KR102664564B1 - 장애 복구 시간을 예측할 수 있는 ami 장애 진단 시스템 및 그 방법 - Google Patents
장애 복구 시간을 예측할 수 있는 ami 장애 진단 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR102664564B1 KR102664564B1 KR1020210187744A KR20210187744A KR102664564B1 KR 102664564 B1 KR102664564 B1 KR 102664564B1 KR 1020210187744 A KR1020210187744 A KR 1020210187744A KR 20210187744 A KR20210187744 A KR 20210187744A KR 102664564 B1 KR102664564 B1 KR 102664564B1
- Authority
- KR
- South Korea
- Prior art keywords
- failure
- data
- ami
- type information
- time
- Prior art date
Links
- 238000011084 recovery Methods 0.000 title claims abstract description 51
- 238000003745 diagnosis Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims description 22
- 238000007405 data analysis Methods 0.000 claims abstract description 21
- 238000013480 data collection Methods 0.000 claims abstract description 19
- 238000013500 data storage Methods 0.000 claims abstract description 19
- 238000007726 management method Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 230000001186 cumulative effect Effects 0.000 claims description 19
- 238000002372 labelling Methods 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000009434 installation Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000036578 sleeping time Effects 0.000 description 1
Images
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
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
- G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
- G01R22/10—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods using digital techniques
-
- 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
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C19/00—Electric signal transmission systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Power Engineering (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Selective Calling Equipment (AREA)
Abstract
본 발명의 AMI 장애 진단 시스템은 수용가별 사용량 데이터를 수집하되, 계기정보, 날짜정보, 및 요일정보를 포함하는 사용량 데이터를 수집하는 데이터 수집부; 상기 수집된 사용량 데이터를 저장하되, 미리 설정된 소정의 저장기간 동안 누적 저장하는 데이터 저장부; 상기 데이터 저장부에 저장된 사용량 데이터를 분석하여 계기 및 요일별 장애 유형 정보를 생성하고, 상기 장애 유형 정보를 저장하는 장애 유형 관리부; 상기 데이터 수집부에서 수집된 사용량 데이터를 실시간으로 분석하여, 임의의 제1 계기의 장애 발생 여부를 결정하는 데이터 분석부; 및 상기 데이터 분석부의 분석 결과 상기 제1 계기에 장애가 발생한 것으로 결정된 경우, 상기 장애 유형 관리부로부터 상기 제1 계기의 장애 유형 정보를 도출하고, 상기 도출된 장애 유형 정보로부터 장애 복구 시간을 예측하는 장애 복구 시간 예측부를 포함하는 것을 특징으로 한다. 따라서, 본 발명은 계기별 장애 및 복구 시간을 예측할 수 있도록 함으로써, AMI 시스템을 이용한 서비스를 개선할 수 있는 장점이 있다.
Description
본 발명은 AMI 장애 진단 시스템에 관한 것으로서, 보다 상세하게는, 인공지능을 기반으로 하여 장애 복구 시간을 예측할 수 있는 AMI 장애 진단 시스템 및 그 방법에 관한 것이다.
최근, 전기로 구동하는 모든 시설과 기기를 다양한 통신 네트워크를 통해 연결하는 스마트 그리드(smart grid)(일명, 지능형 전력망) 개념이 등장하였고, 수용가와 공급자인 전력회사 간 양방향 데이터 통신을 구현하기 위해, 상기 스마트 그리드에는 AMI(Advanced Metering Infrastructure) 시스템(일명, 양방향 원격검침 시스템 또는 양방향 검침 인프라 시스템)이 필수적으로 구축되어야 한다.
이 때, AMI 시스템은 유/무선 통신을 이용하여 원격에서 에너지 사용량을 실시간으로 검침하고, 양방향 정보 교환을 통해 에너지 사용량을 효율적으로 관리하는 시스템으로서, 검침된 에너지 사용량을 관리하여 소비성향, 수요분석, 에너지 절감 및 대책 수립 등 효율적인 에너지 활용 서비스를 제공하는 시스템을 말한다.
이러한 AMI 설비는 주로 전력선 통신(PLC: Power Line Communication)을 이용하는데, 상기 PLC는 음영지역 및 부하가변이나 잡음 등의 상황에서 일시적인 통신 장애 발생 비율이 높다.
따라서 종래에는 이러한 원격검침 시스템의 장애를 진단하기 위한 다양한 기술들이 개시되고 있으며, 한국 등록특허 제 10-0882577 호에는, 계기의 검침 데이터를 유무선 네트워크로 이용하여 수집장치로 전달하는 모뎀부를 포함하고, 상기 수집장치, 유선 접속부, 무선 접속부 및 모뎀 연계부로 구성되며, 상기 계기의 검침 데이터의 오류를 진단하는 집중장치를 포함하는 원격검침 구성 요소 관리 및 진단 시스템이 개시되어 있다.
상기 특허에 의하면, 집중장치설치 현장에서 서버와의 연계상태, 데이터 처리상태 및 계기별 통신상태를 즉시 확인하여 시스템 관리 및 운영의 편의성을 증진시킬 수 있으며, 구간별 통신 장애 요소를 파악하고, 계기 설치 및 설정값 오류를 진단함으로써 신속하게 장애를 복구하는 효과가 있다.
하지만, 이와 같은 종래의 기술들은 데이터의 수집 여부에 의해, 장애 여부를 판단할 수 있지만, 확률을 이용한 인공지능(AI) 예측 시스템을 이용할 경우, 현재의 장애 여부를 판단하는 것은 무의미하다. 이는 실시간으로 수집되는 실제 데이터를 이용하여 장애 여부를 판단할 수 있기 때문이다.
즉, 인공지능(AI) 예측 시스템을 이용할 경우, 현재의 장애 여부를 예측하는 기술 보다 실제 데이터를 이용하여 판단된 장애가 복구되는 시간을 예측하는 기술이 더 필요하다. 특히, 일시적인 통신 장애 비율이 높은 시스템에 있어서, 현재 발생된 장애가 복구되는 시간을 예측하는 기술은 서비스 개선을 위해 반드시 필요하다.
그럼에도 불구하고, 종래에는 데이터의 수집 여부에 의해, 장애 여부를 판단할 뿐, 장애 복구 시간을 예측할 수 없는 문제가 있었다.
따라서 본 발명은 AMI 시스템을 이용한 서비스 개선을 위해, 수용가측에 설치된 전자식 전력량계로부터 수집된 사용량 데이터로부터 가공된 DCU 데이터를 분석함으로써, 계기별 장애 및 복구 시간을 예측할 수 있는 AMI 장애 진단 시스템 및 그 방법을 제공하고자 한다.
또한, 본 발명은 소정 기간 동안 수집된 DCU 데이터로부터 계기별 단기 누적 실패 카운터를 계산하고 상기 실패 카운터를 이용하여 검침 성공까지의 남은 시간을 라벨링함으로써, 계기별 복구 시간을 예측할 수 있는 AMI 장애 진단 시스템 및 그 방법을 제공하고자 한다.
또한, 본 발명은 AMI 시스템에 발생한 장애에 대하여 복구 시간을 예측함으로써, 일시적인 장애 여부를 판단할 수 있고, 이로 인해, 불필요한 현장 출동을 줄임으로써, 전문 인력의 시간 낭비를 줄일 수 있는 AMI 장애 진단 시스템 및 그 방법을 제공하고자 한다.
상기 목적을 달성하기 위해, 본 발명에서 제공하는 AMI 장애 진단 시스템은 수용가별 사용량 데이터를 수집하되, 계기정보, 날짜정보, 및 요일정보를 포함하는 사용량 데이터를 수집하는 데이터 수집부; 상기 수집된 사용량 데이터를 저장하되, 미리 설정된 소정의 저장기간 동안 누적 저장하는 데이터 저장부; 상기 데이터 저장부에 저장된 사용량 데이터를 분석하여 계기 및 요일별 장애 유형 정보를 생성하고, 상기 장애 유형 정보를 저장하는 장애 유형 관리부; 상기 데이터 수집부에서 수집된 사용량 데이터를 실시간으로 분석하여, 임의의 제1 계기의 장애 발생 여부를 결정하는 데이터 분석부; 및 상기 데이터 분석부의 분석 결과 상기 제1 계기에 장애가 발생한 것으로 결정된 경우, 상기 장애 유형 관리부로부터 상기 제1 계기의 장애 유형 정보를 도출하고, 상기 도출된 장애 유형 정보로부터 장애 복구 시간을 예측하는 장애 복구 시간 예측부를 포함하는 것을 특징으로 한다.
한편, 상기 목적을 달성하기 위해, 본 발명에서 제공하는 AMI 장애 진단 방법은, 수용가측에 설치된 전자식 전력량계로부터 수집된 사용량 데이터를 분석하여 장애를 진단하는 AMI 장애 진단 시스템을 이용한 AMI 장애 진단 방법에 있어서, 수용가별 사용량 데이터를 수집하되, 계기정보, 날짜정보, 및 요일정보를 포함하는 사용량 데이터를 수집하는 데이터 수집단계; 상기 수집된 사용량 데이터를 저장하되, 미리 설정된 소정의 저장기간 동안 누적 저장하는 데이터 저장단계; 상기 데이터 저장부에 저장된 사용량 데이터를 분석하여 계기 및 요일별 장애 유형 정보를 생성하는 장애 유형 정보 생성단계; 상기 장애 유형 정보를 저장하는 장애 유형 정보 저장단계; 상기 데이터 수집단계에서 수집된 사용량 데이터를 실시간으로 분석하여, 임의의 제1 계기의 장애 발생 여부를 결정하는 데이터 분석단계; 및 상기 데이터 분석단계의 분석 결과 상기 제1 계기에 장애가 발생한 것으로 결정된 경우, 상기 저장된 장애 유형 정보 중 상기 제1 계기의 장애 유형 정보를 도출하고, 상기 도출된 장애 유형 정보로부터 장애 복구 시간을 예측하는 장애 복구 시간 예측단계를 포함하는 것을 특징으로 한다.
상기와 같은, 본 발명의 AMI 장애 진단 시스템 및 그 방법은, 수용가측에 설치된 전자식 전력량계로부터 수집된 사용량 데이터로부터 가공된 DCU 데이터를 분석하여 계기별 장애 및 복구 시간을 예측하되, 소정 기간 동안 수집된 DCU 데이터로부터 계기별 단기 누적 실패 카운터를 계산하고 상기 실패 카운터를 이용하여 검침 성공까지의 남은 시간을 라벨링함으로써, 계기별 장애 및 복구 시간을 예측하고, 이로 인해, AMI 시스템을 이용한 서비스를 개선할 수 있는 장점이 있다.
또한, 본 발명은 이와 같이, AMI 시스템에 발생한 장애에 대하여 복구 시간을 예측함으로써, 일시적인 장애 여부를 판단할 수 있고, 이로 인해, 불필요한 현장 출동을 줄임으로써, 전문 인력의 시간 낭비를 줄일 수 있는 장점이 있다.
도 1은 본 발명의 일 실시 예에 따른 AMI 장애 진단 시스템에 대한 개략적인 블록도이다.
도 2는 본 발명의 일 실시 예에 따른 장애 유형 정보를 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시 예에 따른 AMI 장애 진단 방법에 대한 처리 흐름도이다.
도 2는 본 발명의 일 실시 예에 따른 장애 유형 정보를 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시 예에 따른 AMI 장애 진단 방법에 대한 처리 흐름도이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 설명하되, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 한편 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다. 또한 상세한 설명을 생략하여도 본 기술 분야의 당업자가 쉽게 이해할 수 있는 부분의 설명은 생략하였다.
명세서 및 청구범위 전체에서, 어떤 부분이 어떤 구성 요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
도 1은 본 발명의 일 실시 예에 따른 AMI 장애 진단 시스템에 대한 개략적인 블록도이다. 도 1을 참조하면, 본 발명의 일 실시 예에 따른 AMI 장애 진단 시스템(100)은 데이터 수집부(110), 데이터 저장부(120), 장애유형 관리부(130), AMI 빅데이터(140), 데이터 분석부(150), 장애복구시간 예측부(160), 및 제어부(170)를 포함한다.
데이터 수집부(110)는 수용가별 사용량 데이터를 수집하되, 수용가측에 설치된 전자식 전력량계와 통신망으로 연결되고 원격검침용 슬레이브 모뎀과 마스터 모뎀을 이용하여 상기 사용량 데이터를 수집한 후, 가공 처리하는 데이터집중장치(Data Concentrator Unit, DCU)로부터 가공된 데이터(이하, DCU 데이터라 칭함)를 수집한다. 이 때, 상기 DCU 데이터는 데이터 수신일시, DCU ID, 계기 ID, 상태정보, 수집시간, 및 계기/DCU 시간을 포함할 수 있다.
데이터 저장부(120)는 상기 수집된 사용량 데이터를 저장하되, 미리 설정된 소정의 저장기간 동안 상기 사용량 데이터를 누적 저장한다. 예를 들어, 데이터 저장부(120)는 상기 수집된 사용량 데이터를 3개월 동안 누적 저장하고, 3개월이 초과된 데이터는 오래된 데이터 순으로 삭제할 수 있다.
장애유형 관리부(130)는 데이터 저장부(120)에 저장된 사용량 데이터를 분석하여 계기 및 요일별 장애 유형정보를 생성하고, 상기 장애 유형 정보를 저장한다.
이 때, 상기 장애 유형정보는 미리 설정된 소정의 분석 단위시간(T)(예컨대, 60분) 마다 계기별 장애 상태를 포함하는 정보로서, 상기 계기별 사용량 데이터 값의 유/무에 의거하여 검침 실패 여부를 나타내기 위한 검침 실패 플래그, 상기 검침 실패 플래그의 누적 횟수를 카운트하기 위한 누적 실패 카운터, 및 검침 성공까지 남은 시간을 카운트하기 위해 상기 누적 실패 카운터의 역순으로 설정된 라벨링 데이터를 포함할 수 있다. 이러한 장애 유형정보의 저장 예가 도 2에 예시되어 있다.
도 2는 본 발명의 일 실시 예에 따른 장애 유형 정보를 설명하기 위한 도면으로서, 도 2의 (a)는 상기 장애 유형 정보의 저장 예를 나타내고, 도 2의 (b)는 상기 장애 유형 정보 중 임의의 장애 발생 시점을 기준으로 장애 복구 시간을 예측하기 위해, 소정의 장애 유형 정보(A)가 선택된 예를 나타낸다. 도 2의 (a)를 참조하면, 본 발명의 일 실시 예에 따른 장애 유형 정보(10)는 소정의 단위시간(Time Bin)(예컨대, 60분) 마다 생성되며, 미리 설정된 소정의 저장기간(예컨대, 3개월) 동안 누적 저장된다. 따라서 장애 유형 정보(10)는 계기당 24 * 92 개의 상태정보가 저장될 수 있으며, 검침 실패 플래그(11), 단기 누적 실패수(12), 성능데이터(13), 요일정보(14), 및 라벨링 데이터(15)을 포함할 수 있다.
이 때, 검침 실패 플래그(11)는 해당 계기의 검침 실패 여부를 표시하기 위한 정보로서, 도면의 예에서는, 실패인 경우 '1', 성공인 경우 '0'을 저장한 예를 나타낸다.
단기 누적 실패수(12)는 상기 검침 실패 플래그의 누적 횟수를 카운트하기 위한 정보로서, 검침 실패 플래그가 저장된 이전 단위시간(Time Bin)들의 누적 횟수를 저장한다. 예를 들어, 계기번호 #1인 계기로부터 09:00에 데이터가 수신된 이후, 10:00, 11:00, 12:00, 13:00에 연속적으로 데이터가 수신되지 않았다가, 14:00에 다시 데이터가 수신된 경우, 10:00에 대응된 단기 누적 실패수(12)에는 1, 11:00에 대응된 단기 누적 실패수(12)에는 2, 12:00에 대응된 단기 누적 실패수(12)에는 3, 13:00에 대응된 단기 누적 실패수(12)에는 4가 저장되고, 14:00에 대응된 단기 누적 실패수(12)에는 다시 0이 저장된다.
성능 데이터(13)는 통신 성능을 표시하기 위한 정보로서, 도면의 예에서는, 모뎀(BPS_TX)과 DCU(CPU_USAGE)의 통신 성능을 저장한 예를 나타낸다.
요일정보(14)는 해당 데이터가 수집된 요일을 표시하기 위한 정보로서, 도면의 예에서는, 요일들을 1부터 7까지의 숫자와 매칭시켜 저장한 예를 나타낸다.
라벨링 데이터(15)는 검침 성공까지 잠은 시간을 카운트하기 위해 라벨링된 정보로서, 단기 누적 실패수(12)의 역순으로 설정될 수 있다. 도면의 예에서는, 단기 누적 실패수(12)가 1, 2, 3의 순으로 저장된 경우, 라벨링 데이터(15)가 3, 2, 1의 순으로 저장된 예를 도시하고 있다. 후술될 장애복구시간 예측부(160)는 상기 라벨링 데이터(15)를 이용하여 대응된 계기의 장애복구 시간을 예측할 수 있다.
AMI 빅데이터(140)는, 방대한 양의 데이터를 저장/관리하기 위한 장치로서, 데이터 저장부(120) 및 장애 유형관리부(130)에 저장된 데이터의 양이 방대할 경우, 이를 관리하기 위해 데이터 저장부(120) 및 장애 유형관리부(130)와 연동되도록 구현될 수 있다.
데이터 분석부(150) 데이터 수집부(110)에서 수집된 사용량 데이터를 분석한다. 즉, 데이터 분석부(150)는 상기 사용량 데이터를 실시간으로 분석하여, 대응된 계기의 장애 발생 여부를 결정한다. 이 때, 데이터 분석부(150)는 계기의 장애 발생 여부를 결정하기 위해, 공지된 다양한 방법을 이용할 수 있다. 예를 들어, 데이터 분석부(150)는 상기 사용량 데이터의 수신 여부 또는 수신된 사용량 데이터의 변동폭 등을 이용하되, 미리 설정된 소정의 감시 시간 동안 상기 사용량 데이터가 수신되지 않거나, 상기 수신된 사용량 데이터의 변동폭이, 기 산출된 평균 변동값을 미리 설정된 임계치 이상 초과하는 경우 장애가 발생한 것으로 판단할 수 있을 것이다.
장애복구시간 예측부(160)는 데이터 분석부(150)에서 감지된 장애에 대하여, 복구 시간을 예측한다. 즉, 장애복구시간 예측부(160)는 데이터 분석부(150)의 분석 결과 임의의 제1 계기에 장애가 발생한 것으로 결정된 경우, 장애 유형 관리부(130)로부터 상기 제1 계기의 장애 유형 정보를 도출하고, 상기 도출된 장애 유형 정보로부터 장애 복구 시간을 예측한다.
이를 위해, 장애 복구 시간 예측부(160)는 상기 장애 발생 시점으로부터 소정 개 또는 소정 기간 동안의 계기별 장애 상태를 포함하는 장애 유형정보를 추출하고, 상기 추출된 장애 유형정보에 포함된 라벨링 데이터를 분석하여, 장애 발생이 결정된 시점으로부터 장애 복구 시간을 예측할 수 있다.
예를 들어, 장애복구시간 예측부(160)는, 도 2에 예시된 바와 같은 장애 유형 정보로부터, 특정 장애의 복구 시간을 예측하되, 라벨링 데이터(15)에 저장된 값을 이용하여 상기 복구 시간을 예측할 수 있다. 즉, 장애복구시간 예측부(160)는 상기 단위 시간(Time Bin)과 상기 라벨링 데이터의 곱에 의해, 장애 복구 시간을 예측할 수 있다. 도 2에 예시된 바와 같이, 상기 단위 시간(Time Bin)이 60분이고, 상기 라벨링 데이터가 3인 경우, 장애 복구 시간은 180분으로 예측할 수 있다.
제어부(170)는 미리 설정된 제어 알고리즘에 의거하여, AMI 장애 진단 시스템(100)의 전반적인 동작을 제어한다. 즉, 제어부(170)는 데이터 수집부(110)로부터 수집된 사용량 데이터를 데이터 저장부(120)에 저장하고, 데이터 분석부(150) 및 장애 복구 시간 예측부(160)를 제어하여, 상기 사용량 데이터를 이용한 장애 여부를 판단하고, 장애 복구 시간을 예측할 수 있다.
도 3은 본 발명의 일 실시 예에 따른 AMI 장애 진단 방법에 대한 처리 흐름도로서, 도 1에 예시된 AMI 장애 진단 시스템(100)를 이용한 AMI 장애 진단 방법에 대한 처리 과정을 예시하고 있다.
도 1 및 도 3을 참조하면, 본 발명의 일 실시 예에 따른 AMI 장애 진단 방법은 다음과 같다.
먼저, 단계 S110에서는, 데이터 수집부(110)가 수용가별 사용량 데이터를 수집한다. 이 때, 수집된 사용량 데이터는, 전술한 바와 같이, DCU에서 수집한 후 가공된 DCU 데이터로서, 계기정보, 날짜정보, 및 요일정보를 포함할 수 있다.
단계 S120에서는, 데이터 저장부(120)가 상기 수집된 데이터(즉, DCU 데이터)를 저장하되, 미리 설정된 소정의 저장 기간(예컨대, 3개월) 동안 누적 저장할 수 있다. 특히, 단계 S120에서, 데이터 수집부(110)로부터 데이터를 전달받은 데이터 저장부(120)는, 그 데이터의 양에 따라(즉, 데이터의 양이 방대한 경우) 상기 데이터를 AMI 빅데이터(140)에 저장하여 관리되도록 할 수 있다.
단계 S130 및 단계 S140에서는, 장애 유형 관리부(130)가 데이터 저장부(120)에 저장된 사용량 데이터를 분석하여 계기 및 요일별 장애 유형 정보를 생성하여 저장한다. 이를 위해, 장애 유형 관리부(130)는 미리 설정된 소정의 분석 단위시간(T) 마다 계기별 장애 상태를 포함하는 장애 유형 정보를 생성하되, 도 2에 예시된 바과 같은 형태의 장애 유형 정보를 생성하고, 상기 장애 유형 정보를 AMI 빅 데이터(140)에 저장할 수 있다. 이 때, 상기 장애 유형 정보는 도 2를 참조한 설명에서 언급한 바와 같으므로 중복 설명하지 않는다.
단계 S150에서는, 데이터 분석부(150)가 상기 단계 S110에서 수집된 사용량 데이터를 실시간으로 분석하여, 임의의 제1 계기의 장애 발생 여부를 결정한다. 이 때, 데이터 분석부(150)는 공지된 다양한 방법에 의거하여, 상기 장애 발생 여부를 결정할 수 있다.
단계 S160에서는, 장애복구시간 예측부(160)가, 상기 단계 S150의 분석 결과 상기 제1 계기에 장애가 발생한 것으로 결정된 경우, 상기 저장된 장애 유형 정보 중 상기 제1 계기의 장애 유형 정보를 도출하고, 상기 도출된 장애 유형 정보로부터 장애 복구 시간을 예측한다. 이를 위해, 단계 S160에서는, 상기 장애 발생 시점(즉, 상기 제1 계기에 장애가 발생한 것으로 판단된 시점)으로부터 소정 개 또는 소정 기간 동안의 계기별 장애 상태를 포함하는 장애 유형정보를 추출하고, 상기 추출된 장애 유형정보에 포함된 라벨링 데이터를 분석하여, 상기 장애 발생이 결정된 시점으로부터 장애 복구 시간을 예측할 수 있다.
이 때, 상기 각 단계를 수행하기 위한, 장치들의 보다 구체적인 처리 과정에 대하여는, 도 1 및 도 2를 참조한 설명에서 언급된 바와 같으므로, 중복 설명은 생략한다.
상기한 바와 같이, 본 발명은 수용가측에 설치된 전자식 전력량계로부터 수집된 사용량 데이터로부터 가공된 DCU 데이터를 분석하여 계기별 장애 및 복구 시간을 예측하되, 소정 기간 동안 수집된 DCU 데이터로부터 계기별 단기 누적 실패 카운터를 계산하고 상기 실패 카운터를 이용하여 검침 성공까지의 남은 시간을 라벨링함으로써, 계기별 장애 및 복구 시간을 예측하고, 이로 인해, AMI 시스템을 이용한 서비스를 개선할 수 있는 특징이 있다.
또한, 본 발명은 이와 같이, AMI 시스템에 발생한 장애에 대하여 복구 시간을 예측함으로써, 일시적인 장애 여부를 판단할 수 있고, 이로 인해, 불필요한 현장 출동을 줄임으로써, 전문 인력의 시간 낭비를 줄일 수 있는 특징이 있다.
이상에서는 본 발명의 실시 예를 설명하였으나, 본 발명의 권리범위는 이에 한정되지 아니하며 본 발명이 실시 예로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 용이하게 변경되어 균등한 것으로 인정되는 범위의 모든 변경 및 수정을 포함한다.
100: AMI 장애 진단 시스템 110: 데이터 수집부
120: 데이터 저장부 130: 장애유형 관리부
140: AMI 빅데이터 150: 데이터 분석부
160: 장애복구시간 예측부 170: 제어부
120: 데이터 저장부 130: 장애유형 관리부
140: AMI 빅데이터 150: 데이터 분석부
160: 장애복구시간 예측부 170: 제어부
Claims (6)
- AMI 장애 진단 시스템에 있어서,
수용가별로 사용량 데이터를 수집하되, 수용가측에 설치된 계기와 통신망으로 연결되어 상기 계기로부터 계기정보, 날짜정보, 및 요일정보를 포함하는 사용량 데이터를 수집하는 데이터 수집부;
상기 수집된 사용량 데이터를 저장하되, 미리 설정된 소정의 저장기간 동안 누적 저장하는 데이터 저장부;
미리 설정된 소정의 분석 단위시간(T) 마다 상기 데이터 저장부에 저장된 사용량 데이터를 분석하여 계기별 장애 유형 정보를 생성하되, 수집된 상기 사용량 데이터에 데이터값이 포함되었는지의 여부에 의거하여 검침 실패여부를 나타내기 위한 검침 실패 플래그, 상기 검침 실패 플래그의 누적 횟수를 카운트하기 위한 누적 실패 카운터, 및 검침 성공까지 남은 시간을 카운트하기 위해 상기 누적 실패 카운터의 역순으로 설정된 라벨링 데이터를 포함하는 장애 유형정보를 생성하여 저장하는 장애 유형 관리부;
상기 데이터 수집부에서 수집된 사용량 데이터를 실시간으로 분석하여, 임의의 제1 계기의 장애 발생 여부를 결정하는 데이터 분석부; 및
상기 데이터 분석부의 분석 결과 상기 제1 계기에 장애가 발생한 것으로 결정된 경우, 상기 장애 유형 관리부로부터 상기 제1 계기의 장애 유형 정보를 도출하고, 상기 도출된 장애 유형 정보로부터 장애 복구 시간을 예측하되, 상기 라벨링 데이터와 상기 단위시간의 곱으로 장애 복구 시간을 예측하는 장애 복구 시간 예측부를 포함하는 것을 특징으로 하는 AMI 장애 진단 시스템. - 삭제
- 제1항에 있어서, 상기 장애 복구 시간 예측부는
상기 장애 발생 시점으로부터 소정 개 또는 소정 기간 동안의 계기별 장애 상태를 포함하는 장애 유형정보를 추출하고, 상기 추출된 장애 유형정보에 포함된 라벨링 데이터를 분석하여, 상기 장애 발생이 결정된 시점으로부터 장애 복구 시간을 예측하는 것을 특징으로 하는 AMI 장애 진단 시스템. - 수용가측에 설치된 계기와 통신망으로 연결되어 상기 계기로부터 수집된 사용량 데이터를 분석하여 장애를 진단하는 AMI 장애 진단 시스템을 이용한 AMI 장애 진단 방법에 있어서,
상기 AMI 장애 진단 시스템이, 수용가별로 사용량 데이터를 수집하되, 계기정보, 날짜정보, 및 요일정보를 포함하는 사용량 데이터를 수집하는 데이터 수집단계;
상기 AMI 장애 진단 시스템이, 상기 수집된 사용량 데이터를 저장하되, 미리 설정된 소정의 저장기간 동안 누적 저장하는 데이터 저장단계;
상기 AMI 장애 진단 시스템이, 미리 설정된 소정의 분석 단위시간(T) 마다 상기 저장된 사용량 데이터를 분석하여 계기별 장애 유형 정보를 생성하되, 수집된 상기 사용량 데이터에 데이터값이 포함되었는지의 여부에 의거하여 검침 실패여부를 나타내기 위한 검침 실패 플래그, 상기 검침 실패 플래그의 누적 횟수를 카운트하기 위한 누적 실패 카운터, 및 검침 성공까지 남은 시간을 카운트하기 위해 상기 누적 실패 카운터의 역순으로 설정된 라벨링 데이터를 포함하는 장애 유형정보를 생성하는 장애 유형 정보 생성단계;
상기 AMI 장애 진단 시스템이, 상기 장애 유형 정보를 저장하는 장애 유형 정보 저장단계;
상기 AMI 장애 진단 시스템이, 상기 데이터 수집단계에서 수집된 사용량 데이터를 실시간으로 분석하여, 임의의 제1 계기의 장애 발생 여부를 결정하는 데이터 분석단계; 및
상기 AMI 장애 진단 시스템이, 상기 데이터 분석단계의 분석 결과 상기 제1 계기에 장애가 발생한 것으로 결정된 경우, 상기 저장된 장애 유형 정보 중 상기 제1 계기의 장애 유형 정보를 도출하고, 상기 도출된 장애 유형 정보로부터 장애 복구 시간을 예측하되, 상기 라벨링 데이터와 상기 단위시간의 곱으로 장애 복구 시간을 예측하는 장애 복구 시간 예측단계를 포함하는 것을 특징으로 하는 AMI 장애 진단 방법. - 삭제
- 제4항에 있어서, 상기 장애 복구 시간 예측단계는
상기 장애 발생 시점으로부터 소정 개 또는 소정 기간 동안의 계기별 장애 상태를 포함하는 장애 유형정보를 추출하고, 상기 추출된 장애 유형정보에 포함된 라벨링 데이터를 분석하여, 상기 장애 발생이 결정된 시점으로부터 장애 복구 시간을 예측하는 것을 특징으로 하는 AMI 장애 진단 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210187744A KR102664564B1 (ko) | 2021-12-24 | 2021-12-24 | 장애 복구 시간을 예측할 수 있는 ami 장애 진단 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210187744A KR102664564B1 (ko) | 2021-12-24 | 2021-12-24 | 장애 복구 시간을 예측할 수 있는 ami 장애 진단 시스템 및 그 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230097856A KR20230097856A (ko) | 2023-07-03 |
| KR102664564B1 true KR102664564B1 (ko) | 2024-05-09 |
Family
ID=87157429
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210187744A KR102664564B1 (ko) | 2021-12-24 | 2021-12-24 | 장애 복구 시간을 예측할 수 있는 ami 장애 진단 시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102664564B1 (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002252699A (ja) * | 2001-02-26 | 2002-09-06 | Ntt Comware Corp | 故障回復見込み時刻算出システムならびにその方法、及び同方法のプログラムを記録した記録媒体 |
| KR100989712B1 (ko) | 2010-08-05 | 2010-10-26 | 주식회사 하이텍이피씨 | 원격검침단말기의 통신실패복구방법 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100882577B1 (ko) | 2006-12-18 | 2009-02-12 | 한전케이디엔주식회사 | 원격검침 구성요소 관리 및 진단시스템 |
| KR101916926B1 (ko) * | 2017-03-10 | 2018-11-12 | 광주과학기술원 | 비정상 정보 검출 기술을 적용한 스마트 미터 시스템 및 검출 방법 |
-
2021
- 2021-12-24 KR KR1020210187744A patent/KR102664564B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002252699A (ja) * | 2001-02-26 | 2002-09-06 | Ntt Comware Corp | 故障回復見込み時刻算出システムならびにその方法、及び同方法のプログラムを記録した記録媒体 |
| KR100989712B1 (ko) | 2010-08-05 | 2010-10-26 | 주식회사 하이텍이피씨 | 원격검침단말기의 통신실패복구방법 |
Non-Patent Citations (2)
| Title |
|---|
| 김영일 등., ‘AMI 통신망 실시간 감시 및 고장분석 기술 연구(최종보고서)’ (2017.07.31.)* |
| 김현옥 등., ‘빅데이터 기반 AMI 장애진단 시스템의 설계’, 대한전기학회 CICS´ 20 정보 및 제어 학술대회, 2020.10.30., pp407-408 (2020.10.30.)* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230097856A (ko) | 2023-07-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200151581A1 (en) | Outage prevention in an electric power distribution grid using smart meter messaging | |
| CN110212645B (zh) | 一种用电信息采集终端停电事件上报方法及装置 | |
| CN102063651A (zh) | 一种基于在线采集数据的城市电网风险评估系统 | |
| CN102436226A (zh) | 在线监测及状态检修管理系统 | |
| CN109948877B (zh) | 一种基于异常事件组合的用电异常精准分析方法 | |
| CN113189437B (zh) | 一种台区停、上电故障区域的检测方法 | |
| CN114399148A (zh) | 一种基于大数据计算分析的设备维修调度系统 | |
| CN112763846A (zh) | 基于多数据源信息融合的配电线路智能停电判断方法 | |
| Zabasta et al. | Automatic wireless meters reading for water distribution network in Talsi city | |
| KR102664564B1 (ko) | 장애 복구 시간을 예측할 수 있는 ami 장애 진단 시스템 및 그 방법 | |
| CN106529842A (zh) | 电网中的调控操作量化评估系统及方法 | |
| CN108988484B (zh) | 基于计量自动化系统的馈线及重要客户停电监测方法 | |
| CN116468243A (zh) | 一种基于监控运行数据的电网趋势预警方法 | |
| CN115526738A (zh) | 一种电力数据采集处理系统、方法、电子设备及存储介质 | |
| CN206132904U (zh) | 新型10kv线路的智慧故障指示系统 | |
| CN105302476A (zh) | 一种用于核电站设备的可靠性数据在线采集分析存储系统及其存储方法 | |
| CN101751537B (zh) | 一种射频识别应用系统中标签事件的处理方法及装置 | |
| KR102291365B1 (ko) | 태양광 발전 장치의 이력데이터 수집 장치 및 그 방법 | |
| CN110321527B (zh) | 一种基于多元基础信息融合的数据有效性判别方法 | |
| CN114064622A (zh) | 基于大数据的停电研判处理方法及系统 | |
| CN113406374A (zh) | 一种配电网防窃电监测系统及其监测方法 | |
| Dai et al. | Reliability analysis of the protection system in smart substations | |
| CN112444687A (zh) | 一种有效停电事件的研判方法和装置 | |
| CN115276005B (zh) | 一种停电事件主动上报分析方法和系统 | |
| CN103023719A (zh) | 一种基于贝叶斯网络的专变采集终端故障诊断方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |