KR102592309B1 - 송전케이블의 부분방전 Pulse를 이용한 자동 판정 방법 - Google Patents

송전케이블의 부분방전 Pulse를 이용한 자동 판정 방법 Download PDF

Info

Publication number
KR102592309B1
KR102592309B1 KR1020210068592A KR20210068592A KR102592309B1 KR 102592309 B1 KR102592309 B1 KR 102592309B1 KR 1020210068592 A KR1020210068592 A KR 1020210068592A KR 20210068592 A KR20210068592 A KR 20210068592A KR 102592309 B1 KR102592309 B1 KR 102592309B1
Authority
KR
South Korea
Prior art keywords
data
partial discharge
analysis
algorithm
pulse
Prior art date
Application number
KR1020210068592A
Other languages
English (en)
Other versions
KR20220160400A (ko
Inventor
정연하
장태인
홍민석
임재섭
Original Assignee
한국전력공사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전력공사 filed Critical 한국전력공사
Priority to KR1020210068592A priority Critical patent/KR102592309B1/ko
Publication of KR20220160400A publication Critical patent/KR20220160400A/ko
Application granted granted Critical
Publication of KR102592309B1 publication Critical patent/KR102592309B1/ko

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
    • G01R31/1263—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
    • G01R31/1272—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation of cable, line or wire insulation, e.g. using partial discharge measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
    • G01R29/02—Measuring characteristics of individual pulses, e.g. deviation from pulse flatness, rise time or duration
    • G01R29/027—Indicating that a pulse characteristic is either above or below a predetermined value or within or beyond a predetermined range of values
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/083—Locating faults in cables, transmission lines, or networks according to type of conductors in cables, e.g. underground
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/14—Circuits therefor, e.g. for generating test voltages, sensing circuits
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

본 발명은 송전케이블 부분방전 판정방법으로서, 제1 데이터를 제1 전처리하는 단계; 상기 제1 전처리된 상기 제1 데이터를 이용하여 제1 알고리즘을 생성하는 단계; 제2 데이터를 상기 제1 전처리하는 단계; 상기 제1 전처리된 상기 제2 데이터를 상기 제1 알고리즘에 적용하여 부분방전에 대한 제1 판단결과를 추출하는 단계; 제3 데이터를 제2 전처리하여 제4 데이터를 생성하는 단계; 상기 제4 데이터를 제2 알고리즘에 적용하여 부분방전에 대한 제2 판단결과를 추출하는 단계; 및 상기 제1 판단결과 및 상기 제2 판단결과에 따라 상기 제2 데이터의 부분방전을 판단하는 단계를 포함한다.

Description

송전케이블의 부분방전 Pulse를 이용한 자동 판정 방법 {Automatic decision method using partial discharge pulse of underground transmission cable}
본 발명은 펄스 데이터를 이용하여 지중 송전케이블의 부분방전을 판정하는 송전케이블 부분방전 판정방법에 관한 것이다.
재 지종 송전선로의 고장을 예방하기 위해 EBG, EBA 가스분석 및 부분방전 진단을 주기적으로 수행하고 있다.
하지만, 지중선로 고장은 매년 발생하고 있으며 고장의 70%를 차지하는 접속함 고장의 원인은 대부분 시공, 제작불량인데, 주요 고장 원인 모두 고장 전 발생하는 부분 방전을 검출하였다면 고장을 예방할 수 있다.
부분 방전(PD : Partial Discharge)은 절연체 내부의 결함(보이드, 돌기, 이물질 등)에서 전계집중으로 인한 국부적인 전기방전 현상이다.
지중 송전선로의 고장은 부분 방전에 의한 스트레스로 점차적으로 절연체의 가장 취약한 부위를 따라 탄화되면서 절연파괴로 진전으로 발생된다.
지중 송전케이블 부분 방전 신호의 특징은 크기가 작고 간헐적이기 때문에 휴대용 진단은 한계가 있으며, 상시 감시할 수 있는 온라인 부분 방전 진단방법이 가장 효과적이다.
온라인 부분방전 진단시스템은 2015년부터 사용되었으며 2019년 IEC 61850 통신프로토콜을 적용한 신 온라인 부분 방전 진단시스템이 345kV 및 중요 지중 송전선로에 설치되어 운영중에 있다.
부분 방전 판정 기술은 부분 방전에 의해 발생되는 신호는 위상, 크기, 방전의 횟수로 표현되는 PRPD(Phase Resolved Partial Discharge) 분석과 단일신호 즉 Pulse를 분석 기술이 있으며 두 결과를 종합하여 판정한다.
그러나, 다양한 결함 유형에 따라 부분 방전 패턴과 신호가 상이하고 복잡하여 현재까지 부분 방전 판정은 전문가의 경험과 노하우에 좌우되므로 판정의 신뢰성이 확보되기 어렵다.
이러한 불확실한 판정 방법을 개선하기 위하여 최근 계산 및 데이터 저장 기술이 발전함에 따라 SVM(Support Vector Machine), CNN(Convolutional Neural Network) 등 다양한 기법을 사용하여 부분 방전 패턴을 분류하는 시도를 하고 있다.
현재, 부분 방전 판정 시스템에서 부분 방전 PRPD 패턴 및 Pulse의 t-SNE 차원축소 이미지를 CNN VGG19 기법으로 학습한 알고리즘으로 판정하고 있으나 정형화된 PRPD 패턴 분석과 달리 Pulse 판정은 정확도가 떨어진다.
그리고, 현재 운용중에 있는 IEC 61850 기반 온라인 부분 방전 진단시스템에서 이벤트 발생시마다 수집되는 1분 PRPS, 1분 Pulse 데이터를 저장하고 있으나 PRPD 패턴 분석으로만 판정하고 Pulse 데이터는 수집만 될 뿐 판정하는 알고리즘이 탑재되어 있지 않다.
이에 부분 방전 시스템에서는 수집되는 1분 PRPS, 1분 Pulse 데이터를 전처리하여 이미지 학습에 우수한 성능을 나타내는 CNN(Convolutional Neural Network)인공지능 기법을 사용하여 부분방전 결함유형을 판정하는 알고리즘을 개발하여 사용하고 있다.
PRPD 학습모델은 이미 기술적으로 정형화된 PRPD 패턴 이미지를 CNN으로 학습하여 정확도가 향상되었지만 시계열 데이터인 Pulse 데이터를 T-SNE로 차원축소하여 플로팅한 이미지를 학습한 모델의 경우 실험 데이터에서의 높은 정확도와 달리 다양한 현장 데이터를 분석하는데 한계가 나타났고 추가적인 판정 방법이 요구되는 실정이다.
본 발명의 목적은 Pulse 데이터를 전처리하고, 전처리된 데이터를 LSTM Autoencoder 기법으로 학습모델을 만들어 자동으로 부분 방전과 노이즈로 구분하는 송전케이블 부분방전 판정방법을 제공하는 것이다.
상기한 본 발명의 목적을 실현하기 위한 하나의 특징에 따른 송전케이블 부분방전 판정방법은, 제1 데이터를 제1 전처리하는 단계; 상기 제1 전처리된 상기 제1 데이터를 이용하여 제1 알고리즘을 생성하는 단계; 제2 데이터를 상기 제1 전처리하는 단계; 상기 제1 전처리된 상기 제2 데이터를 상기 제1 알고리즘에 적용하여 부분방전에 대한 제1 판단결과를 추출하는 단계; 및 상기 제1 판단결과에 따라 상기 제2 데이터의 부분방전 여부를 판단하는 단계를 포함하고, 상기 제1 데이터는, 이전에 발생된 부분방전에 대한 펄스 형식의 데이터이며, 상기 제2 데이터는, 실시간 이벤트 발생에 대한 펄스 형식의 데이터이다.
상기 제1 판단결과를 추출하는 단계의 이후, 제3 데이터를 제2 전처리하여 제4 데이터를 생성하는 단계; 및 상기 제4 데이터를 제2 알고리즘에 적용하여 부분방전에 대한 제2 판단결과를 추출하는 단계를 더 포함할 수 있다. 상기 제2 데이터의 부분방전 여부를 판단하는 단계에서, 상기 제1 판단 결과 및 상기 제2 판단결과에 따라 상기 제2 데이터의 부부방전 여부를 판단할 수 있다.
상기 제3 데이터는, 상기 제2 데이터를 3차원으로 변형한 데이터이고, 상기 제4 데이터는, 상기 제3 데이터를 2차원으로 변형한 데이터이며, 상기 제1 알고리즘은, 상기 제2 데이터를 이용하여 부분방전 여부를 판단하는 알고리즘이고, 상기 제2 알고리즘은, 상기 제4 데이터를 이용하여 부분방전 패턴을 판정하는 알고리즘이다.
상기 제1 데이터를 제1 전처리하는 단계는, 상기 제1 데이터에 대한 바이너리(Binary) 파일을 파싱하는 단계; 상기 바이너리 파일을 이용하여 제1 CSV 파일(comma separated value)을 생성하는 단계; 상기 제1 CSV 파일에 포함된 복수의 제1 펄스를 정규화하여 복수의 제2 펄스를 생성해 제2 CSV 파일을 생성하는 단계; 및 상기 복수의 제2 펄스 중 제1 분석 펄스의 개수를 설정하는 단계를 포함하고, 상기 제1 분석 펄스는, 상기 복수의 제2 펄스 중 분석될 펄스이다.
여기서, 상기 제2 CSV 파일을 생성하는 단계는, 상기 제1 펄스의 크기를 0 내지 1사이의 값으로 정규화하여 상기 제2 펄스를 생성한다.
또한, 상기 제2 CSV 파일을 생성하는 단계는, 수학식 1을 이용하여 상기 제2 펄스를 생성한다.
[수학식 1]
그리고, 상기 제1 알고리즘을 생성하는 단계는, 상기 제1 분석 펄스의 시퀀스 길이를 설정하는 단계; 상기 시퀀스 길이에 따라 복수의 제1 시퀀스셋을 설정하는 단계; 상기 복수의 제1 시퀀스셋 중 복수의 제1 분석셋을 선택하는 단계; 상기 제1 알고리즘의 분석 조건을 설정하는 단계; 딥러닝을 통해 상기 복수의 제1 분석 펄스를 학습하여 상기 제1 알고리즘을 생성하는 단계; 및 상기 제1 알고리즘을 이용하여 부분방전 여부를 판단하기 위한 기준값을 설정하는 단계를 포함하고, 상기 부분방전 여부를 판정하는 기준값을 설정하는 Ratio > 0.6 이상일 때 부분방전(PD)으로 판정하며, 이다.
기 분석 조건은, 입력값과 출력값의 차이를 나타내는 재생성오류(Reconstruction Error)가 설정값 이하를 만족하는 조건이며, 상기 기준값은, 전체의 분석셋에서 부분방전으로 판별된 분석셋의 비율이고, 상기 딥러닝은, LSTM AutoEncoder이다.
상기 제2 데이터를 제1 전처리하는 단계는, 상기 제2 데이터에 대한 바이너리 파일을 파싱하는 단계; 상기 바이너리 파일을 이용하여 제3 CSV 파일을 생성하는 단계; 상기 제3 CSV 파일을 정규화하여 제4 CSV 파일을 생성하는 단계; 상기 제4 CSV 파일에서 복수의 제2 분석 펄스를 추출하는 단계; 상기 시퀀스 길이를 이용하여 복수의 제2 시퀀스셋을 설정하는 단계; 및 상기 제2 시퀀스셋에서 복수의 제2 분석셋을 선택하는 단계를 포함한다.
상기 제1 판단결과를 추출하는 단계는, 상기 복수의 제2 분석 펄스를 상기 제1 알고리즘에 적용하는 단계; 각각의 상기 제2 분석 펄스의 판별값을 계산하는 단계; 및 상기 판별값이 상기 기준값 이상인지를 판단하여 상기 제1 판단결과를 추출하는 단계를 포함하고,
상기 판별값은, 전체의 상기 제2 분석셋에서 부분방전으로 판별된 상기 제2 분석셋의 비율이다.
상기 제2 데이터의 부분방전 여부를 판단하는 단계는, 상기 제1 판단결과 및 상기 제2 판단결과가 모두 부분방전으로 판단되는 경우, 상기 제2 데이터를 부분방전으로 판단한다.
본 발명의 실시예에 따른 송전케이블 부분방전 판정방법에 따르면,
첫째, 제2 데이터와 제3 데이터를 이용하여 두 번에 걸쳐 부분 방전에 대하여 분석하므로, 진단 정확도를 높일 수 있다.
둘째, 제1 알고리즘을 이용하여 펄스를 분석하므로 자동화 판정이 가능하다.
셋째, 시퀀스 길이를 설정하여 분석 펄스를 선택하므로 분석할 펄스의 개수를 줄일 수 있어 검사에 효율적이다.
도 1a는 본 발명의 실시예에 따른 송전케이블 부분방전 판정방법을 설명하기 위한 흐름도이다.
도 1b는 본 발명의 확장된 실시예에 따른 송전케이블 부분방전 판정방법을 설명하기 위한 흐름도이다.
도 2는 제1 데이터 및 제2 데이터에 포함된 펄스를 나타낸 예시도이다.
도 3은 도 1에 도시된 제1 데이터를 제1 전처리하는 과정을 설명하기 위한 흐름도이다.
도 4는 정규화된 펄스를 나타낸 예시도이다.
도 5는 도 1에 도시된 제1 알고리즘을 생성하는 과정을 설명하기 위한 흐름도이다.
도 6a는 복수의 제1 분석셋을 설명하기 위한 예시도이다.
도 6b 및 도 6c는 LSTM을 설명하기 위한 예시도이다.
도 7은 도 1에 도시된 제2 데이터를 제1 전처리하는 과정을 설명하기 위한 흐름도이다.
도 8은 도 1에 도시된 제1 판단 결과를 추출하는 과정을 설명하기 위한 흐름도이다.
이하, 첨부한 도면들을 참조하여 본 발명의 바람직한 실시예를 보다 상세하게 설명한다. 이때, 첨부된 도면에서 동일한 구성 요소는 가능한 동일한 부호로 나타내고 있음에 유의한다. 또한, 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략할 것이다. 마찬가지 이유로 첨부 도면에 있어서 일부 구성 요소는 과장되거나 생략되거나 개략적으로 도시되었다.
도 1a는 본 발명의 실시예에 따른 송전케이블 부분방전 판정방법을 설명하기 위한 흐름도이다. 한편, 도 1b는 본 발명의 확장된 실시예에 따른 송전케이블 부분방전 판정방법을 설명하기 위한 흐름도이다. 이와 관련하여, 도 2는 제1 데이터 및 제2 데이터에 포함된 펄스를 나타낸 예시도이다.
도 1a 및 도 2를 참조하여 본 발명의 송전케이블 부분방전 판정방법에 대하여 설명한다.
본 발명의 송전케이블 부분방전 판정방법은, 제1 데이터를 제1 전처리하고(단계 S110), 제1 전처리된 제1 데이터를 이용하여 제1 알고리즘을 생성한다(단계 S120).
그리고, 제2 데이터를 제1 전처리하고(단계 S130), 제1 전처리된 제2 데이터를 제1 알고리즘에 적용하여 부분방전에 대한 제1 판단결과를 추출한다(단계 S140).
한편, 도 1b 및 도 2를 참조하여, 본 발명의 확장된 실시예에 따른 송전케이블 부분방전 판정방법을 설명한다.제3 데이터를 제2 전처리하여 제4 데이터를 생성하고(단계 S150), 제4 데이터를 제2 알고리즘에 적용하여 부분방전에 대한 제2 판단결과를 추출한다(단계 S160).
이후, 제1 판단결과 및 제2 판단결과에 따라 제2 데이터의 부분방전 여부를을 판단한다(단계 S170).
단계 S170에서, 제1 판단결과 및 제2 판단결과가 모두 부분방전으로 판단되는 경우, 제2 데이터를 부분방전으로 판단한다.
여기서, 제1 데이터는 이전에 발생된 부분방전에 대한 펄스 형식의 데이터이고, 제2 데이터는 실시간 이벤트 발생에 대한 펄스 형식의 데이터이다.
그리고, 제3 데이터는, 제2 데이터를 3차원으로 변형한 데이터이고, 제4 데이터는 제3 데이터를 2차원으로 변형한 데이터이다.
여기서, 제3 데이터는 PRPS(Phase Resolved Pulse Sequence)로 표현되고, 제4 데이터는 PRPD(Phase Resolved Partial Discharge)로 표현된다.
또한, 제1 알고리즘은, 제2 데이터를 이용하여 부분방전 여부를 판단하는 알고리즘이고, 제2 알고리즘은, 제4 데이터를 이용하여 부분방전 패턴을 판단하는 알고리즘이다.
제1 데이터 및 제2 데이터는 1분 동안 측정된 펄스 데이터이고, 최대 7200개의 펄스가 포함된다. 그리고, 하나의 펄스는 2㎲ 동안의 파형을 나타내고, sampling rate에 따라 펄스에 포함된 값들이 다르다. 하나의 펄스는 도 2와 같이 나타난다.
도 3은 도 1에 도시된 제1 데이터를 제1 전처리하는 과정을 설명하기 위한 흐름도이다.
도 3을 참조하여 도 1에 도시된 제1 데이터를 제1 전처리하는 과정(단계 S110)에 대하여 설명한다.
제1 데이터에 대한 바이너리(Binary) 파일을 파싱하고(단계 S111), 바이너리 파일을 이용하여 제1 CSV(Comma Separated Value)을 생성한다(단계 S112).
그리고, 제1 CSV 파일에 포함된 복수의 제1 펄스를 정규화하여 복수의 제2 펄스를 생성해 제2 CSV 파일을 생성한다(단계 S113).
이후, 복수의 제2 펄스 중에서 제1 분석 펄스의 개수를 설정한다(단계 S114).
여기서, 제1 분석 펄스는 복수의 제2 펄스 중에서 분석될 펄스이다.
단계 S113에서, 제1 펄스의 크기를 0 내지 1사이의 값으로 정규화하여 제2 펄스를 생성하고, [수학식 1]을 이용하여 이를 수행한다.
[수학식 1]
제1 펄스는 도 2에 도시된 형상으로 나타나고, 이를 정규화한 제2 펄스는 도 4에 도시된 형상으로 나타난다.
그리고, 단계 S113에서, 제1 펄스를 정규화하는 이유는, 1개의 펄스에 대한 sampling rate는 최소 100 MS/s에서 최대 250 MS/s로 제작사별 다르고, 펄스의 크기는 5단계의 증폭(gain)으로 나누어져 있기 때문에 이를 통일하기 위하여 정규화 과정이 필수적이다.
그리고, 단계 S114에서 제1 분석 펄스의 개수를 설정하는 이유는, 제1 데이터에는 최대 7200의 펄스가 포함되어 있는데, 모든 펄스를 분석할 경우 수초에서 수 시간까지 차이가 나기 때문에 개수를 정하여 데이터를 분석한다. 이와 관련하여, 분석데이터의 수는 n개로 설정할 수 있다.
한편, 도 4 및 도 6a에 도시된 것처럼, 복수의 제2 펄스 중에서 n개를 선택하여 복수의 제1 분석 펄스를 설정할 수 있다.
도 5는 도 1에 도시된 제1 알고리즘을 생성하는 과정을 설명하기 위한 흐름도이다.
도 5를 참조하여 도 1에 도시된 제1 알고리즘을 생성하는 과정(단계 S120)에 대하여 설명한다.
제1 분석 펄스의 시퀀스 길이를 설정하고(단계 S121), 시퀀스 길이에 따라 복수의 제1 시퀀스셋을 설정한다(단계 S122).
그리고, 복수의 제1 시퀀스셋 중 복수의 제1 분석셋을 선택하고(단계 S123), 제1 알고리즘의 분석 조건을 설정한다(단계 S124).
이후, 딥러닝을 통해 복수의 제1 분석 펄스를 학습하여 제1 알고리즘을 생성하고(단계 S125), 제1 알고리즘을 이용하여 부분방전 여부를 판단하기 위한 기준값을 설정한다(단계 S126).
여기서, 분석 조건은, 입력값과 출력값의 차이를 나타내는 재생성오류(Reconstruction Error)가 설정값 이하를 만족하는 조건이다.
기준값은, 전체의 분석셋에서 부분방전으로 판별된 분석셋의 비율을 나타낸다. 이와 관련하여, Ratio가 0.6 이상일 때 부분방전(PD)으로 판정할 수 있다. 이 경우, Ratio가 0.6 이상일 때 부분방전(PD) 판정 정확도는 99.3%이다.
도 6a를 참조하여 단계 S121 내지 단계 S123을 설명하면, 도 6a에 제1 분석 펄스가 나타나 있다. 시퀀스 길이는 40으로 설정되고, 40의 길이로 복수의 제1 시퀀스셋이 설정된 상태이다.
1번 제1 시퀀스셋은 0번값부터 39번값이고, 2번 시퀀스셋은 1번값부터 40번값이다. n번 제1 시퀀스셋은 n-1번값부터 n+38번값으로 설정된다.
그리고, 복수의 제1 분석셋을 선택하는 과정에서, 복수의 제1 시퀀스셋을 m개씩 묶어 하나의 프레임으로 설정하고, 각 프레임의 k번째 제1 시퀀스셋을 제1 분석셋으로 설정할 수 있다.
도 6a는 순차적으로 5개의 제1 시퀀스셋을 하나의 프레임으로 설정하고, 프레임에서 첫 번째 제1 시퀀스셋을 제1 분석셋으로 설정하였다. [표 1]은 sampling rate별 분석 세트 수를 나타낸다.
sampling rate 100 MS/s 250MS/s
적용전 160×200=32,000 460×200=92,000
적용후 160/5×200=6,400 460/5×200=18,400
[표 1]은 제1 분석 펄스가 200개로 설정되고, 시퀀스 길이가 40으로 설정되며, 제1 시퀀스셋 5개를 하나의 프레임으로 설정하였을때를 나타낸다.
[표 1]을 참조하여 sampling rate에 따른 제1 분석셋의 개수를 살펴보면,
먼저, 단계 S123을 적용하지 않는다면, sampling rate가 100MS/s 일 때, 하나의 제1 분석 펄스에서 160개의 제1 시퀀스셋이 설정되고, 200개의 제1 분석 펄스에 적용하면 32,000개의 제1 시퀀스셋을 분석해야 한다.
반면, 단계 S123을 적용하면 제1 시퀀스셋을 5개씩 묶으므로, 분석해야 할 제1 시퀀스셋은 6,400개로 줄어들게 되어 분석시간을 줄일 수 있다.
단계 S125에서, 딥러닝은 LSTM AutoEncoder를 사용한다. 도 6b 및 도 6c를 참조하면, LSTM(Long Short-Term Memory)은 주어진 데이터의 차원을 축소(Dimension Reduction)하거나 특징을 추출하기 위하여 사용하는 딥러닝 모델이다.
LSTM은 AutoEncoder가 주로 사용되며 주어진 데이터를 압축(낮은 차원 데이터)시키는 인코더(Encoder)와 압축된 데이터로부터 원래 데이터를 복원하는 디코더(Decoder)로 이루어져 있다.
AutoEncoder의 학습 데이터셋은 입력과 출력이 동일하고 출력이 입력과 얼마나 다른지 Loss 함수로 표시하는 데, 이를 재생성오류 (Reconstruction Error)라고 한다.
이 값이 주어진 목표치보다 작을 때까지 학습을 진행하고, AutoEncoder 모델에 입력되는 데이터가 시계열 데이터인 경우 AutoEncoder 모델의 은닉층을 LSTM 구조로 변경하면 보다 높은 정확도를 얻을 수 있다.
도 7은 도 1에 도시된 제2 데이터를 제1 전처리하는 과정을 설명하기 위한 흐름도이다.
도 7을 참조하여 도 1에 도시된 제2 데이터를 제1 전처리하는 과정(단계 S130)에 대하여 설명한다.
제2 데이터에 대한 바이너리 파일을 생성하고(단계 S131), 바이너리 파일을 이용하여 제3 CSV 파일을 생성한다(단계 S132).
그리고, 제3 CSV 파일을 정규화하여 제4 CSV 파일을 생성하고(단계 S133), 제4 CSV 파일에서 복수의 제2 분석 펄스를 추출한다(단계 S134).
이후, 단계 S121에서 설정된 시퀀스의 길이를 이용하여 복수의 제2 시퀀스셋을 설정하고(단계 S135), 제2 시퀀스셋에서 복수의 제2 분석셋을 선택한다(단계 S135).
단계 S134 내지 단계 S136은, 단계 S121 내지 단계 S123과 동일하게 수행된다.
도 8은 도 1에 도시된 제1 판단결과를 추출하는 과정을 설명하기 위한 흐름도이다.
도 8을 참조하여 도 1에 도시된 제1 판단결과를 추출하는 과정(단계 S140)에 대하여 설명한다.
제2 분석 펄스를 제1 알고리즘에 적용하고(단계 S141), 각각의 제2 분석 펄스의 판별값을 계산한다(단계 S142).
판별값이 기준값 이상인지를 판단하여 제1 판단결과를 추출한다(단계 S143).
단계 S142에서 판별값은, 전체의 제2 분석셋에서 부분방전으로 분석된 제2 분석셋의 비율이다.
그리고, 제1 판단결과는, 부분 방전 및 노이즈로 분류된다.
이상 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (8)

  1. 제1 데이터를 제1 전처리하는 단계;
    상기 제1 전처리된 상기 제1 데이터를 이용하여 제1 알고리즘을 생성하는 단계;
    제2 데이터를 상기 제1 전처리하는 단계;
    상기 제1 전처리된 상기 제2 데이터를 상기 제1 알고리즘에 적용하여 부분방전에 대한 제1 판단결과를 추출하는 단계; 및
    상기 제1 판단결과에 따라 상기 제2 데이터의 부분방전 여부를 판단하는 단계를 포함하고,
    상기 제1 데이터는, 이전에 발생된 부분방전에 대한 펄스 형식의 데이터이며,
    상기 제2 데이터는, 실시간 이벤트 발생에 대한 펄스 형식의 데이터이고,
    상기 제1 알고리즘은, 상기 제2 데이터를 이용하여 부분방전 여부를 판단하는 알고리즘이고, 상기 제1 데이터를 제1 전처리하는 단계는,
    상기 제1 데이터에 대한 바이너리(Binary) 파일을 파싱하는 단계;
    상기 바이너리 파일을 이용하여 제1 CSV 파일(comma separated value)을 생성하는 단계;
    상기 제1 CSV 파일에 포함된 복수의 제1 펄스를 정규화하여 복수의 제2 펄스를 생성해 제2 CSV 파일을 생성하는 단계; 및
    상기 복수의 제2 펄스 중 제1 분석 펄스의 개수를 설정하는 단계를 포함하고,
    상기 제1 분석 펄스는, 상기 복수의 제2 펄스 중 분석될 펄스인, 송전케이블 부분방전 판정방법.
  2. 제1항에 있어서,
    상기 제1 데이터를 제1 전처리하는 단계는,
    상기 제1 데이터에 대한 바이너리(Binary) 파일을 파싱하는 단계;
    상기 바이너리 파일을 이용하여 제1 CSV 파일(comma separated value)을 생성하는 단계;
    상기 제1 CSV 파일에 포함된 복수의 제1 펄스를 정규화하여 복수의 제2 펄스를 생성해 제2 CSV 파일을 생성하는 단계; 및
    상기 복수의 제2 펄스 중 제1 분석 펄스의 개수를 설정하는 단계
    를 포함하고,
    상기 제1 분석 펄스는, 상기 복수의 제2 펄스 중 분석될 펄스인, 송전케이블 부분방전 판정방법.
  3. 제1항에 있어서,
    상기 제2 CSV 파일을 생성하는 단계는,
    상기 제1 펄스의 크기를 0 내지 1사이의 값으로 정규화하여 상기 제2 펄스를 생성하는, 송전케이블 부분방전 판정방법.
  4. 제1항에 있어서,
    상기 제2 CSV 파일을 생성하는 단계는,
    수학식 1을 이용하여 상기 제2 펄스를 생성하는, 송전케이블 부분방전 판정방법.
    [수학식 1]
  5. 제1항에 있어서,
    상기 제1 알고리즘을 생성하는 단계는,
    상기 제1 분석 펄스의 시퀀스 길이를 설정하는 단계;
    상기 시퀀스 길이에 따라 복수의 제1 시퀀스셋을 설정하는 단계;
    상기 복수의 제1 시퀀스셋 중 복수의 제1 분석셋을 선택하는 단계;
    상기 제1 알고리즘의 분석 조건을 설정하는 단계;
    딥러닝을 통해 상기 복수의 제1 분석 펄스를 학습하여 상기 제1 알고리즘을 생성하는 단계; 및
    상기 제1 알고리즘을 이용하여 부분방전 여부를 판단하기 위한 기준값을 설정하는 단계를 포함하고,
    상기 분석 조건은, 입력값과 출력값의 차이를 나타내는 재생성오류(Reconstruction Error)가 설정값 이하를 만족하는 조건이며,
    상기 기준값은, 전체의 분석셋에서 부분방전으로 판별된 분석셋의 비율이고, 상기 기준값인 상기 분석셋의 비율이 0.6 이상일 때 부분방전(PD)으로 판정하고,
    상기 딥러닝은, LSTM AutoEncoder 인, 송전케이블 부분방전 판정방법.
  6. 제5항에 있어서,
    상기 제2 데이터를 제1 전처리하는 단계는,
    상기 제2 데이터에 대한 바이너리 파일을 파싱하는 단계;
    상기 바이너리 파일을 이용하여 제3 CSV 파일을 생성하는 단계;
    상기 제3 CSV 파일을 정규화하여 제4 CSV 파일을 생성하는 단계;
    상기 제4 CSV 파일에서 복수의 제2 분석 펄스를 추출하는 단계;
    상기 시퀀스 길이를 이용하여 복수의 제2 시퀀스셋을 설정하는 단계; 및
    상기 제2 시퀀스셋에서 복수의 제2 분석셋을 선택하는 단계
    를 포함하는, 송전케이블 부분방전 판정방법.
  7. 제6항에 있어서,
    상기 제1 판단결과를 추출하는 단계는,
    상기 복수의 제2 분석 펄스를 상기 제1 알고리즘에 적용하는 단계;
    각각의 상기 제2 분석 펄스의 판별값을 계산하는 단계; 및
    상기 판별값이 상기 기준값 이상인지를 판단하여 상기 제1 판단결과를 추출하는 단계
    를 포함하고,
    상기 판별값은, 전체의 상기 제2 분석셋에서 부분방전으로 판별된 상기 제2 분석셋의 비율인, 송전케이블 부분방전 판정방법.
  8. 제1 데이터를 제1 전처리하는 단계;
    상기 제1 전처리된 상기 제1 데이터를 이용하여 제1 알고리즘을 생성하는 단계;
    제2 데이터를 상기 제1 전처리하는 단계;
    상기 제1 전처리된 상기 제2 데이터를 상기 제1 알고리즘에 적용하여 부분방전에 대한 제1 판단결과를 추출하는 단계; 및
    상기 제1 판단결과에 따라 상기 제2 데이터의 부분방전 여부를 판단하는 단계
    를 포함하고,
    상기 제1 데이터는, 이전에 발생된 부분방전에 대한 펄스 형식의 데이터이며,
    상기 제2 데이터는, 실시간 이벤트 발생에 대한 펄스 형식의 데이터이고,
    상기 제1 알고리즘은, 상기 제2 데이터를 이용하여 부분방전 여부를 판단하는 알고리즘이고,
    상기 제1 판단결과를 추출하는 단계의 이후,
    제3 데이터를 제2 전처리하여 제4 데이터를 생성하는 단계; 및
    상기 제4 데이터를 제2 알고리즘에 적용하여 부분방전에 대한 제2 판단결과를 추출하는 단계를 더 포함하고,
    상기 제2 데이터의 부분방전 여부를 판단하는 단계에서, 상기 제1 판단 결과 및 상기 제2 판단결과에 따라 상기 제2 데이터의 부부방전 여부를 판단하고,
    상기 제3 데이터는, 상기 제2 데이터를 3차원으로 변형한 데이터이고,
    상기 제2 알고리즘은, 상기 제4 데이터를 이용하여 부분방전 패턴을 판단하는 알고리즘인, 송전케이블 부분방전 판정 방법.
KR1020210068592A 2021-05-27 2021-05-27 송전케이블의 부분방전 Pulse를 이용한 자동 판정 방법 KR102592309B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210068592A KR102592309B1 (ko) 2021-05-27 2021-05-27 송전케이블의 부분방전 Pulse를 이용한 자동 판정 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210068592A KR102592309B1 (ko) 2021-05-27 2021-05-27 송전케이블의 부분방전 Pulse를 이용한 자동 판정 방법

Publications (2)

Publication Number Publication Date
KR20220160400A KR20220160400A (ko) 2022-12-06
KR102592309B1 true KR102592309B1 (ko) 2023-10-23

Family

ID=84407519

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210068592A KR102592309B1 (ko) 2021-05-27 2021-05-27 송전케이블의 부분방전 Pulse를 이용한 자동 판정 방법

Country Status (1)

Country Link
KR (1) KR102592309B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021038927A (ja) * 2019-08-30 2021-03-11 株式会社日立製作所 部分放電判定装置及び方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102272657B1 (ko) * 2019-10-18 2021-07-05 한전케이디엔주식회사 부분방전 진단 장치 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021038927A (ja) * 2019-08-30 2021-03-11 株式会社日立製作所 部分放電判定装置及び方法

Also Published As

Publication number Publication date
KR20220160400A (ko) 2022-12-06

Similar Documents

Publication Publication Date Title
CN107657250B (zh) 轴承故障检测及定位方法及检测定位模型实现系统和方法
KR101823746B1 (ko) 베어링 고장 진단 방법
US6226760B1 (en) Method and apparatus for detecting faults
CN110376522B (zh) 一种数据融合的深度学习网络的电机故障诊断方法
CN114282579A (zh) 基于变分模态分解和残差网络的航空轴承故障诊断方法
CN108535635B (zh) 一种基于eemd和hmm的模拟电路间歇故障诊断方法
CN113158814B (zh) 一种基于卷积自编码器的轴承健康状态监测方法
CN110060368B (zh) 基于潜在特征编码的机械异常检测方法
Martin-del-Campo et al. Dictionary learning approach to monitoring of wind turbine drivetrain bearings
CN110580492A (zh) 一种基于小幅波动检测的轨道电路故障前兆发现方法
CN117076955A (zh) 一种高压变频器的故障检测方法及系统
CN110987433B (zh) 一种基于高频信号特征幅值的轴承故障预警方法
KR102163155B1 (ko) 중첩 산점도를 이용한 데이터 변환 방법 및 장치
KR102592309B1 (ko) 송전케이블의 부분방전 Pulse를 이용한 자동 판정 방법
CN112434755B (zh) 一种基于异构系统的数据异常感知方法
Decker et al. Does your model think like an engineer? explainable ai for bearing fault detection with deep learning
CN114462452B (zh) 用逐次变模态分解算法的异步电机转子断条故障诊断方法
CN110208658B (zh) 一种对局部放电诊断结果进行多元互补交叉验证的方法
CN114140736A (zh) 一种基于高低频重建的图像异常检测方法
Boukra et al. Identifying new prognostic features for remaining useful life prediction
CN113111575B (zh) 基于深度特征编码与混合高斯模型的燃机退化评估方法
CN112560674B (zh) 一种声音信号质量的检测方法及系统
CN112001326B (zh) 基于振动指纹的高压开关装备故障诊断与预测方法和系统
CN117725402B (zh) 一种基于设备运行音频的设备异常状态确定方法及系统
KR101967637B1 (ko) 증강현실을 활용한 원자력 발전설비 예측진단용 신호데이터 처리장치

Legal Events

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