래될 수 있는 재난을 사전에 신속하게 감지해 낼 수 있게 된다.Meanwhile, in the second embodiment of the present invention in which the distribution line monitoring system 700 is combined, the monitoring server 500, from the distribution line monitoring system 700 installed in the power outlet 10, the distribution line It is possible to receive fault information when overcurrent or ground fault current occurs in the furnace, and when receiving the fault information, it transmits inspection request information to the mobile device 400, and the mobile device 400, the monitoring server When the inspection request information is received from 500, it is preferable to control the drive unit 425 to generate and transmit the detection data while moving back and forth along the rail 300 for a certain period of time. As described above, the deep learning monitoring system according to the present invention interlocks with the distribution line monitoring system, so that when the distribution line monitoring system detects a line accident such as overload or ground fault, it quickly detects a disaster that may be caused by the line accident in advance. be able to pay
한편, 본 발명의 제3실시예가 도 10 내지 도 12에 도시되어 있다. 도 10은 본 발명의 제3실시예에서 상기 레일(300) 및 상기 이동장치(400)에 대한 상세도 및 전체 시스템 구성도이며, 도 11은 본 발명의 제3실시예를 도시한 단면도이고, 도 12는 위에서 본 평면도이다. 이하에서는 도 10 내지 도 12를 참조하여 본 발명의 제3실시예를 설명한다. 본 발명의 제3실시예는 상기 이동장치(400)가 자신의 위치를 식별하여 위치정보를 생성할 수 있도록 하는 실시예이다.Meanwhile, a third embodiment of the present invention is shown in FIGS. 10 to 12 . Figure 10 is a detailed view and overall system configuration of the rail 300 and the moving device 400 in the third embodiment of the present invention, Figure 11 is a cross-sectional view showing the third embodiment of the present invention, 12 is a plan view seen from above. Hereinafter, a third embodiment of the present invention will be described with reference to FIGS. 10 to 12 . A third embodiment of the present invention is an embodiment in which the mobile device 400 identifies its own location and generates location information.
이를 위하여 본 발명의 제3실시예는, 도 10 내지 도 12에서 보는 바와 같이 전력구(10) 상부에 일정한 위치마다 반복하여 부착되는 RFID 태그(350)를 더 포함하도록 하는 것이 바람직하다. 상기 RFID 태그(350)는 상기 레일(300)의 아랫면에 부착하는 것도 가능하며 도 10에서 보는 것처럼 상기 전력구(10)의 천장(11) 중 상기 레일(300)의 옆에 부착하는 것도 가능하다. 그리고 상기 RFID 태그(350) 각각에는 자신을 식별시킬 수 있는 고유코드를 가지도록 하는 것이 바람직하다.To this end, the third embodiment of the present invention, as shown in FIGS. 10 to 12, preferably further includes an RFID tag 350 that is repeatedly attached to the top of the power outlet 10 at predetermined positions. The RFID tag 350 can be attached to the lower surface of the rail 300, and as shown in FIG. 10, it is also possible to attach the RFID tag 350 to the side of the rail 300 among the ceilings 11 of the power outlet 10. . Also, each of the RFID tags 350 preferably has a unique code capable of identifying itself.
이와 더불어 상기 이동장치(400)에는, 상기 전력구(10) 내에서 자신의 위치를 식별하여 위치정보를 생성할 수 있는 위치식별 수단으로서 RFID 리더기(450)를 포함하도록 하는 것이 바람직하다. 그리고 상기 이동장치(400)는, 상기 레일(300)을 따라 이동하면서 상기 RFID 리더기(450)가 상기 RFID 태그(350) 아래를 지나가면서 상기 RFID 태그(350)에서 읽어 들인 상기 고유코드를 이용하여 자신의 위치를 식별하여 위치정보를 생성하도록 하는 것이 바람직하다. In addition, it is preferable that the mobile device 400 includes an RFID reader 450 as a location identification means capable of generating location information by identifying its own location within the power outlet 10 . The mobile device 400 moves along the rail 300 while the RFID reader 450 passes under the RFID tag 350 using the unique code read from the RFID tag 350. It is desirable to generate location information by identifying one's own location.
그리고, 상기 이동장치(400)가 생성하는 상기 탐지데이터에는 상기 위치정보를 포함하는 것이 바람직하다. 즉, 상기 탐지데이터에는 상기 표면 온도와 함께 상기 표면 온도를 측정한 위치를 식별할 수 있는 위치정보도 포함하는 것이다. 여기서 상기 위치정보는 상기 고유코드로 하는 것이 바람직하다. 그리고 상기 감시서버(500)에는 상기 전력구(10)내 위치별로 대응되는 상기 RFID 태그(350)별 고유코드 테이블을 가지도록 함으로써 상기 감시서버(500)가 상기 고유코드 테이블을 이용하여 상기 탐지데이터에 포함된 고유코드로 상기 표면 온도가 측정된 위치를 파악하도록 하는 것이 바람직하다.And, it is preferable to include the location information in the detection data generated by the mobile device 400 . That is, the detection data includes location information for identifying the location where the surface temperature was measured along with the surface temperature. Preferably, the location information is the unique code. In addition, the monitoring server 500 has a unique code table for each RFID tag 350 corresponding to each location within the power outlet 10, so that the monitoring server 500 uses the unique code table to detect the detection data. It is preferable to determine the location where the surface temperature was measured with a unique code included in the .
그리고 상기 RFID 태그(350)가 부착되는 위치는 상기 온도검출 띠(120) 사이에 있는 상기 이격부(130)가 위치한 지점과 일치되는 지점으로 하는 것이 바람직하다. 그리고 상기 이동장치(400)는 상기 적외선 센서(410)가 측정하는 상기 표면 온도와 상기 이격부(130)를 지날 때마다 새로 읽어 들인 고유코드를 같이 묶어서 상기 탐지데이터로 생성하도록 하는 것이 바람직하다. 또한, 상기 감시서버(500)가, 상기 RFID 리더기(450)가 읽어 들인 상기 고유코드와 상기 온도검출 띠(120)의 길이(L1)를 이용하여 상기 이동장치(400)가 이동한 이동 거리도 측정할 수 있도록 하는 것이 바람직하다. And, it is preferable that the position where the RFID tag 350 is attached coincides with the position where the separation part 130 between the temperature detection strips 120 is located. In addition, it is preferable that the mobile device 400 binds the surface temperature measured by the infrared sensor 410 and a unique code newly read every time it passes the separation part 130 to generate the detection data. In addition, the monitoring server 500 determines the movement distance that the moving device 400 has moved by using the unique code read by the RFID reader 450 and the length L1 of the temperature detection strip 120. It is desirable to be able to measure.
한편, 도 13에는 본 발명의 제4실시예가 도시되어 있다. 본 발명의 제4실시예는 위에서 살펴본 제3실시예에서 상기 온도검출 띠(120)의 길이를 상기 이격부(130)의 길이와 같게 하고 상기 RFID 태그(350)를 상기 온도검출 띠(120)의 양단 위치와 일치하는 위치마다 부착하는 실시예이다. 이를 위해서 본 발명 제4실시예는 도 13에서 보는 바와 같이 상기 제1길이(L1)와 상기 제2길이(L2)는 동일하게 하는 것이 바람직하며, 상기 일정한 위치 즉 상기 RFID 태그(350)가 반복하여 부착되는 위치는, 도 13에서 보는 바와 같이 상기 온도검출 띠(120)의 양단과 각각 일치하는 위치로 하는 것이 바람직하다.Meanwhile, FIG. 13 shows a fourth embodiment of the present invention. In the fourth embodiment of the present invention, the length of the temperature detection strip 120 is the same as the length of the spacer 130 in the above third embodiment, and the RFID tag 350 is attached to the temperature detection strip 120. This is an embodiment of attaching to each position that coincides with the position of both ends of. To this end, in the fourth embodiment of the present invention, as shown in FIG. 13, it is preferable to make the first length L1 and the second length L2 the same, and the RFID tag 350 repeats at a predetermined position. As shown in FIG. 13, it is preferable to set the position where both ends of the temperature detection strip 120 coincide with each other.
그리고 상기 적외선 센서(410)는, 상기 이동장치(400)가 상기 온도검출 띠(120)를 지나는 동안에는(350a → 350b) 상기 온도검출 띠(120)의 표면 온도를 측정하고, 상기 이동장치(400)가 상기 이격부(130)를 지나는 동안에는(350b → 350a), 상기 전력구(10)의 천장 온도를 측정하도록 하는 것이 바람직하다. 또한, 상기 이동장치(400)는, 상기 RFID 리더기(450)가 상기 RFID 태그(350)에서 읽어 들인 상기 고유코드를 이용하여 상기 적외선 센서(410)가 측정하는 온도가 상기 천장 온도인지 상기 표면 온도인지를 구별할 수 있도록 하는 것이 바람직하다. 이와 더불어 상기 이동장치(400)가 생성하는 상기 탐지데이터에는 상기 천장 온도를 더 포함하도록 하는 것이 바람직하다. The infrared sensor 410 measures the surface temperature of the temperature detection strip 120 while the moving device 400 passes the temperature detection strip 120 (350a → 350b), and the moving device 400 ) passes through the spaced portion 130 (350b → 350a), it is preferable to measure the ceiling temperature of the power outlet 10. In addition, the mobile device 400 determines whether the temperature measured by the infrared sensor 410 using the unique code read by the RFID reader 450 from the RFID tag 350 is the ceiling temperature or the surface temperature. It is desirable to be able to distinguish cognition. In addition, it is preferable to further include the ceiling temperature in the detection data generated by the mobile device 400 .
이같이 하게 되면 상기 감시서버(500)에 전송하는 탐지데이터에는 상기 온도검출 띠(120)의 온도는 물론 위치정보(고유코드) 및 상기 전력구(10) 천장(11)의 온도도 포함하기 때문에, 상기 감시서버(500)는 상기 온도검출 띠(120)의 온도와 상기 전력구(10) 천장(11)의 온도를 비교할 수 있고, 이를 통하여 측정된 실내공기 온도가 이전부터 유지되어 오던 온도인지 또는 최근에 발생한 어떠한 현상에 의하여 갑자기 변화된 실내공기 온도인지까지도 판단할 수 있는 효과가 있어 전력구 내 이상현상 발생 여부를 더욱 정확하게 판단할 수 있게 된다.In this way, the detection data transmitted to the monitoring server 500 includes not only the temperature of the temperature detection strip 120, but also location information (unique code) and the temperature of the ceiling 11 of the power outlet 10, The monitoring server 500 may compare the temperature of the temperature detection strip 120 and the temperature of the ceiling 11 of the power outlet 10, and determine whether the indoor air temperature measured through this is a temperature that has been maintained in the past, or There is an effect of determining whether the indoor air temperature has suddenly changed due to a recent phenomenon, so that it is possible to more accurately determine whether or not an abnormal phenomenon has occurred in the power outlet.
한편, 상술한 바와 같이 본 발명에서는 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템을 제공한다. 본 발명에서는 도 14에서 보는 바와 같이 일정한 시간 간격으로 또는 일정한 시각이 되면, 상기 이동장치(400)가 상기 전력구(10)를 왕복으로 이동하면서 탐지데이터를 수집하게 된다. 그리고 상기 감시서버(500)는 상기 이동장치(400)가 보내오는 상기 탐지데이터들을 딥러닝 학습모델로 학습하고, 학습한 결과에 따라 상기 탐지데이터에서 이상현상을 검출해 내는 것이다. On the other hand, as described above, the present invention provides a deep learning monitoring system for detecting abnormal symptoms of underground distribution lines. In the present invention, as shown in FIG. 14, at regular time intervals or at a specific time, the mobile device 400 collects detection data while reciprocally moving the power outlet 10. And the monitoring server 500 learns the detection data sent from the mobile device 400 as a deep learning learning model, and detects an anomaly in the detection data according to the learning result.
예를 들어, 도 15에서 같이 측정시간대(t1 ~ t6) 별로 상기 전력구(10)내 위치(d)에 따른 탐지데이터를 분석했을 때, 어느 특정한 시각대인 t6 시점에서 빨간색 타원이 표시된 위치(d1 ~ d2)의 온도가 다른 위치의 온도와 다른 온도분포를 보이는 것으로 판단하는 경우 이를 이상현상으로 하여 빨간색 타원이 표시된 부분의 위치(d1 ~ d2)를 이상현상 발생 위치로 판단할 수 있는 것이다. 또한, 도 16에서 같이 각각의 위치(d1 ~ d6) 별로 시계열적인 탐지데이터를 분석했을 때, 어느 특정한 위치인 d5에서 tx 시점 이후에(빨간색 타원이 표시된 부분) 평상시와 다른 온도분포를 보이는 것으로 판단하는 경우 d5를 이상현상 발생 위치로 탐색할 수 있을 것이다. 여기서 비교대상인 ‘평상시’는 계절, 시간, 부하전류, 지표온도, 지하 온도, 대기 온도 등 다양한 변수를 감안하여 비교대상을 정할 수 있을 될 것인데, 이를 위하여 상기 감시서버(500)는 날씨정보, 온도정보, 계절정보, 전류정보 등 다양한 변수의 데이터를 제공받을 수 있는 수단을 가지고 있도록 하는 것이 더욱 바람직하다. For example, as shown in FIG. 15, when the detection data according to the location (d) in the electric power outlet 10 is analyzed for each measurement time period (t1 to t6), the position (d1 If it is determined that the temperature of ~ d2) shows a temperature distribution different from the temperature of other locations, this can be regarded as an anomaly and the positions (d1 to d2) of the part marked with a red ellipse can be determined as the location of the anomaly. In addition, when the time-series detection data is analyzed for each location (d1 to d6) as shown in FIG. 16, it is determined that a temperature distribution different from usual is shown after tx time (the part marked with a red ellipse) at a specific location d5 In this case, d5 can be searched for the location of the anomaly. Here, the comparison target 'normal time' will be able to determine the comparison target in consideration of various variables such as season, time, load current, surface temperature, underground temperature, and air temperature. To this end, the monitoring server 500 provides weather information, temperature It is more desirable to have means to receive data of various variables such as information, season information, and current information.
이와 같은 판단을 위하여 본 발명에서는 딥러닝을 이용한 이상 탐지모델을 사용하는데, 이하에서는 상기 이상 탐지모델에 대하여 설명한다. 딥러닝 연구가 활발히 진행되면서 이상치 탐지 분야에서도 딥러닝을 활용한 연구가 수행되고 있는데, 대표적으로 순환신경망을 활용한 이상치 탐지 연구가 활발히 진행되고 있다. 순환신경망은 입력과 출력을 시퀀스 단위로 처리하는 모델로써, 시계열 또는 다변량 데이터를 학습하는 데 특화된 모형이다. 그리고 LSTM 모델은 기존 순환신경망이 입력 데이터 시퀀스가 길어질수록 기울기 소실이 발생하는 문제를 셀 상태를 통해 이전 단계에서 학습시킨 정보를 그대로 보존하며 학습을 진행함으로써 보완한다. 이러한 이점으로 인해 최근 이상치 탐지를 위한 딥러닝 연구에서 순환신경망 형태의 모델 아키텍처를 기반으로 이상치 탐지 연구를 수행하고 있다.For this determination, an anomaly detection model using deep learning is used in the present invention, and the anomaly detection model will be described below. As deep learning research is actively progressing, research using deep learning is being conducted in the field of outlier detection. Representatively, outlier detection research using recurrent neural networks is being actively conducted. A recurrent neural network is a model that processes inputs and outputs in sequence units and is specialized for learning time series or multivariate data. In addition, the LSTM model compensates for the problem that the existing recurrent neural network loses the gradient as the input data sequence becomes longer, by preserving the information learned in the previous step through the cell state and proceeding with learning. Due to these advantages, in recent deep learning research for outlier detection, outlier detection research is being conducted based on a model architecture in the form of a recurrent neural network.
또한, LSTM 기반의 이상치 탐지 성능을 높이기 위해서 오토인코더를 활용하기도 한다. 오토인코더를 활용하는 경우, 일정 기간의 시계열 데이터를 입력받아 향후 데이터를 예측하고 이를 원본 데이터와의 차이를 비교하여 값이 큰 데이터를 이상치로 분류한다. 오토인코더 모델이 정상 데이터으로만 학습하므로 재구성 오류가 큰 데이터일 경우 이상치라고 판단할 수 있다. 재구성 오류는 사용자가 설정한 임계치보다 값이 커지면 이상치로 판단하거나 정상 데이터의 분포를 적용하는 등 이상치를 판단하는데 활용하는 데이터로써 사용된다.In addition, an autoencoder is used to improve the performance of LSTM-based outlier detection. When using an autoencoder, it receives time series data for a certain period of time, predicts future data, compares the difference with the original data, and classifies data with large values as outliers. Since the autoencoder model learns only with normal data, data with a large reconstruction error can be judged as an outlier. Reconstruction errors are used as data used to determine outliers, such as judging them as outliers when the value is greater than the threshold set by the user or applying the distribution of normal data.
오토인코더는 인코더(encoder)와 디코더(decoder)로 나뉘어 구성되고, Encoder는 입력 데이터를 내부 표현으로 변환하며, Decoder는 내부 표현을 출력 데이터로 재구성하게 된다. 또한, 오토인코더는 대표적인 준지도학습(Semi-supervisor Learning) 방법으로 항등함수의 가장 근사한 값을 학습하는 것이 목적이다. 즉, 입력값과 출력값이 가장 유사한 형태를 갖게 하는 것이 목적이다. 오토인코더는 데이터를 효율적으로 표현하는 방법을 학습한다. 오토인코더의 데이터는 입력보다 낮은 차원의 압축된 데이터로 입력 데이터를 재구성한다. 이 데이터에서의 일정한 구조, 특징 간의 연관성을 찾아내어서 최종적으로, 출력 데이터를 최대한 입력 데이터와 유사하게 재구성하는 것이다. 오토인코더도 여러 개의 레이어를 쌓아서 만들 수 있으며, 각 레이어마다 학습이 일어난다. 오토인코더를 기반으로 하는 모델은 주로 특징 추출, 잡음 제거, 이상 탐지 등 여러 분야에 사용된다.An autoencoder is composed of an encoder and a decoder. The encoder converts input data into an internal representation, and the decoder reconstructs the internal representation into output data. In addition, the autoencoder is a representative semi-supervisor learning method, and its purpose is to learn the closest value of the identity function. That is, the purpose is to make the input value and the output value have the most similar form. Autoencoders learn how to represent data efficiently. The data of the autoencoder reconstructs the input data into compressed data of a lower dimension than the input. It is to find a certain structure and correlation between features in this data, and finally reconstruct the output data to be as similar to the input data as possible. An autoencoder can also be created by stacking several layers, and learning occurs for each layer. Models based on autoencoders are mainly used in various fields such as feature extraction, noise removal, and anomaly detection.
본 발명에 포함된 상기 이상 탐지모델은, 오토인코더로 입력 데이터를 출력으로 복사하는 신경망으로 하는 것이 바람직하다. 즉 콘볼루션널 오토인코더(Convolutional autoencoder) 기법의 딥러닝 학습모델로 상기 탐지데이터를 학습하여 임계치(Threshold)를 추정한 후, 상기 임계치를 이용하여 상기 탐지데이터로부터 상기 이상현상을 탐지하는 모델로 한다.Preferably, the anomaly detection model included in the present invention is a neural network that copies input data to an output using an autoencoder. That is, after estimating a threshold by learning the detection data with a deep learning learning model of a convolutional autoencoder technique, the model detects the anomaly from the detection data using the threshold. .
학습의 경우에는, 필요 특성만 추출하는 차원 축소를 수행하고, 손실(loss)을 구하기 위해 인풋 데이터와 크기가 같도록 아웃풋 데이터를 생성하여 학습하도록 하는 것이 바람직한데, 이상탐지와 상황예측에 사용되는 딥러닝 학습모델인 오토 인코더(auto encoder)는 인코더와 디코더인 부분으로 나뉘며, 스케일링 데이터 벡터를 포함하여 다음과 같은 수학식으로 나타낼 수 있다.In the case of learning, it is desirable to perform dimensionality reduction to extract only necessary characteristics, and to generate output data to have the same size as the input data to learn to obtain a loss. An auto encoder, which is a deep learning learning model, is divided into encoder and decoder parts, and can be expressed by the following equation including a scaling data vector.
여기서 는 스케일된 데이터이며, 는 재생성된 데이터이고, 는 잠재공간(latent space)이며, 와 는 인코더와 디코더의 역할을 하는 함수이다.here is the scaled data, is the regenerated data, is the latent space, and is a function that serves as an encoder and a decoder.
Encoder와 Decoder에 사용하는 알고리즘은 신경망 구조인 레이어와 뉴럴로 구성되어 있으며, 본 발명에서는 Convolution 1D라는 레이어를 활용한다. Encoder에 해당하는 부분인 의 일부분은 다음과 같은 수학식으로 나타낼 수 있다.Algorithms used in the encoder and decoder are composed of layers and neurons, which are neural network structures, and a layer called Convolution 1D is used in the present invention. The part corresponding to the encoder A part of can be represented by the following equation.
일 때, when,
여기서, kernel은 convolution의 filters 크기가 되며, stride는 이동하는 크기이고, filters는 출력 filte의 개수로서 차원의 크기를 축소한다. 한편, 디코더에 해당하는 부분인 함수 는 다음과 같이 나타내는 것이 바람직하다.Here, kernel is the size of the convolution's filters, stride is the size of the movement, and filters are the number of output filters, reducing the size of the dimension. On the other hand, the function corresponding to the decoder is preferably expressed as follows.
Encoder의 부분을 역으로 계산한 것으로, 반대로 차원의 크기가 커진다. 상기 딥러닝 학습모델에서 학습하는 과정에서 와 의 차이를 줄이기 위해 손실함수로는 MSE를 사용하며, 상기 MSE는 다음과 같이 하는 것이 바람직하다.The part of Encoder is calculated inversely, and the size of the dimension increases on the contrary. In the process of learning from the deep learning learning model and In order to reduce the difference in , MSE is used as the loss function, and the MSE is preferably as follows.
학습을 수행한 뒤에 상기 감시서버(500)는, 이상치 탐지를 위한 임계치(Threshold)를 추정하도록 하는 것이 바람직하다. 상기 임계치 추정은, 일정 epoch만큼 학습을 진행한 후에 도출된 최종 Y와 인풋으로 사용한 X’와의 차이를 구하여 상기 임계치를 다음과 같이 추정하는 것이 바람직하다.After performing the learning, it is preferable that the monitoring server 500 estimates a threshold for detecting an outlier. It is preferable to estimate the threshold value as follows by obtaining the difference between the final Y derived after learning for a certain epoch and X' used as an input.
그리고 상기 임계치 추정을 수행한 뒤에는, 이상탐지를 위해서, 상기 임계치를 이용하여 상기 이상치를 탐지하는 것이 바람직하다. 상기 이상치 탐지는, 시계열로 입력되는 데이터를 학습된 딥러닝 학습모델로 전송하고, 추정된 임계치와 값을 다음과 같이 비교하여 판단하도록 하는 것이 바람직하다.After the estimation of the threshold value is performed, it is preferable to detect the anomaly value using the threshold value in order to detect the anomaly. Preferably, the outlier detection is performed by transmitting the data input in time series to the learned deep learning learning model and comparing the estimated threshold value and value as follows.
그리고, 상기 감시서버(500)가 상기 이상치 탐지를 수행한 뒤에는, 상기 이상치 탐지결과에 따라 상기 이상현상을 제시하는 것이 바람직하다. And, after the monitoring server 500 performs the detection of the anomaly, it is preferable to present the anomaly according to the detection result of the outlier.
상술한 여러 가지 예로 본 발명을 설명하였으나, 본 발명은 반드시 이러한 예들에 국한되는 것이 아니고, 본 발명의 기술사상을 벗어나지 않는 범위 내에서 다양하게 변형 실시될 수 있다. 따라서 본 발명에 개시된 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 예들에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 한다. Although the present invention has been described with the various examples described above, the present invention is not necessarily limited to these examples, and may be variously modified and implemented without departing from the technical spirit of the present invention. Therefore, the examples disclosed in the present invention are not intended to limit the technical idea of the present invention, but to explain, and the scope of the technical idea of the present invention is not limited by these examples. The protection scope of the present invention should be construed according to the following claims, and all technical ideas within the equivalent scope should be construed as being included in the scope of the present invention.
10 전력구
11 천장 12 바닥
13 측벽 15 케이블 행거
16 전력케이블
110 열 전달 띠
111 금속층 112 단열층
120 온도검출 띠
121 금속층 122 단열층
130 이격부
170 열 채집 판
171 금속층 172 단열층
300 레일
303 급전 라인 350 RFID 태그
400 이동장치
410 적외선 센서 411 센서 플레이트
420 본체 421 롤러
423 슬라이딩 바 424 제어부
425 구동부 426 저장부
427 통신부 429 구동축
450 RFID 리더기
500 감시서버 501 통신망
600 자동화재 탐지시스템 601 통신회선
700 배전선로 감시시스템10 power district
11 ceiling 12 floor
13 side wall 15 cable hanger
16 power cable
110 heat transfer band
111 metal layer 112 insulation layer
120 temperature detection band
121 metal layer 122 insulation layer
130 separation
170 Thermal Gathering Plate
171 metal layer 172 insulation layer
300 rail
303 Feed Line 350 RFID Tag
400 Mover
410 Infrared Sensor 411 Sensor Plate
420 Body 421 Roller
423 sliding bar 424 control
425 driving unit 426 storage unit
427 communication part 429 drive shaft
450 RFID reader
500 monitoring server 501 communication network
600 Automatic fire detection system 601 Communication line
700 Distribution Line Monitoring System
Claims (7)
상기 전력구의 길이 방향을 따라 상기 전력구의 천장 일측에 설치되는 레일;
상기 전력구 상부의 실내공기 온도에 감응하여 열을 채집하기 위하여, 상기 전력구의 천장 중 상기 전력케이블이 지나가는 직 상부에 상기 전력케이블을 따라서 반복적으로 부착되는 장방형의 열 채집 판;
상기 전력구 상부의 실내공기 온도를 검출하기 위하여, 상기 레일과 평행하게 상기 레일의 한쪽에 제1길이 단위로 상기 전력구의 천장 표면에 반복하여 부착되는 온도검출 띠;
상기 열 채집 판에서 채집된 열을 상기 온도검출 띠에 전달하기 위하여, 상기 온도검출 띠와 상기 열 채집 판을 연결하는 열 전달 띠;
일정한 시간 간격으로 또는 일정한 시각이 되면, 상기 레일을 따라 왕복으로 이동하면서 상기 온도검출 띠의 표면 온도를 측정하면서 상기 표면 온도와 측정시간을 포함하는 탐지데이터를 생성하여 전송하는 이동장치; 및
상기 이동장치로부터 전송받은 상기 탐지데이터를 딥러닝 분석하여 상기 전력구 내 이상현상 발생을 탐지하는 감시서버;를 포함하되,
상기 열 채집 판, 상기 온도검출 띠 및 상기 열 전달 띠 각각은,
- 동일한 크기 및 모양을 가지는 단열층과 금속층으로 이루어지고,
- 상기 단열층은, 열을 차단할 수 있는 단열 재질로서 상기 전력구의 천장에 축적된 냉기 또는 온기가 상기 금속층에 전달되지 않도록 상기 전력구의 천장 표면과 상기 금속층 사이에 개재되고,
상기 열 채집 판, 상기 온도검출 띠 및 상기 열 전달 띠 중 상기 금속층은 일체로 연결되며,
상기 전력구의 천장 표면에 반복하여 부착되는 온도검출 띠 사이에는, 상기 온도검출 띠 상호간의 열전달을 차단할 수 있도록 제2길이 단위의 이격부를 가지며,
상기 이동장치에는,
- 상기 레일을 따라 이동할 수 있는 구동력을 발생시키는 구동부,
- 상기 레일의 옆에 부착된 상기 온도검출 띠의 금속층 표면에 대하여 상기 표면 온도를 측정할 수 있는 적외선 센서,
- 상기 구동부 및 상기 적외선 센서를 포함하는 상기 이동장치의 구성요소들에 대한 작동을 제어하는 제어부 및
- 상기 감시서버와 데이터 송수신을 할 수 있는 통신부를 포함하는 것을 특징으로 하는, 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템.A system for detecting anomalies occurring in power outlets in which power cables for underground distribution lines are laid,
Rails installed on one side of the ceiling of the power outlet along the longitudinal direction of the power outlet;
a rectangular heat collecting plate repeatedly attached along the power cable to an upper portion of the ceiling of the power outlet where the power cable passes, in order to collect heat in response to indoor air temperature above the power outlet;
a temperature detection strip repeatedly attached to the ceiling surface of the electric power outlet in units of a first length on one side of the rail parallel to the rail to detect indoor air temperature above the power outlet;
a heat transfer band connecting the temperature detection band and the heat collecting plate to transfer the heat collected by the heat collecting plate to the temperature detecting band;
a moving device generating and transmitting detection data including the surface temperature and measurement time while measuring the surface temperature of the temperature detection strip while reciprocally moving along the rail at regular time intervals or at a specific time; and
A monitoring server for deep learning analysis of the detection data transmitted from the mobile device to detect the occurrence of an anomaly in the power outlet;
Each of the heat collecting plate, the temperature detection band, and the heat transfer band,
- Consists of an insulating layer and a metal layer having the same size and shape,
- The heat insulation layer is a heat insulating material capable of blocking heat and is interposed between the ceiling surface of the power outlet and the metal layer so that cold air or warmth accumulated on the ceiling of the power outlet is not transferred to the metal layer,
The metal layer of the heat collecting plate, the temperature detection band, and the heat transfer band is integrally connected,
Between the temperature detection strips repeatedly attached to the ceiling surface of the power outlet, a spaced portion of a second length unit is provided to block heat transfer between the temperature detection strips,
In the mobile device,
- a driving unit for generating a driving force capable of moving along the rail;
- an infrared sensor capable of measuring the surface temperature of the surface of the metal layer of the temperature detection strip attached to the side of the rail;
- a control unit for controlling the operation of components of the moving device including the driving unit and the infrared sensor; and
- A deep learning monitoring system for detecting anomalies in underground distribution lines, characterized in that it includes a communication unit capable of transmitting and receiving data with the monitoring server.
일정한 위치마다, 상기 레일 또는 상기 전력구의 천장에 반복하여 부착되는 RFID 태그;를 더 포함하며,
상기 이동장치에는, 상기 전력구 내에서 자신의 위치를 식별하여 위치정보를 생성할 수 있는 위치식별 수단으로서 RFID 리더기를 포함하며,
상기 RFID 태그 각각에는 자신의 고유코드를 가지며,
상기 이동장치는, 상기 RFID 리더기가 상기 RFID 태그에서 읽어 들인 상기 고유코드를 이용하여 자신의 위치를 식별하며,
상기 이동장치가 생성하는 상기 탐지데이터에는, 상기 표면 온도를 측정한 위치를 식별할 수 있는 위치정보를 더 포함하는 것을 특징으로 하는, 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템.According to claim 1,
Further comprising an RFID tag repeatedly attached to the rail or the ceiling of the electric power outlet at each predetermined location,
The mobile device includes an RFID reader as a location identification means capable of generating location information by identifying its own location in the power outlet,
Each of the RFID tags has its own unique code,
The mobile device identifies its location using the unique code read by the RFID reader from the RFID tag;
The deep learning monitoring system for detecting abnormal symptoms of an underground distribution line, characterized in that the detection data generated by the mobile device further includes location information capable of identifying a location where the surface temperature is measured.
상기 제1길이와 상기 제2길이는 동일하며,
상기 일정한 위치는 상기 온도검출 띠의 양단과 각각 일치하는 위치이며,
상기 적외선 센서는, 상기 이동장치가 상기 이격부를 지나는 동안 상기 전력구의 천장 온도를 측정하며,
상기 이동장치는, 상기 RFID 리더기가 상기 RFID 태그에서 읽어 들인 상기 고유코드를 이용하여 상기 적외선 센서가 측정하는 온도가 상기 천장 온도인지 상기 표면 온도인지를 구별하며,
상기 이동장치가 생성하는 상기 탐지데이터에는 상기 천장 온도를 더 포함하는 것을 특징으로 하는, 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템.According to claim 2,
The first length and the second length are the same,
The constant position is a position coincident with both ends of the temperature detection band,
The infrared sensor measures the ceiling temperature of the power outlet while the moving device passes through the separation unit,
The mobile device distinguishes whether the temperature measured by the infrared sensor is the ceiling temperature or the surface temperature using the unique code read by the RFID reader from the RFID tag;
The deep learning monitoring system for detecting anomalies of underground distribution lines, characterized in that the detection data generated by the mobile device further includes the ceiling temperature.
상기 감시서버는,
- 딥러닝 모델인 이상 탐지모델로 상기 탐지데이터를 학습하면서, 상기 실내공기 온도에 대한 위치에 따른 변화 및 시계열적 변화를 분석하여 전력구 내에서 재난 발생이 예상되는 이상현상 발생 위치를 탐지하며,
- 상기 이상현상의 발생이 탐지되는 경우 상기 이상현상의 발생 위치를 포함하는 위험탐지 정보를 생성한 후, 상기 감시서버의 관리자가 식별할 수 있도록 표시수단을 통하여 표출하되,
상기 이상 탐지모델은,
- 콘볼루션널 오토인코더(Convolutional autoencoder) 기법의 딥러닝 학습모델로 상기 탐지데이터를 학습하여 임계치(Threshold)를 추정한 후, 상기 임계치를 이용하여 상기 탐지데이터로부터 상기 이상현상을 탐지하는 것을 특징으로 하는, 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템.According to any one of claims 1 to 3,
The monitoring server,
- While learning the detection data with the anomaly detection model, which is a deep learning model, the positional change and time-series change of the indoor air temperature are analyzed to detect the location of an anomaly where a disaster is expected to occur in the power outlet,
- When the occurrence of the anomaly is detected, after generating the risk detection information including the location of the occurrence of the anomaly, it is displayed through a display means so that the administrator of the monitoring server can identify it,
The anomaly detection model,
- Characterized in that, after learning the detection data with a deep learning learning model of a convolutional autoencoder technique to estimate a threshold, the anomaly is detected from the detection data using the threshold. A deep learning monitoring system that detects anomalies in underground distribution lines.
상기 감시서버는,
- 상기 전력구 내에 화재 발생 여부를 탐지하기 위하여 설치된 자동화재 탐지시스템으로부터 화재감지 신호 또는 화재경보 신호를 수신할 수 있으며,
- 상기 이상현상의 발생이 탐지된 이후 상기 화재감지 신호 또는 상기 화재경보 신호를 수신하는 경우 상기 이상현상의 발생 위치를 발화지점으로 간주하여 상기 발화지점에 대한 위치정보를 생성한 후, 상기 감시서버의 관리자가 식별할 수 있도록 상기 표시수단을 통하여 표출하는 것을 특징으로 하는, 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템.According to claim 4,
The monitoring server,
- It is possible to receive a fire detection signal or a fire alarm signal from an automatic fire detection system installed to detect whether a fire has occurred in the power outlet,
- When the fire detection signal or the fire alarm signal is received after the occurrence of the anomaly is detected, the location information on the ignition point is generated by considering the location of the occurrence of the anomaly as an ignition point, and then the monitoring server A deep learning monitoring system for detecting abnormal symptoms of underground distribution lines, characterized in that expressed through the display means so that the manager of the can be identified.
상기 감시서버는, 상기 화재감지 신호 또는 상기 화재경보 신호를 수신하는 경우 상기 발화지점에 대한 위치정보를 상기 이동장치에 전송하며,
상기 이동장치는, 상기 감시서버로부터 상기 발화지점에 대한 위치정보를 수신하는 경우 상기 구동부를 제어하여 상기 발화지점을 중심으로 일정 범위를 왕복으로 반복 이동하면서 상기 탐지데이터를 생성하여 전송하는 것을 특징으로 하는, 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템.According to claim 5,
The monitoring server transmits location information about the ignition point to the mobile device when receiving the fire detection signal or the fire alarm signal;
When receiving location information on the ignition point from the monitoring server, the mobile device generates and transmits the detection data while repeatedly moving back and forth in a certain range around the ignition point by controlling the drive unit. A deep learning monitoring system that detects anomalies in underground distribution lines.
상기 감시서버는,
- 상기 전력구 내에 포설된 배전선로의 감시 시스템으로부터, 상기 배전선로에 과전류 또는 지락전류 발생 시 사고정보를 수신할 수 있으며,
- 상기 사고정보를 수신하는 경우, 상기 이동장치에 대하여 점검요청 정보를 전송하며,
상기 이동장치는,
- 상기 감시서버로부터 상기 점검요청 정보를 수신하는 경우 상기 구동부를 제어하여 일정한 시간 동안 상기 레일을 따라 왕복으로 이동하면서 상기 탐지데이터를 생성하여 전송하는 것을 특징으로 하는, 지중 배전선로의 이상징후를 탐지하는 딥러닝 감시시스템.According to claim 4,
The monitoring server,
- Fault information can be received from the distribution line monitoring system installed in the power outlet when overcurrent or ground fault current occurs in the distribution line,
- When receiving the accident information, transmits inspection request information to the mobile device;
The mobile device,
- When receiving the inspection request information from the monitoring server, the driving unit is controlled to move back and forth along the rail for a certain period of time to generate and transmit the detection data, detecting abnormal symptoms of the underground distribution line. Deep Learning Surveillance System.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230048217A KR102561365B1 (en) | 2023-04-12 | 2023-04-12 | Deep learning system for abnormal phenomenon detection in the underground power distribution line |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230048217A KR102561365B1 (en) | 2023-04-12 | 2023-04-12 | Deep learning system for abnormal phenomenon detection in the underground power distribution line |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102561365B1 true KR102561365B1 (en) | 2023-07-31 |
Family
ID=87458329
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230048217A KR102561365B1 (en) | 2023-04-12 | 2023-04-12 | Deep learning system for abnormal phenomenon detection in the underground power distribution line |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102561365B1 (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116930816A (en) * | 2023-09-13 | 2023-10-24 | 深圳市德兰明海新能源股份有限公司 | Electric leakage detection method and device for distribution box, distribution box and storage medium |
| KR102672635B1 (en) | 2024-02-27 | 2024-06-05 | (주)영의 | (System for anomaly detection in underground power distribution line using ConvLSTM and AutoEncoder model |
| KR102672631B1 (en) | 2024-02-27 | 2024-06-05 | (주)영의 | Monitoring system for underground power distribution line using 3D CNN AutoEncoder model |
| CN118334475A (en) * | 2024-06-17 | 2024-07-12 | 山东仙河药业有限公司 | Belt conveyor abnormality detection method, system and model training method |
| KR102688023B1 (en) * | 2023-12-29 | 2024-07-24 | (주)비앤와이이엔지 | Underground power distribution line system having insulating function |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100071340A (en) * | 2008-12-19 | 2010-06-29 | 재단법인 포항산업과학연구원 | Apparatus for measuring detailed thermal properties of plate and method of the same |
| KR20110072468A (en) * | 2009-12-23 | 2011-06-29 | 한국전력공사 | System for surveiling underground tunnel |
| JP2014224618A (en) * | 2013-05-15 | 2014-12-04 | 大和ハウス工業株式会社 | Temperature information acquiring device, and outside air temperature determining device |
| KR101936554B1 (en) | 2018-10-24 | 2019-01-08 | 유지봉 | Mobile type apparatus for surveiling underground tunnel |
| KR20210155851A (en) * | 2020-06-16 | 2021-12-24 | 전북대학교산학협력단 | System for Detecting Anomaly in Pipeline |
| KR20220071675A (en) * | 2020-11-24 | 2022-05-31 | 주식회사 이스온 | Apparatus and method for monitoring the underground cavity |
-
2023
- 2023-04-12 KR KR1020230048217A patent/KR102561365B1/en active IP Right Grant
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100071340A (en) * | 2008-12-19 | 2010-06-29 | 재단법인 포항산업과학연구원 | Apparatus for measuring detailed thermal properties of plate and method of the same |
| KR20110072468A (en) * | 2009-12-23 | 2011-06-29 | 한국전력공사 | System for surveiling underground tunnel |
| KR101084664B1 (en) | 2009-12-23 | 2011-11-22 | 한국전력공사 | System for surveiling underground tunnel |
| JP2014224618A (en) * | 2013-05-15 | 2014-12-04 | 大和ハウス工業株式会社 | Temperature information acquiring device, and outside air temperature determining device |
| KR101936554B1 (en) | 2018-10-24 | 2019-01-08 | 유지봉 | Mobile type apparatus for surveiling underground tunnel |
| KR20210155851A (en) * | 2020-06-16 | 2021-12-24 | 전북대학교산학협력단 | System for Detecting Anomaly in Pipeline |
| KR102419353B1 (en) | 2020-06-16 | 2022-07-13 | 전북대학교산학협력단 | System for Detecting Anomaly in Pipeline |
| KR20220071675A (en) * | 2020-11-24 | 2022-05-31 | 주식회사 이스온 | Apparatus and method for monitoring the underground cavity |
Non-Patent Citations (2)
| Title |
|---|
| 김민희, 진교홍, "오토인코더를 활용한 MCT 이상탐지 알고리즘 개발", 한국정보통신학회 2021년 추계 종합학술대회 논문집 |
| 황주효, 진교홍, "딥러닝을 활용한 설비 이상 탐지 및 성능 분석", 한국정보통신학회 2021년 추계 종합학술대회 논문집 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116930816A (en) * | 2023-09-13 | 2023-10-24 | 深圳市德兰明海新能源股份有限公司 | Electric leakage detection method and device for distribution box, distribution box and storage medium |
| CN116930816B (en) * | 2023-09-13 | 2024-02-13 | 深圳市德兰明海新能源股份有限公司 | Electric leakage detection method and device for distribution box, distribution box and storage medium |
| KR102688023B1 (en) * | 2023-12-29 | 2024-07-24 | (주)비앤와이이엔지 | Underground power distribution line system having insulating function |
| KR102672635B1 (en) | 2024-02-27 | 2024-06-05 | (주)영의 | (System for anomaly detection in underground power distribution line using ConvLSTM and AutoEncoder model |
| KR102672631B1 (en) | 2024-02-27 | 2024-06-05 | (주)영의 | Monitoring system for underground power distribution line using 3D CNN AutoEncoder model |
| CN118334475A (en) * | 2024-06-17 | 2024-07-12 | 山东仙河药业有限公司 | Belt conveyor abnormality detection method, system and model training method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102561365B1 (en) | Deep learning system for abnormal phenomenon detection in the underground power distribution line | |
| US11143521B2 (en) | System and method for aiding responses to an event detected by a monitoring system | |
| Wu et al. | An intelligent tunnel firefighting system and small-scale demonstration | |
| KR102553692B1 (en) | Deep learning system for disaster detection in the underground power facility | |
| US11729597B2 (en) | Digital twin disaster management system customized for underground public areas | |
| US10756919B1 (en) | Connected automation controls using robotic devices | |
| KR20190098784A (en) | Intelligent electric power facility management system based on Merged Reality of Internet of Things, Big data, 3D Technology, Method thereof, and Computer readable storage medium having the method | |
| CN112288984A (en) | Three-dimensional visual unattended substation intelligent linkage system based on video fusion | |
| KR102011342B1 (en) | Fire Safety Inspecting Method and System | |
| KR102319083B1 (en) | Artificial intelligence based fire prevention device and method | |
| CN102737466A (en) | Method and system for estimating position and intensity of ignition source of fire | |
| CN114913663B (en) | Abnormality detection method, abnormality detection device, computer device, and storage medium | |
| KR20220061312A (en) | Deep learning based building management system with rail robot device | |
| CN111885349B (en) | Pipe gallery abnormality detection system and method | |
| CN114118202A (en) | Early warning method for abnormal events of urban underground comprehensive pipe gallery | |
| CN117804526A (en) | Underground pipe gallery environment detection system and method based on inspection robot | |
| CN202838579U (en) | Fire disaster fire source position and intensity estimating system | |
| KR20220071880A (en) | Digital twin disaster management system customized for underground public areas | |
| KR102614856B1 (en) | System and method for predicting risk of crowd turbulence | |
| KR20100001685A (en) | System and method for monitoring underground common tunnel | |
| JP6964030B2 (en) | Monitoring system and monitoring method | |
| KR101447714B1 (en) | A fire perceiving robot, method for judging fire occurrence and fire alarm system using the same | |
| KR102672635B1 (en) | (System for anomaly detection in underground power distribution line using ConvLSTM and AutoEncoder model | |
| Lee et al. | A system to detect potential fires using a thermographic camera | |
| Xie et al. | On‐line physical security monitoring of power substations |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |