KR102671288B1 - 데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 적용한 지능형 수배전반 - Google Patents

데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 적용한 지능형 수배전반 Download PDF

Info

Publication number
KR102671288B1
KR102671288B1 KR1020230036940A KR20230036940A KR102671288B1 KR 102671288 B1 KR102671288 B1 KR 102671288B1 KR 1020230036940 A KR1020230036940 A KR 1020230036940A KR 20230036940 A KR20230036940 A KR 20230036940A KR 102671288 B1 KR102671288 B1 KR 102671288B1
Authority
KR
South Korea
Prior art keywords
sensors
event
sensor
detected
information management
Prior art date
Application number
KR1020230036940A
Other languages
English (en)
Inventor
임혜경
Original Assignee
임혜경
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 임혜경 filed Critical 임혜경
Priority to KR1020230036940A priority Critical patent/KR102671288B1/ko
Priority to KR1020240062327A priority patent/KR102710689B1/ko
Priority to KR1020240062332A priority patent/KR102710655B1/ko
Priority to KR1020240062329A priority patent/KR102676251B1/ko
Application granted granted Critical
Publication of KR102671288B1 publication Critical patent/KR102671288B1/ko

Links

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
    • G06Q50/10—Services
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02B—BOARDS, SUBSTATIONS OR SWITCHING ARRANGEMENTS FOR THE SUPPLY OR DISTRIBUTION OF ELECTRIC POWER
    • H02B13/00—Arrangement of switchgear in which switches are enclosed in, or structurally associated with, a casing, e.g. cubicle
    • H02B13/02—Arrangement of switchgear in which switches are enclosed in, or structurally associated with, a casing, e.g. cubicle with metal casing
    • H02B13/025—Safety arrangements, e.g. in case of excessive pressure or fire due to electrical defect
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Primary Health Care (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Medical Informatics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Alarm Systems (AREA)

Abstract

지능형 수배전반은 상황 인식 정보 관리부, 및 복수의 센서들,을 포함하되, 상황 인식 정보 관리부는, 복수의 센서들로부터 전기적 측정 신호를 수신하는 통신부, 통신부를 통해 제공받은 전기적 측정 신호를 저장하는 저장부, 및 저장부에 저장된 전기적 측정 신호를 이용하여 복수의 센서들 주변 영역의 상황을 분석하는 제어부를 포함하되, 복수의 센서들은 적어도 2종류의 센서들을 포함하고, 제어부는, 복수의 센서들 중 제1 센서들에서 이벤트가 감지되고 제1 센서들과 다른 제2 센서들에서 이벤트가 감지되지 않은 경우, 제1 센서들에 대한 이벤트 신호를 생성하고, 제2 센서들로부터 전기적 측정 신호를 다시 수신하여 나머지 센서들에서 이벤트가 감지되는지 재탐색하도록 구성되고, 제1 센서들 및 제2 센서들에서 이벤트가 감지되었는지는 아래의 수식에 기초하여 결정된다.

(TS: 시간대, S:센서가 감지하는 이벤트)

Description

데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 적용한 지능형 수배전반{INTELLIGENT SWITCHGEAR APPLIED WITH SITUATIONAL RECOGNITION SYSTEM BASED ON DATA STREAM EVENT ANALYSIS}
본 발명은 지능적으로 인식하는 배전반 위기 상황 인식 시스템에 관한 것으로, 좀 더 상세하게는 센서 장치로부터 수신한 데이터 스트림을 분석하여 센서 주변의 비정상적인 상황변화와 위험 상황을 추론하는 상황 인식 정보 관리 시스템을 적용한 지능형 수배전반에 관한 것이다.
네트워크의 발달 및 센서 기술의 발달로 사물 인터넷(IoT, Internet of Things)이 보편화되어 다양한 장치로부터 정보를 수집할 수 있게 되었고, 이들 장치를 이용하여 다양한 종류의 정보를 수집할 수 있게 되었다. 그러나, 사물 인터넷(IoT, Internet of Things)을 통해 수집한 데이터들로부터 필요한 정보를 추출하고, 활용하는 기술은 아직 부족한 실정이다.
사물인터넷(Internet Of Things, IoT)은 지능화 시스템의 핵심 인프라이며, 이를 위해 다양한 종류의 센서가 아주 많이 사용된다. 센서들은 실제로 일어나는 다양한 현상을 감지할 수 있다. 센서들은 감지 결과를 호스트 서버로 송신할 수 있다. 사물인터넷(Internet Of Things, IoT)을 구성하는 센서의 종류는 다양하고, 끊임없이 데이터를 전송하기 때문에 누적되는 데이터의 양이 굉장히 많다. 따라서, 데이터에서 의미있는 상황 정보를 추출하기 어려운 실정이다.
센서 장치의 발달로 다양한 상황에 대해 감지할 수 있고, 데이터를 수집할 수 있다. 또한, 발달된 컴퓨팅 기술 및 네트워킹 기술은 수집한 데이터를 이용하는 지능형 서비스를 제공할 수 있다. 사용자의 행동, 주변 상황정보를 분석하는 상황 인지(context awareness) 기술은 다양한 분야에서 적용될 수 있다.
사물인터넷과 인공지능 기술은 전기설비 분야에서도 활발하게 도입되고 있다. 그러나, 기존에 도입된 방법은 적은 수의 센서에 대한 정보만을 제공하여, 상황에 대한 인식율이 떨어지는 문제가 있었다.
기존의 시스템의 수배전반은 동시에 요청하는 서비스의 수가 증가함에 따라 API 호출 횟수도 증가하게 된다. 증가한 API의 호출만큼 상황 정보 추론 알고리즘도 수행해야만 한다. 따라서, 기존의 시스템의 수배전반은 상황 정보 추론 알고리즘을 수행하기 위해 연산량이 급격히 증가하는 문제가 있다.
본 발명은 상술한 과제를 해결하기 위한 것으로서, 본 발명의 목적은 센서를 이용하여 데이터를 수집하고, 차단기, 계전기, 전기기기 및 전선로와 같은 수배전반 내부의 설비의 상태를 감지하고, 감지 결과를 통해 수배전반 내부의 상황을 인식할 수 있는 데이터 스트림 이벤트 분석을 이용하는 상황 인식 시스템을 적용한 지능형 수배전반 제공하는데 있다.
또한 본 발명의 목적은 다음과 같다. 1) 배전반 내부에서 발생하는 이상 현상을감지한다. 2) 배전반 내부에 장치한 설비의 노후와 이상 상태를 감지한다. 3) 배전반이 설치된 건물 및 지면의 이상을 감지한다. 4) 1)~3) 항에 포함되는 각종 비정상 상태 및 상황변화에 대한 신속한 감지를 위한 센서 데이터를 획득하고, 이질적인 센서 데이터 융합을 통해 정보고도화를 하고, 시간의 흐름에 따라 지속적으로 유입되는 데이터 스트림 처리를 통한 실시간 인식 방법의 새로운 고안을 한다.
인식하고자 하는 대상과 사용하는 센서의 활용은 다음과 같다. 배전반 내부의 설비(차단기, 계전기, 전선로) 상태 인식한다. 구체적으로, 차단기와 전선로에서의 비정상적인 상황(이벤트 : 플레어, 누설전류)을 감지한다. 이를 위해, 플레어, 열 감지 적외선 센서가 활용된다. 또한, 배전반 내부의 전반적 환경 상태를 인식한다. 구체적으로, 배전반 내부의 온도상승, CO 발생을 감지한다. 이를 위해, 열, 진동, 소음 센서가 활용된다. 또한, 배전반 외부의 화재, 지진 발생을 인식한다. 이를 위해, 진동, 화재 감지 센서가 활용된다.
일 측면에 있어서, 상황 인식 정보 관리부; 및 복수의 센서들;을 포함하되, 상기 상황 인식 정보 관리부는, 복수의 센서들로부터 전기적 측정 신호를 수신하는 통신부, 상기 통신부를 통해 제공받은 전기적 측정 신호를 저장하는 저장부, 및 상기 저장부에 저장된 전기적 측정 신호를 이용하여 상기 복수의 센서들 주변 영역의 상황을 분석하는 제어부를 포함하되, 상기 복수의 센서들은 적어도 2종류의 센서들을 포함하고, 상기 제어부는, 상기 복수의 센서들 중 제1 센서들에서 이벤트가 감지되고 상기 제1 센서들과 다른 제2 센서들에서 이벤트가 감지되지 않은 경우, 상기 제1 센서들에 대한 이벤트 신호를 생성하고, 상기 제2 센서들로부터 전기적 측정 신호를 다시 수신하여 나머지 센서들에서 이벤트가 감지되는지 재탐색하도록 구성되고, 상기 제1 센서들 및 상기 제2 센서들에서 이벤트가 감지되었는지는 아래의 수식에 기초하여 결정되는 지능형 수배전반이 제공될 수 있다.
(TS: 시간대, S:센서가 감지하는 이벤트)
상기 제어부는, 상기 재탐색을 통해 상기 나머지 센서들이 이벤트를 감지하지 않는 것으로 판단한 경우, 상기 제1 센서들이 감지하는 시간에 따른 이벤트 변화 양상을 관찰하도록 구성되고, 상기 제1 센서들이 감지하는 시간에 따른 이벤트 변화 양상은 아래의 수식에 기초하여 관찰될 수 있다.
상기 제어부는, 상기 제1 센서들이 감지하는 이벤트가 감소되는 것으로 판단하는 경우 상기 제1 센서들의 이벤트를 접수하지 않고, 상기 제1 센서들이 감지하는 이벤트가 증가하는 것으로 판단하는 경우 상기 제2 센서들 중 이벤트를 감지하는 제3 센서들의 존재를 확인하며, 상기 제3 센서들에 대한 이벤트 신호를 생성하도록 구성되고, 상기 제1 센서들이 감지하는 이벤트는 일 때 증가하는 것으로 판단되고, 상기 제2 센서들 중 이벤트를 감지하는 상기 제3 센서들의 존재는 아래의 식에 의해 확인될 수 있다.
상기 제어부는, 상기 제3 센서들 중 이벤트 감지를 중단하는 제4 센서들의 존재를 확인하고, 상기 제4 센서들이 다시 이벤트를 감지하는지 확인하되, 상기 제4 센서들이 다시 이벤트를 감지하지 않는 경우 제4 센서들에 대한 이벤트 신호 생성을 종료하도록 구성되고, 상기 제3 센서들 중 이벤트 감지를 중단하는 상기 제4 센서들의 존재는 아래의 식으로 확인될 수 있다.
상기 제어부는, 상기 제1 센서들 및 상기 제3 센서들의 이벤트 신호 값들의 합에 가중치를 곱한 값들을 측정 횟수로 나눈 결과, 각 센서별 최대 이벤트 신호 값, 및 이벤트 발생 횟수에 기초하여 발생한 이벤트의 위험도를 판단하도록 구성될 수 있다.
상기 제어부는 이면 위험도는 5로 판단하고, 이면 위험도는 4로 판단하고, 이면 위험도는 3으로 판단하고, 이면 위험도는 2로 판단하고, 이면 위험도는 1로 판단하도록 구성될 수 있다.
본 발명의 지능형 수배전반을 통하여 산업안전, 전기안전에 기여할 수 있다. 해마다 900명 이상 발생하는 산업재해 사망자의 절반에 이르는 전기안전 희생자를 줄일 수 있을 것으로 기대된다.
본 발명의 지능형 수배전반의 핵심 기능은 배전반에 대한 자가 진단, 비상 상황 신속한 인식이다. 지능적인 비정상 상태를 인식하는 기능은 '적절한 센서 선정', '센서 부착/배치', '이질적인 다중 센서 데이터 융합', '연속적인 센서 데이터에 대한 실시간 처리'로 정리할 수 있다.
본 발명의 세부 기능인 '데이터 융합'과 '실시간 데이터 스트림 이벤트 분석' 기반 상황 인식 시스템에 의하면, 실시간 데이터 스트림 분석 및 인공지능 기반 상황 인식 기술을 통해 수배전반의 지능화를 구현하고, 구현된 지능화를 통해 전기 설비의 피로도 파악, 오작동 여부 및 비정상적 전기 흐름을 인식하고, 수배전반의 내부 및 외부의 상황을 감지하여 전기 설비의 안전성을 확보할 수 있다.
또한 본 발명의 세부 기능인 '데이터 융합'과 '실시간 데이터 스트림 분석'을 통하여 배전반이 비정상 상태로 돌입한 것이나 다양한 문제에 대하여 신속하게 감지할 수 있다. 배전반 내부에서 발생하는 문제, 배전반이 설치된 환경의 급격한 변화를 감지할 수 있어 전기 설비 상 문제가 발생하여 야기되는 화재, 혼촉, 감전으로 인한 인축의 피해를 예방하는데 기여할 수 있다.
도 1은 본 발명의 실시 예에 따른 데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 예시적으로 보여주는 구성도이다.
도 2는 도 1에 도시된 데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 적용한 수배전반을 예시적으로 설명하기 위한 블록도이다.
도 3은 도 2에 도시된 제1 사용자 장치를 예시적으로 보여주는 블록도이다.
도 4는 도 1에 도시된 상황 인식 정보 관리부를 예시적으로 설명하기 위한 블록도이다.
도 5는 도 4에 도시된 상황 인식 정보 관리부의 동작 방법을 예시적으로 설명하기 위한 순서도이다.
도 6은 도 5에 도시된 상황 인식 정보 관리부의 동작 방법 중 빅데이터 학습 방법을 예시적으로 설명하기 위한 순서도이다.
도 7은 도 5에 도시된 상황 인식 정보 관리부의 동작 방법 중 상황 인식 방법을 예시적으로 설명하기 위한 순서도이다.
도 8은 도 5에 도시된 상황 인식 정보 관리부의 동작 방법 중 데이터 삭제 방법을 예시적으로 설명하기 위한 순서도이다.
도 9는 상황 인식 정보 관리부의 동작 방법 중 화재 발생 통지 방법을 예시적으로 설명하기 위한 순서도이다.
도 10은 도 9에 도시된 화재 발생 통지 방법 중 플레어 발생을 감지하는 방법을 예시적으로 설명하기 위한 순서도이다.
도 11은 상황 인식 정보 관리부의 동작 방법 중 지진 발생 통지 방법을 예시적으로 설명하기 위한 순서도이다.
도 12는 상황 인식 정보 관리부의 동작 방법을 예시적으로 설명하기 위한 순서도이다.
이하에서, 본 발명의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있을 정도로, 본 발명의 실시 예들이 명확하고 상세하게 기재될 것이다.
본 발명은 사물인터넷과 인공지능 기술을 배전반에 적용한 것으로, 배전반 내부 위치하여 있는 각종 차단기와 전선로, 계전기의 비정상적인 작동(이벤트 발생)을 감지하고 이러한 각각의 이벤트들의 가중치와 누적을 산출하여 배전반 내부 상황과 배전반 내부에 포함되어있는 각종 차단기와 전기 선로 및 계전기의 상태를 인식한다.
일 실시예에서, 본 발명은 장착하는 센서의 종류를 다양하게 하여 배전반 외부에서 발생하는 지진, 화재 등의 자연재해뿐 아니라 시설물의 재난 상황에 대해서 인식한다. 이를 위하여 상황인식 고급화를 위한 데이터 융합, 상황인식의 신속성을 보장하기 위하여 실시간 데이터 스트림 분석 방안이 고안된다. 여기서 데이터 융합이라 함은 서로 종류가 다른 이질적인 센서가 감지하여 보고한 데이터를 대상으로 하는데 물리적 계량 단위가 다른 데이터를 산출 가능한 형태로 변환한 후, 의미 중심으로 처리하여 더 나은 정보를 획득하는 방법을 말한다. 데이터 스트림이라 함은 시간의 흐름에 따라 각 센서가 감지하여 보고하는 센서 값이 연속적인 형태를 가질 때 이를 칭하는 용어이다. 데이터 융합은 서로 물리적 단위가 다른 데이터를 대상으로 하며 융합의 결과 정보의 질을 상당히 향상시키는 결과를 얻는다. 데이터 스트림 분석은 지속적으로 유입되는 형태를 지니기 때문에 기존의 저장 후 분석하는 방법을 적용시키기 어려우며 일정한 시간 간격을 정하여 각 시간 간격별로 분석하고 그 결과를 획득하는 방안을 사용한다.
도 1은 본 발명의 실시예에 따른 데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 예시적으로 보여주는 구성도이다. 도 1을 참조하면, 데이터 스트림 이벤트 분석 기반 상황 인식 시스템(10)은 지능형 수배전반(1000), 네트워크 시스템(1200), 및 제1 및 제2 사용자 장치(1300, 1400)를 포함할 수 있다.
지능형 수배전반(1000)은 센서 장치(1100) 및 상황 인식 정보 관리부(2000)를 포함할 수 있다. 지능형 수배전반(1000)은 적어도 하나 이상의 센서 장치(1100)로부터 데이터를 수집할 수 있다. 지능형 수배전반(1000)은 수집된 데이터를 시계열로 나누어 데이터 스트림을 생성할 수 있다. 센서 장치를 이용하는 지능형 수배전반(1000)은 적어도 하나 이상의 센서 장치(1100)가 특정한 값을 감지하고, 감지된 특정한 값에 따라 이벤트가 발생 여부를 판단할 수 있다.
센서 장치(1100)는 전원이 인가되어 있는 동안 계속해서 특정 지점의 상태를 측정 및 감지할 수 있다. 센서 장치(1100)는 다양한 장소에 설치될 수 있다. 센서 장치(1100)는 사람의 시선이 닿지 않는 좁은 공간이나 외진 곳에 설치되어 해당 공간 또는 특정 장치의 상태를 감지할 수 있다.
센서 장치(1100)는 습도 센서(1110), 온도 센서(1120), 일산화탄소 센서(1130), 이산화탄소 센서(1140), 진동 센서(1150), 적외선 센서(1160), 음향 센서(1170), 광 센서(1180), 비접촉 온도 센서(1120) 그리고 사물 인터넷 센서(11N0)를 포함할 수 있다. 센서 장치(1100)는 습도, 온도, 일산화탄소, 이산화탄소, 진동, 적외선, 음향, 빛, 또는 특정 지점의 온도를 측정할 수 있다. 또한, 필요에 따라 다른 종류의 사물 인터넷 센서(110N)를 이용하여 특정 상황을 감지할 수 있다. 센서 장치(1100)는 측정한 감지 결과를 전기적 측정 신호로 전환할 수 있다. 센서 장치(1100)는 전기적 측정 신호를 상황 인식 정보 관리부(2000)에 제공할 수 있다.
네트워크 시스템(1200)은 원거리 떨어진 장치 간의 접속이나 데이터 통신 서비스를 제공할 수 있다. 네트워크 시스템(1200)은 제1 및 제2 사용자 장치(1300, 1400) 및 상황 인식 정보 관리부(2000)와 연결되어 데이터를 전달하는 서비스를 제공할 수 있다.
사용자는 제1 및 제2 사용자 장치(1300, 1400)를 이용하여 상황 인식 정보 관리부(2000)에 접속할 수 있다. 여기에서, 제1 사용자 장치(1300)는 스마트 폰이나 테블릿 PC 등과 같은 앱(APP) 기반 장치이고, 제2 사용자 장치(1400)는 랩탑 PC나 데스크탑 PC 등과 같은 웹(WEB) 기반 장치일 수 있다. 제1 및 제2 사용자 장치(1300, 1400)와 상황 인식 정보 관리부(2000)는 유선 또는 무선으로 통신할 수 있다. 사용자는 제1 또는 제2 사용자 장치(1300, 1400)를 이용하여 상황 인식 정보 관리부(2000)에 접속함으로, 상황 인식 정보 관리부(2000)가 제공하는 정보를 얻거나, 서비스를 제공할 수 있다.
상황 인식 정보 관리부(2000)는 센서 장치(1100)로부터 전기적 측정 신호를 수신할 수 있다. 상황 인식 정보 관리부(2000)는 수신한 전기적 측정 신호를 데이터베이스(DB)에 실시간으로 저장할 수 있다. 상황 인식 정보 관리부(2000)는 데이터베이스(DB)에 저장된 정보를 미리 정해 둔 기준에 따라 판단하여 센서 장치(1100) 주변의 상황을 인지할 수 있다.
도 2는 도 1에 도시된 데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 적용한 지능형 수배전반을 예시적으로 설명하기 위한 블록도이다. 도 2를 참조하면, 제1 사용자 장치(1300)는 스마트 폰이고, 제2 사용자 장치(1400)는 데스크탑 PC일 수 있다. 예로서, 제1 사용자 장치(1300)는 앱(APP) 기반 단말기이고, 제2 사용자 장치(1400)는 웹(WEB) 기반 단말기일 수 있다.
제1 및 제2 사용자 장치(1300, 1400)는 네트워크 시스템(1200)을 통해 서로 연결될 수 있다. 또한, 제1 및 제2 사용자 장치(1300, 1400) 각각은 네트워크 시스템(1200)을 통해 상황 인식 정보 관리부(2000)와 연결될 수 있다. 제1 및 제2 사용자 장치(1300, 1400)는 상황 인식 정보 관리부(2000)에 상황 인식을 위한 레이블 데이터를 전송하거나 상황 인식 정보 관리부(2000)로부터 상황에 관한 데이터를 수신할 수 있다. 제1 및 제2 사용자 장치(1300, 1400)는 상황 정보 프로그램을 통해 사용자가 제공하는 정보를 입력 받고, 사용자가 필요로 하는 정보를 제공할 수 있다.
제1 사용자 장치(1300)는 화면부(1310)와 구동부(1320)를 포함할 수 있다. 제1 사용자 장치(1300)의 구동부(1320)는 상황 정보 애플리케이션을 실행할 수 있다. 마찬가지로, 제2 사용자 장치(1400)의 구동부(1420)는 홈페이지 등과 같은 웹 서비스를 이용하여 화면부(1410) 상에서 상황 인식 서비스를 제공할 수 있다. 제1 및 제2 사용자 장치(1300, 1400)는 상황 정보 애플리케이션이나 웹 서비스를 구동하기 위한 하드웨어 또는 소프트웨어를 포함할 수 있다.
계속해서 도 2를 참조하면, 상황 인식 정보 관리부(2000)는 통신부(2100), 저장부(2200), 그리고 제어부(2300)를 포함할 수 있다. 상황 인식 정보 관리부(2000)는 제1 및 제2 사용자 장치(1300, 1400)로부터 입력된 데이터를 저장하고, 저장된 데이터로부터 사용자가 원하는 상황 인식 데이터를 산출하고, 산출한 데이터를 제1 및 제2 사용자 장치(1300, 1400)로 전송할 수 있다.
통신부(2100)는 센서 장치(1100)로부터 센서 정보, 측정 정보, 및 이벤트 정보 등을 수신할 수 있다. 이를 위해 통신부(2100)는 예를 들어, 3G 모듈, LTE 모듈, LTE-A 모듈, Wi-Fi 모듈, 와이기그(WiGig) 모듈, UWB(Ultra Wide Band) 모듈, 또는 랜카드 등과 같이 원거리용 네트워크 인터페이스를 포함할 수 있다. 또한, 통신부(2100)는 마그네틱 보안 전송(MST, Magnetic Secure Transmission) 모듈, 블루투스 모듈, NFC 모듈, RFID 모듈, 지그비(ZigBee) 모듈, Z-Wave 모듈, 또는 적외선 모듈 등과 같이 근거리용 네트워크 인터페이스를 포함할 수 있다.
통신부(2100)는 제1 및 제2 사용자 장치(1300, 1400)로부터 레이블 정보를 제공받을 수 있다. 통신부(2100)는 회원 정보를 저장부(2200)에 제공할 수 있다.
저장부(2200)는 상황 인식 정보 관리를 위해 필요한 센서 정보, 데이터 스트림, 측정 정보, 그리고 이벤트 정보 등을 저장할 수 있다. 센서 정보에는 센서 장치(1100)의 종류, 설치 위치, 그리고 기준 데이터와 같은 정보가 저장될 수 있다. 데이터 스트림에는 센서 장치(1100)에 의해 생성된 전기적 측정 신호가 시간의 순서에 따라 저장될 수 있다. 측정 정보에는 평균 범위를 초과하는 데이터의 발생 시점 및 종료 시점이 저장될 수 있다. 이벤트 정보에는 센서 장치(1100)와 관련된 이벤트 발생 조건에 대한 정보가 저장될 수 있다.
제어부(2300)는 상황 인식 정보 관리부(2000)에 포함된 각각의 구성요소 및 상황 인식 정보 관리부(2000)의 동작을 제어할 수 있다. 제어부(2300)는 사용자에게 상황 인식 정보 서비스를 제공할 수 있다. 제어부(2300)는 제1 및 제2 사용자 장치(1300, 1400)로부터 레이블 정보를 이용하여 상황 인식 정보 관리부(2000)의 상황 인식 성능을 향상시킬 수 있다. 또한, 제어부(2300)는 측정 정보 및 이벤트 정보를 관리하고 업데이트 하는 동작을 수행할 수 있다. 이를 위해 제어부(2300)는 중앙 처리 유닛(Central Processing Unit, CPU), 그래픽 처리 유닛(Graphic Processing Unit, GPU), 마이크로 컨트롤러 유닛(Micro Controller Unit, MCU), 또는 마이크로프로세서(microprocessor) 등을 포함할 수 있다.
도 3은 도 2에 도시된 제1 사용자 장치를 예시적으로 보여주는 블록도이다. 도 3에서는 스마트 폰이 예시적으로 도시되어 있다. 도 3을 참조하면, 제1 사용자 장치(1300)는 화면부(1310), 무선 통신부(1311), 입출력 인터페이스부(1312), 운영 시스템(1313), 상황 정보 애플리케이션(1314), 그리고 메모리(1315)를 포함할 수 있다. 이하, 제1 사용자 장치(1300)를 중심으로 설명하지만, 제2 사용자 장치(1400)도 유사한 방식으로 웹 기반으로 상황 정보 프로그램을 통해 상황 인식 정보를 제공할 수 있다.
무선 통신부(1311)는 제1 사용자 장치(1300)가 상황 인식 정보 관리부(도 2 참조, 2000)와 무선으로 연결되도록 한다. 또한, 제1 사용자 장치(1300)는 무선 통신부(1311)를 통해 제2 사용자 장치(1400) 또는 상황 인식 정보 관리부(2000) 등과 같은 외부 장치와 데이터를 주고 받을 수 있다. 무선 통신부(1311)는 3G 모듈, LTE 모듈, LTE-A 모듈, Wi-Fi 모듈 등과 같은 무선 인터넷 모듈을 포함할 수 있다.
입출력 인터페이스부(1312)는 제1 사용자 장치(1300)에 문자나 숫자 등을 입력하거나 컨텐츠를 사용자에게 제공하는 데 사용될 수 있다. 입출력 인터페이스부(1312)는 화상 키보드와 같은 내부 입력 장치, 또는 유선이나 블루투스 등을 이용해 외부 입력 장치(예를 들면, 키보드나 전자 펜 등)에 연결될 수 있다. 또한, 입출력 인터페이스부(1312)는 화면부(1310)와 같은 내부 출력 장치, 또는 유선이나 블루투스 등을 이용해 외부 출력 장치(예를 들면, 모니터나 프린터 등)에 연결될 수 있다.
운영 시스템(1313)은 상황 정보 애플리케이션(1314)이 실행될 수 있는 환경을 제공할 수 있다. 상황 정보 애플리케이션(1314)은 서비스 이용을 설정하고 관리할 수 있는 사용자 인터페이스를 제공할 수 있다. 또한, 상황 정보 애플리케이션(1314)은 제1 사용자 장치(1300)가 상황 인식 정보 관리부(2000)에 접속하여 상황 인식 정보를 주고 받을 수 있는 사용자 인터페이스를 제공할 수 있다. 상황 정보 애플리케이션(1314)은 입출력 인터페이스부(1312)와 운영 시스템(1313)을 통해 데이터를 송수신할 수 있다.
메모리(1315)는 상황 정보 애플리케이션(1314)을 이용하는 사용자의 회원 정보(예를 들면, 사용자 ID나 패스워드 등)를 저장할 수 있다. 메모리(1315)에는 패스워드 뿐만 아니라, 운영 시스템(1313)이나 상황 정보 애플리케이션(1314) 등과 같은 프로그램도 저장될 수 있다.
도 4는 도 1에 도시된 상황 인식 정보 관리부를 예시적으로 설명하기 위한 블록도이다. 도 4를 참조하면, 상황 인식 정보 관리부(2000)는 통신부(2100), 저장부(2200), 그리고 제어부(2300)를 포함할 수 있다. 통신부(2100), 저장부(2200) 및 제어부(2300)는 서로 연결될 수 있다. 상황 인식 정보 관리부(2000)는 데이터베이스에 저장된 전기적 측정 신호를 이용하여 센서 주변에 발생하는 상황을 인식할 수 있다. 또한, 상황 인식 정보 관리부(2000)는 인공지능(AI)을 이용하여 상황 정보를 학습하여 상황 인식 성능을 향상시킬 수 있다.
통신부(2100)는 입력부(2110) 및 출력부(2120)를 포함할 수 있다. 통신부(2100)는 센서 장치(1100) 및 네트워크 시스템(1200)을 통해 데이터를 송신 및 수신할 수 있다. 이를 위해 통신부(2100)는 예를 들어, 3G 모듈, LTE 모듈, LTE-A 모듈, Wi-Fi 모듈, 와이기그(WiGig) 모듈, UWB(Ultra Wide Band) 모듈, 또는 랜카드 등과 같이 원거리용 네트워크 인터페이스를 포함할 수 있다. 또한, 통신부(2100)는 마그네틱 보안 전송(MST, Magnetic Secure Transmission) 모듈, 블루투스 모듈, NFC 모듈, RFID 모듈, 지그비(ZigBee) 모듈, Z-Wave 모듈, 또는 적외선 모듈 등과 같이 근거리용 네트워크 인터페이스를 포함할 수 있다.
입력부(2110)는 센서 장치(1100)로부터 연속적으로 전기적 측정 신호를 수신할 수 있다. 입력부(2110)는 습도 정보, 온도 정보, 일산화탄소 정보, 이산화탄소 정보, 진동 정보, 적외선 정보, 음향 정보 및 광 정보를 실시간으로 입력받을 수 있다. 입력부(2110)는 수신한 전기적 측정 신호를 저장부(2200) 및 제어부(2300)에게 제공할 수 있다. 입력부(2110)는 제1 및 제2 사용자 장치(1300, 1400)으로부터 레이블 데이터를 수신할 수 있다.
출력부(2120)는 상황 인식 정보를 출력할 수 있다. 예를 들어, 출력부(2120)는 네트워크 시스템(1200)을 통해 상황 인식 정보를 제1 및 제2 사용자 장치(1300, 1400)에 제공할 수 있다.
저장부(2200)는 센서 정보 DB(2210), 데이터 스트림 DB(2220), 측정 정보 DB(2230), 그리고 이벤트 정보 DB(2240)를 포함할 수 있다. 저장부(2200)는 통신부(2100)를 통해 수신하는 전기적 측정 신호들을 저장할 수 있다.
센서 정보 DB(2210)에는 센서 장치(1100)의 종류, 센서 장치(1100)의 설치 위치, 센서 장치(1100)의 평균 범위, 그리고 센서 장치(1100)의 기준 데이터와 같은 정보가 저장될 수 있다. 센서 정보 DB(2210)에는 습도, 온도, 일산화탄소, 이산화탄소, 진동, 적외선, 음향, 전류, 또는 특정 지점의 온도 등과 같은 측정 대상에 관한 정보가 포함될 수 있다.
데이터 스트림 DB(2220)에는 센서 장치(1100)에 의해 생성된 전기적 측정 신호가 시간의 순서에 따라 저장될 수 있다. 따라서, 측정 정보 DB(2230)에는 습도, 온도, 일산화탄소, 이산화탄소, 진동, 적외선, 음향, 전류, 또는 특정 지점의 온도 등에 의해 생성된 전기적 측정 신호가 각각 저장될 수 있다. 측정 정보 DB(2230)에 저장되는 전기적 측정 신호는 입력되는 시간의 흐름에 따라 정렬되어 저장될 수 있다.
측정 정보 DB(2230)에는 센서 장치(1100)에 의해 생성된 전기적 측정 신호가 미리 지정한 범위를 초과하여 변동 사항이 발생하는 발생 시점과 변동 사항이 종료하는 종료 시점이 저장될 수 있다. 여기서, 발생 시점과 종료 시점은 표준 시간 서버에 의해 설정되는 시점을 의미할 수 있다. 따라서, 사용자는 측정 정보 DB(2230)의 데이터를 보고 변동 사항의 발생 내역을 확인할 수 있다.
이벤트 정보 DB(2240)에는 센서 장치(1100)와 관련된 이벤트 발생 조건에 대한 정보가 저장될 수 있다. 예를 들면, 화재를 감지하는 경우 상온의 범위와 화재 발생을 판단하는 기준에 대한 정보가 저장될 수 있다. 또한, 차단기의 경우 안전하게 사용할 수 있는 전류량의 기준 범위를 저장할 수 있다.
제어부(2300)는 프로세서(2310), 어플리케이션 관리 유닛(2320), 데이터 스트림 관리 유닛(2330), 상황 정보 관리 유닛(2340) 그리고 빅데이터 학습 유닛(2350)을 포함할 수 있다. 제어부(2300)는 알고리즘이나 소프트웨어로 구현될 수 있다. 제어부(2300)는 하드웨어나 소프트웨어로 구현될 수 있다. 예를 들면, 프로세서(2310)는 하드웨어로 구현되고, 상황 정보 관리 유닛(2340), 그리고 빅데이터 학습 유닛(2350)은 알고리즘이나 소프트웨어로 구현될 수 있다.
프로세서(2310)는 상황 인식 정보 관리부(2000)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(2310)는 저장부(2200)의 센서 정보 DB(2210), 데이터 스트림 DB(2220), 측정 정보 DB(2230), 그리고 이벤트 정보 DB(2240)에 접근(access)하고, 상황 정보 관리 유닛(2340) 및 빅데이터 학습 유닛(2350)을 구성하는 알고리즘이나 프로그램 명령을 실행함으로, 제어부(2300)를 구동할 수 있다. 또한, 프로세서(2310)는 상황 인식 정보 관리부(2000)의 여러 구성 요소들을 제어하는 컨트롤러들, 인터페이스들, 그래픽 엔진 등을 포함할 수 있다. 프로세서(2310)는 SoC(system-on-chip), ASIC(application specific integrated circuit), FPGA(field programmable gate array) 등의 형태로 제공될 수 있다.
애플리케이션 관리 유닛(2320)은 제1 사용자 장치(1100)에 상황 정보 애플리케이션을 제공하거나 제2 사용자 장치(1200)에서 상황 정보 프로그램을 실행하도록 할 수 있다. 애플리케이션 관리 유닛(2320)은 제1 및 제2 사용자 장치(1300, 1400)를 통해 상황 인식 정보 관리부(2000)로부터 레이블 데이터를 제공받거나 상황 인식 정보 서비스를 제공하도록 할 수 있다.
데이터 스트림 관리 유닛(2330)은 데이터 스트림 DB(2220)에 저장되는 전기적 측정 신호 데이터를 시간 순서 또는 데이터 스트림 DB(2220)의 용량에 따라 삭제할 수 있다. 데이터 스트림 관리 유닛(2330)은 정해진 시간이 되면 데이터를 삭제할 수 있고, 데이터의 크기를 설정할 수 있다. 데이터 스트림 관리 유닛(2330)은 측정 정보 DB(2230)을 참고하여 발생 시점부터 종료 시점까지의 데이터는 높은 우선순위를 설정할 수 있고, 삭제하지 않을 수 있다.
상황 정보 관리 유닛(2340)은 전기적 측정 신호를 이용하여 센서 장치(1100)가 감지하는 영역의 상황을 추론할 수 있다. 상황 정보 관리 유닛(2340)의 상세한 동작은 이하에서 도 5 및 도 6과 함께 설명하기로 한다.
빅데이터 학습 유닛(2350)은 데이터 스트림 DB(2220)에 저장된 정보를 학습할 수 있다. 빅데이터 학습 유닛(2350)은 측정 정보 DB(2230)에 저장된 발생 시점부터 종료 시점까지 구간의 정보를 이용하여 데이터 스트림 DB(2220)에 저장된 정보를 학습할 수 있다. 빅데이터 학습 유닛(2350)은 학습한 결과를 이용하여 이벤트 정보 DB(2240)에 저장된 이벤트 발생 조건에 대한 정보를 업데이트할 수 있다. 빅데이터 학습 유닛(2350)은 많은 학습 데이터를 학습하면, 이벤트 발생 조건을 최적화할 수 있다. 빅데이터 학습 유닛(2350)은 최적화된 이벤트 발생 조건에 따라 상황을 보다 정확하게 추론할 수 있다.
도 5는 도 4에 도시된 상황 인식 정보 관리부의 동작 방법을 예시적으로 설명하기 위한 순서도이다. 도 6을 참조하면, 도 3에 도시된 상황 인식 정보 관리부(2000)는 센서 장치(1100)로부터 데이터를 수신하여 데이터 스트림 DB(2220)에 저장할 수 있다. 상황 인식 정보 관리부(2000)는 수신한 데이터가 평균 범위를 초과하였는지를 판단하고, 이벤트가 발생하였는지를 판단할 수 있다. 상황 인식 정보 관리부(2000)는 판단 결과에 따라 빅데이터 학습(S200), 상황 추론(S300) 및 데이터를 삭제(S400)할 수 있다.
S110단계에서, 상황 인식 정보 관리부(2000)는 적어도 하나 이상의 센서 장치(1100)에 의해 생성된 데이터를 수신할 수 있다.
S120단계에서, 상황 인식 정보 관리부(2000)는 수신한 데이터를 센서별로 나누어서 데이터 스트림의 형태로 데이터 스트림 DB(2220)에 저장할 수 있다. 상황 인식 정보 관리부(2000)는 데이터 스트림을 미리 정해진 시간 단위(1분 내지 30분 범위)로 나눌 수 있다. 상황 인식 정보 관리부(2000)는 미리 정해진 시간 단위에 대해 중요도를 일반으로 지정할 수 있다. 여기서, 중요도는 일반이 기본 값이며, 후술하는 상황에 따라 높음으로 설정될 수 있다.
S130단계에서, 상황 인식 정보 관리부(2000)는 센서 정보 DB(2210)에서 센서 장치(1100)의 평균 범위 정보를 읽어올 수 있다. 여기서, 평균 범위 정보는 감지 대상에 문제가 없을 때, 센서 장치(1100)에 의해 감지되는 정보의 범위를 의미한다. 상황 인식 정보 관리부(2000)는 데이터 스트림 DB(2220)에서 전기적 측정 신호를 읽어올 수 있다. 상황 인식 정보 관리부(2000)는 읽어온 평균 범위 정보와 데이터와 전기적 측정 신호를 비교할 수 있다. 상황 인식 정보 관리부(2000)는 전기적 측정 신호가 평균 범위를 초과하면(YES), S140단계를 수행하고, 초과하지 않으면(NO), 데이터 삭제(S400)를 수행할 수 있다.
S140단계에서, 상황 인석 정보 관리부(2000)는 평균 범위를 초과한 구간의 시간 구간 정보를 측정 정보 DB(2230)에 저장할 수 있다. 여기서, 시간 구간 정보는 평균 범위를 초과한 구간의 발생 시점과 종료 시점을 의미한다. 상황 인석 정보 관리부(2000)는 시간 구간 정보에 중요도가 높음으로 지정할 수 있다.
S150단계에서, 상황 인식 정보 관리부(2000)는 이벤트 정보 DB(2240)에서 이벤트 발생 조건을 읽어올 수 있다. 상황 인식 정보 관리부(2000)는 측정 정보 DB(2230)에서 평균 범위를 초과한 구간의 시간 구간 정보(발생 시점 및 종료 시점)을 읽어올 수 있다. 상황 인식 정보 관리부(2000)는 시간 구간 정보에 따른 전기적 측정 신호와 이벤트 발생 조건을 비교할 수 있다. 상황 인식 정보 관리부(2000)는 전기적 측정 신호가 이벤트 발생 조건을 만족하지 못하면(NO), 빅데이터 학습(S200)을 수행하고, 만족하면(YES), 상황 인식(S300)을 수행할 수 있다.
S200단계에서, 상황 인식 정보 관리부(2000)는 평균 범위는 벗어났지만, 이벤트 발생 조건을 충족하지 않는 데이터를 학습할 수 있다. 빅데이터 학습과 관련하여, 상황 인식 정보 관리부(2000)의 상세한 동작은 이하에서 도 7과 함께 설명하기로 한다.
S300단계에서, 상황 인식 정보 관리부(2000)는 이벤트 발생 조건을 충족하는 데이터를 기반으로 상황을 인식할 수 있다. 상황 인식과 관련하여, 상황 인식 정보 관리부(2000)의 상세한 동작은 이하에서 도 8과 함께 설명하기로 한다.
S400단계에서, 상황 인식 정보 관리부(2000)는 평균 범위를 초과하지 못하는 데이터를 삭제할 수 있다. 데이터 삭제와 관련하여, 상황 인식 정보 관리부(2000)의 상세한 동작은 이하에서 도 9와 함께 설명하기로 한다.
도 6은 도 5에 도시된 상황 인식 정보 관리부의 동작 방법 중 빅데이터 학습 방법을 예시적으로 설명하기 위한 순서도이다. 도 6을 참조하면, 상황 인식 정보 관리부(2000)는 평균 범위는 벗어났지만, 이벤트 발생 조건을 충족하지 않는 데이터를 학습하고, 이벤트 발생 조건 정보를 갱신할 수 있다.
S210단계에서, 상황 인식 정보 관리부(2000)는 제1 및 제2 사용자 장치(1300, 1400)으로 수신한 데이터가 평균 범위를 초과하여 변동 사항이 발생하였음을 통지할 수 있다. 예를 들면, 온도 센서(1102)는 온도를 측정하여 화재를 감지할 수 있다. 상황 인식 정보 관리부(2000)는 상온보다는 높지만, 화재가 발생한 것으로 판단하기에 낮은 온도를 수신할 수 있다.
S220단계에서, 상황 인식 정보 관리부(2000)는 제1 및 제2 사용자 장치(1300, 1400)로부터 센서 장치(1100) 주변의 상황 정보를 수신할 수 있다. 예를 들면, 온도 센서(1102)는 근처에 온열 기구가 배치되어 평소보다 높은 온도를 감지할 수 있다. 상황 인식 정보 관리부(2000)는 제1 및 제2 사용자 장치(1300, 1400)를 통해 해당 사실을 수신할 수 있다.
S230단계에서, 상황 인식 정보 관리부(2000)는 평균 범위를 초과한 데이터에 수신한 상황 정보를 레이블 데이터로 추가하여 변동 사항을 학습할 수 있다. 예를 들면, 온도 센서(1102)가 측정한 데이터가 평소보다는 높지만, 화재보다는 낮은 온도인 것은 온열 기구로 인한 것임을 학습할 수 있다.
S240단계에서, 상황 인식 정보 관리부(2000)는 학습한 내용에 따라 이벤트 발생 조건 정보를 갱신할 수 있다. 예를 들면, 화재 이벤트 발생 조건 정보가 80도이고, 평균 온도 범위가 10도 내지 30도인 경우에 60도가 감지되었다면, 학습 내용에 따라 온열 기구로 인한 것임을 판단할 수 있다. 따라서, 온열 기구 이벤트 발생 조건을 추가하여 차후에 비슷한 온도가 측정되면 온열 기구로 인한 것임을 판단할 수 있다.
도 7은 도 5에 도시된 상황 인식 정보 관리부의 동작 방법 중 상황 인식 방법을 예시적으로 설명하기 위한 순서도이다. 도 7을 참조하면, 상황 인식 정보 관리부(2000)는 센서 데이터를 이용하여 상황을 추론할 수 있다.
S310단계에서, 상황 인식 정보 관리부(2000)는 가장 먼저 이벤트를 발생시킨 센서를 기준 센서로 설정할 수 있다.
S320단계에서, 상황 인식 정보 관리부(2000)는 기준 센서와 근사한 타이밍에 이벤트를 발생시킨 센서를 연계 센서로 설정할 수 있다.
S330단계에서, 상황 인식 정보 관리부(2000)는 기준 센서와 연계 센서의 데이터를 이용하여 상황을 추론할 수 있다.
S340단계에서, 상황 인식 정보 관리부(2000)는 추론한 상황을 제1 및 제2 사용자 장치(1300, 1400)으로 통지할 수 있다.
도 8은 도 5에 도시된 상황 인식 정보 관리부의 동작 방법 중 데이터 삭제 방법을 예시적으로 설명하기 위한 순서도이다. 도 8을 참조하면, 상황 인식 정보 관리부(2000)는 기준 용량, 기준 시점 및 학습 여부를 기준으로 데이터 스트림 DB(2220)에 저장된 데이터를 삭제할 수 있다.
S410단계에서, 상황 인식 정보 관리부(2000)는 미리 설정된 기준 용량과 데이터 스트림 DB(2220)의 데이터 용량을 비교할 수 있다. 여기서, 미리 설정된 기준 용량은 절대값(예를 들면, 100GB) 또는 상대 값(예를 들면, 전체 용량의 75%)으로 지정할 수 있다. 상황 인식 정보 관리부(2000)는 데이터 스트림 DB(2220)의 데이터 용량이 기준 용량을 초과하지 않으면(NO), S420단계를 실행하고, 초과하면(YES), S440단계를 실행할 수 있다.
S420단계에서, 상황 인식 정보 관리부(2000)는 기준 시점을 경과하였는지 판단할 수 있다. 예를 들면, 사용자가 데이터를 삭제하는 시점을 오전 5시 정각으로 설정한 경우, 상황 인식 정보 관리부(2000)는 5시를 경과하였는지 판단할 수 있다. 상황 인식 정보 관리부(2000)는 기준 시점을 경과하지 않았다면(NO), 데이터를 삭제하지 않은 상태를 유지하고, 기준 시점을 경과하였다면(YES), S430단계를실행할 수 있다.
S430단계에서, 상황 인식 정보 관리부(2000)는 중요도가 일반인 데이터를 일부 삭제할 수 있다. 상황 인식 정보 관리부(2000)는 가장 오래된 데이터부터 삭제할 수 있다. 상황 인식 정보 관리부(2000)는 미리 정해 놓은 시점까지의 데이터를 삭제할 수 있다. 예를 들면, 상황 인식 정보 관리부(2000)는 기준 시점으로부터 24시간 전까지의 데이터만 남기고 삭제할 수 있다.
S440단계에서, 상황 인식 정보 관리부(2000)는 기준 용량을 초과한 경우, 중요도가 높음인 데이터를 삭제할 수 있다. 상황 인식 정보 관리부(2000)는 중요도가 높음인 데이터를 빅데이터 학습 유닛(2350)에 의해 학습이 되었는지 확인할 수 있다. 상황 인식 정보 관리부(2000)는 학습을 하지 않았다면(NO), 중요도가 일반인 데이터를 삭제할 수 있다(S430). 그러나. 상황 인식 정보 관리부(2000)는 중요도가 높음인 데이터를 빅데이터 학습 유닛(2350)에 의해 학습된 것으로 확인되면, S450단계를 실행할 수 있다.
S450단계에서, 상황 인식 정보 관리부(2000)는 가장 오래된 데이터부터 삭제할 수 있고, 미리 정해 놓은 시점까지의 데이터를 삭제할 수 있다. 또한, 상황 인식 정보 관리부(2000)는 학습이 완료된 데이터를 모두 삭제할 수 있다.
도 9는 상황 인식 정보 관리부의 동작 방법 중 화재 발생 통지 방법을 예시적으로 설명하기 위한 순서도이다. 도 9를 참조하면, 상황 인식 정보 관리부(2000)는 센서 장치(1100)가 감지하는 전기 차단기의 화재 발생 여부를 감지하고, 통지할 수 있다.
S510단계에서, 상황 인식 정보 관리부(2000)는 전기 차단기의 피로도를 감지할 수 있다. 상황 인식 정보 관리부(2000)는 차단기의 개폐 횟수를 산술 집계할 수 있다. 상황 인식 정보 관리부(2000)는 개폐 횟수가 많아질 수록 전기 차단기의 피로도가 높아진 것으로 판단할 수 있다. 일 실시예에서, 전기 차단기의 피로도에 대한 측정 및 보고는 아래의 방법에 기초하여 수행될 수 있다.
감지 목표는 이벤트 집계 통하여 차단기 피로도 누적 정도를 평가하는 것이다. 이를 위해 사용하는 센서는 음향센서이다. Σ(sen) > m인 경우 Σ(sen)을 보고한다. 이때, s는 음향 센서(sound sensor), se는 음향 센서의 이벤트(event for sound sensor), S는 {s₁, s₂, s₃, .... sn}, SE는 {se₁, se₂, se₃, ... sen}, n(SE)는 스위치 작동의 횟수(number of switch operation), m은 전문가가 설정한 피로도 적정수이다.
S520단계에서, 상황 인식 정보 관리부(2000)는 전기 차단기의 작동 시 발생하는 플레어를 감지할 수 있다. 상황 인식 정보 관리부(2000)가 플레어를 감지하는 상세한 동작은 이하에서 도 10과 함께 설명하기로 한다.
S530단계에서, 상황 인식 정보 관리부(2000)는 전기 차단기 및 전선의 온도 상승을 감지할 수 있다. 상황 인식 정보 관리부(2000)는 온도 센서(1120) 및 비접촉 온도 센서(1190)을 통해 전기 차단기 및 전선의 온도를 감지할 수 있다. 상황 인식 정보 관리부(2000)는 감지한 온도가 평균 온도보다 10℃와 같이 미리 정해진 온도보다 뜨거워지면 화재가 발생한 것을 인식할 수 있다.
S540단계에서, 상황 인식 정보 관리부(2000)는 전기 차단기에 화재가 발생한 것으로 인식하고, 인식한 상황을 사용자에게 통지할 수 있다. 상황 인식 정보 관리부(2000)는 화재가 발생한 것으로 상황을 인식하면, 빠른 조치를 위해 사용자 또는 관리자에게 화재 발생을 통지할 수 있다.
도 10은 도 9에 도시된 화재 발생 통지 방법 중 플레어 발생을 감지하는 방법을 예시적으로 설명하기 위한 순서도이다. 도 10을 참조하면, 상황 인식 정보 관리부(2000)는 플레어의 발생을 감지할 수 있다.
플레어는 전선 피복과 같은 절연물이 갈라지거나 밀착되어야 하는 도전체들이 미세하게 벌어져서 생긴 틈으로 방출되는 미세 방전일 수 있다. 플레어는 주변 구조물에 손상을 가하므로, 플레어가 방치될 경우 이보다 큰 규모를 갖는 방전(예를 들어, 아크 방전)이 발생할 수 있다. 따라서 플레어는 미리 감지될 필요가 있다.
S521단계에서, 상황 인식 정보 관리부(2000)는 광 센서(1180)를 이용하여 전기 차단기에서 가시 광선 대역의 빛이 발생하는 것을 감지할 수 있다. 상황 인식 정보 관리부(2000)는 미리 정해 둔 가시 광선 대역의 빛이 감지되면 플레어와 관련성이 있는 것으로 판단할 수 있다.
S522단계에서, 상황 인식 정보 관리부(2000)는 적외선 센서(1160)를 이용하여 전기 차단기에서 적외선 광이 발생하는 것을 감지할 수 있다. 상황 인식 정보 관리부(2000)는 미리 정해 둔 적외선 대역의 빛이 감지되면 플레어와 관련성이 있는 것으로 판단할 수 있다.
S523단계에서, 상황 인식 정보 관리부(2000)는 음향 센서(1170)을 이용하여 전기 차단기에서 발생하는 소리를 감지할 수 있다. 상황 인식 정보 관리부(2000)는 파열음과 같이 미리 정해 둔 소리가 감지되면 플레어와 관련성이 있는 것으로 판단할 수 있다. 일 예에서, 상황 인식 정보 관리부(2000)는 음향 센서(1170)가 감지한 소리 정보에 기초하여 파열음의 종류로부터 플레어가 발생했는지 또는 아크 방전이 발생했는지를 결정할 수 있다.
S524단계에서, 상황 인식 정보 관리부(2000)는 이산화탄소 센서(1140)를 이용하여 전기 차단기에서 이산화탄소의 발생 유무를 감지할 수 있다. 상황 인식 정보 관리부(2000)는 이산화탄소가 미리 정해 둔 범위를 벗어난 것으로 감지되면 플레어와 관련성이 있는 것으로 판단할 수 있다. 여기서, 미리 정해 둔 범위는 보통의 공기의 이산화탄소 비율보다 많아지는 경우를 의미한다.
S525단계에서, 상황 인식 정보 관리부(2000)는 S521단계 내지 S524단계에서 빛 발생 감지, 적외선 발생 감지, 특정 소리 감지 및 이산화탄소를 감지하면 플레어가 발생한 것으로 판단할 수 있다.
일 실시예에서, 플레어 발생 감지 및 보고는 아래의 방법에 기초하여 수행될 수 있다.
감지 목표는 차단기 피로도 누적 정도를 평가하는 것이다. 이를 위해 사용하는 센서는 적외선 센서이다. Σ(iren) > m인 경우 Σ(iren)을 보고한다. 이때, iR은 적외선 센서(infra red sensor), iRe은 적외선 센서의 이벤트(event for sound sensor), iR은 {ir₁, ir₂, ir₃, .... irn }, iRE은 {ire₁, ire₂, ire₃, ... iren}, n(iRE)은 스위치 작동의 횟수(number of switch operation), m은 전문가가 설정한 피로도 적정수이다.
또한 플레어 발생 감지 및 보고는 아래의 방법으로 수행될 수 있다. 차단기와 전선로의 온도를 감지하고 비정상적인 온도상승을 보고한다. 배전반 내부에서 CO, CO2 발생 유무를 감지 보고한다. 이때 감지 목표는 피복 열화, 플레어, 화재이다. 배전반 내부에서 발생하는 비정상 음향과 급격한 음향 증가를 감지한다. 배전반 외부에서의 비정상적인 진동과 급격한 진동 증가를 감지하여 보고한다. 배전반 자체의 온도를 감지하고 비정상적인 온도상승을 보고한다.
도 11은 상황 인식 정보 관리부의 동작 방법 중 지진 발생 통지 방법을 예시적으로 설명하기 위한 순서도이다. 도 11을 참조하면, 상황 인식 정보 관리부(2000)는 지능형 수배전반 주변에서 지진이 발생한 것을 감지할 수 있다.
S610단계에서, 상황 인식 정보 관리부(2000)는 이산화탄소 센서(1140)를 이용하여 지능형 수배전반 내부에서 발생하는 이산화탄소를 감지할 수 있다. 상황 인식 정보 관리부(2000)는 이산화탄소가 평소 상태보다 많아지는 것으로 판단되면, 이산화탄소의 증가를 감지할 수 있다.
S620단계에서, 상황 인식 정보 관리부(2000)는 음향 센서(1170)를 이용하여 지능형 수배전반 내부에서 발생하는 음향을 감지할 수 있다. 상황 인식 정보 관리부(2000)는 지능형 수배전반 내부에서 비정상적인 음향의 발생 및 급격한 음향 증가를 감지할 수 있다.
S630단계에서, 상황 인식 정보 관리부(2000)는 진동 센서(1150)을 이용하여 지능형 수배전반 외부에서 발생하는 진동을 감지할 수 있다. 상황 인식 정보 관리부(2000)는 지능형 수배전반 외부에서 발생하는 비정상적인 진동 및 급격한 진동 증가를 감지할 수 있다. 일 예에서, 진동 센서(1150)는 진동 및 기울기를 측정하도록 구성될 수 있다. 예를 들어, 진동 센서(1150)는 3축 진동 센서 또는 6축 진동 센서를 포함할 수 있다. 일 예에서, 상황 인식 정보 관리부(2000)는 진동 센서(1150)가 측정하는 기울기 정보에 기초하여 지능형 수배전반에 전력 공급을 지속할지 여부를 결정할 수 있다.
일 예에서, 복수의 진동 센서들(1150)이 제공될 수 있다. 복수의 진동 센서들(1150) 중 일부는 지능형 수배전반에 부착될 수 있다. 복수의 진동 센서들(1150) 중 다른 일부는 지능형 수배전반 외부(예를 들어, 지능형 수배전반이 설치된 건물의 벽)에 부착될 수 있다. 일 예에서, 상황 인식 정보 관리부(2000)는 일부 진동 센서들(1150)과 다른 일부 진동 센서들(1150)이 감지하는 진동 정보들을 이용하여 지능형 수배전반에 발생한 진동 종류(예를 들어, 단순 진동 또는 지진에 의한 진동)를 결정할 수 있다.
S640단계에서, 상황 인식 정보 관리부(2000)는 온도 센서(1120) 및 비접촉 온도 센서(1190)을 이용하여 지능형 수배전반 내부 및 외부의 온도를 감지할 수 있다. 상황 인식 정보 관리부(2000)는 지능형 수배전반 내부 및 외부에서 발생하는 급격한 온도 증가를 감지할 수 있다.
S650단계에서, 상황 인식 정보 관리부(2000)는 S610단계 내지 S640단계에서 이산화탄소 변화, 음향 변화, 진동 변화 및 온도 변화를 감지하면 지진이 발생한 것으로 판단할 수 있다. 상황 인식 정보 관리부(2000)는 지능형 수배전반 주변에서 지진이 발생한 것을 관리자에게 통지할 수 있다.
도 12는 상황 인식 정보 관리부의 동작 방법을 예시적으로 설명하기 위한 순서도이다. 설명의 간결함을 위하여, 위에서 설명된 것과 실질적으로 동일한 내용은 설명되지 않을 수 있다. 이하에서, 상황 인식 정보 관리부(2000)가 판단, 저장, 수신, 제공 등을 수행하는 것은 상황 인식 정보 관리부(2000) 내의 개별 구성요소들(예를 들어, 제어부(2300), 저장부(2200), 및 통신부(2100))이 수행하는 것을 지칭할 수 있다. 이하의 방법은 데이터 스트림 분할 분석 알고리즘으로 지칭될 수 있다.
도 12를 참조하면, 복수의 센서들은 전기적 측정 신호를 상황 인식 정보 관리부(2000)에 제공할 수 있다.(S701) 복수의 센서들은 도 1을 참조하여 설명된 센서 장치(1100)에 포함될 수 있다. 복수의 센서들은 지능형 수배전반 내부 또는 외부에 배치되어, 지능형 수배전반의 상황 변화를 감지하도록 구성될 수 있다. 예를 들어, 상황 변화는 물리적 현상, 화학적 현상, 및 생물학적 현상 중 적어도 하나로 인해 발생될 수 있다. 복수의 센서들은 상황 변화를 감지하도록 구성될 수 있다. 예를 들어, 복수의 센서들은 습도 센서(1110), 온도 센서(1120), 일산화탄소 센서(1130), 이산화탄소 센서(1140), 진동 센서(1150), 적외선 센서(1160), 음향 센서(1170), 광 센서(1180), 비접촉 온도 센서(1120) 그리고 사물 인터넷 센서(11N0) 중 적어도 둘을 포함할 수 있다. 예를 들어, 지능형 수배전반 내에서 플레어가 발생한 경우, 광 센서 및 적외선 센서는 플레어로 인한 가시광선과 적외선을 측정하고, 음향 센서는 플레어로 인한 소리를 측정하며, 일산화탄소 센서는 플레어로 인한 일산화탄소 가스를 감지할 수 있다. 예를 들어, 지진이 발생한 경우, 진동 센서가 지진으로 인한 흔들림을 측정하고, 음향 센서가 지진으로 인한 소리를 감지할 수 있다. 상황 인식 정보 관리부(2000)가 지진이 발생한 것으로 판단한 후, 온도 센서가 지능형 수배전반 내부의 온도 상승을 감지할 경우, 상황 인식 정보 관리부(2000)는 사용자에게 긴급한 상황을 보고를 할 수 있다. 일산화탄소 센서(1130)가 일산화탄소 가스를 추가적으로 감지할 경우, 상황 인식 정보 관리부(2000)는 지능형 수배전반 내에 인입되는 전류를 차단할 수 있다. 복수의 센서들은 상황 변화를 감지하여 전기적 측정 신호를 생성할 수 있다. 복수의 센서들은 전기적 측정 신호를 상황 인식 정보 관리부(2000)에 제공할 수 있다.
일 실시예에서, 지능형 수배전반 내부의 여러 센서들이 다중 이벤트를 발생시키는 경우, 이벤트 감지 및 보고 과정은 다음와 같다. 이때, 심각한 이벤트는 곧바로 보고 및 전송될 수 있다. 플레어 발생 감지는 광센서, 적외선센서가 활용된다. 플레어 발생 인지 정보 확인은 음향센서 이벤트 융합으로 수행된다. 플레어 발생과 CO발생(CO감지센서) 연동 여부가 감지된다. 지진발생은 진동센서와 음향센서로부터의 이벤트를 융합 처리하여 감지된다. 지진발생 후(진동센서+음향센서 이벤트), 온도 증가 시 초긴급 보고된다. 지진발생 후 온도 증가, CO 감지되면 배전반 인입 전류 전면 차단된다.
상황 인식 정보 관리부(2000)는 복수의 센서들로부터 제공되는 전기적 측정 신호를 일정한 시간 간격으로 수신할 수 있다. 전기적 측정 신호는 데이터 스트림 DB(2220)에 저장될 수 있다. 데이터 스트림 DB(2220)는 전기적 측정 신호와 함께 대응하는 센서 정보 및 측정 시각 정보를 함께 저장하도록 구성될 수 있다. 상황 인식 정보 관리부(2000)는 어느 전기적 측정 신호의 크기가 미리 지정한 범위를 초과하는 경우, 해당 전기적 측정 신호를 생성한 센서에 대한 이벤트 신호를 생성할 수 있다.(S702) 상황 인식 정보 관리부(2000)는 이벤트 신호를 생성하는 전기적 측정 신호가 발생된 센서가 이벤트를 감지한 것으로 판단할 수 있다. 상황 인식 정보 관리부(2000)는 이벤트 신호를 생성하지 않는 전기적 측정 신호가 발생된 센서는 이벤트를 감지하지 않은 것으로 판단할 수 있다. 일 예에서, 전기적 측정 신호의 세기(신호 값)가 클수록 대응하는 이벤트 신호의 세기(신호 값)도 커질 수 있다.
상황 인식 정보 관리부(2000)는 이하의 단계들을 통하여 센서들로부터 수신한 전기적 측정 신호에 기초하여 이벤트 신호를 접수할 수 있다.(S703) 이벤트 신호를 접수하는 것은, 이벤트 신호를 측정 정보 DB(2230)에 저장하는 것을 포함할 수 있다. 측정 정보 DB(2230)는 이벤트 신호와 함께 대응하는 센서 정보, 대응하는 전기적 측정 신호, 및 측정 시각 정보를 함께 저장하도록 구성될 수 있다.
상황 인식 정보 관리부(2000)가 제1 측정 시각에 복수의 센서들 중 적어도 하나의 센서에서 이벤트가 감지되고 나머지 센서들에서 이벤트가 감지되지 않은 것으로 판단한 경우, 상황 인식 정보 관리부(2000)는 이벤트를 감지하지 않은 제2 센서들이 이벤트를 감지하는지 재탐색하도록 구성될 수 있다. 설명의 편의를 위해, 이벤트를 감지한 센서는 제1 센서로 지칭되고, 이벤트를 감지하지 않은 센서들은 제2 센서로 지칭된다.
재탐색은 상황 인식 정보 관리부(2000)가 제2 센서들로부터 전기적 측정 신호를 다시 수신하고, 수신된 전기적 측정 신호들에 기초하여 이벤트 신호가 생성되는지 확인하는 것을 포함할 수 있다.
상황 인식 정보 관리부(2000)는 재탐색 후에도 제2 센서들이 이벤트를 감지하지 않은 것으로 판단하는 경우, 제1 센서가 감지하는 시간에 따른 이벤트 변화 양상을 관찰하도록 구성될 수 있다. 이벤트 변화 양상은, 예를 들어, 이벤트 신호를 생성하는 전기적 측정 신호의 세기가 유지, 증가, 및 감소하는 것, 그리고 이벤트 신호의 생성이 중단되는 것을 포함할 수 있다. 상황 인식 정보 관리부(2000)는 일정한 시간 간격으로 제1 센서로부터 전기적 측정 신호를 수신하고, 수신된 전기적 측정 신호들에 기초하여 이벤트 신호가 생성되는지 확인하고, 생성된 이벤트 신호에 대응하는 전기적 측정 신호의 세기를 확인하여 이벤트 변화 양상을 판단할 수 있다.
상황 인식 정보 관리부(2000)는 제1 센서가 감지하는 이벤트가 감소되는 것으로 판단될 경우, 제1 센서의 이벤트를 접수하지 않을 수 있다. 일 예에서, 이벤트를 접수하지 않는 것은 이벤트 신호, 대응하는 센서 정보, 대응하는 전기적 측정 신호, 및 측정 시각 정보를 측정 정보 DB에 저장하지 않는 것을 포함할 수 있다.
상황 인식 정보 관리부(2000)는 제1 센서가 감지하는 이벤트가 증가하는 것으로 판단될 경우, 제2 센서들 중 적어도 일부가 이벤트를 감지하는지 확인할 수 있다. 즉, 상황 인식 정보 관리부(2000)는 제2 센서들로부터 수신된 전기적 측정 신호에 기초하여 이벤트가 발생하는지 확인할 수 있다. 제2 센서들로부터 수신된 전기적 측정 신호에 기초하여 생성된 이벤트 신호는 측정 정보 DB(2230)에 저장될 수 있다. 측정 정보 DB(2230)는 이벤트 신호와 함께 대응하는 센서 정보, 대응하는 전기적 측정 신호, 및 측정 시각 정보를 함께 저장하도록 구성될 수 있다. 설명의 편의를 위해, 제2 센서들 중 이벤트를 감지한 센서들과 최초에 제1 센서는 제3 센서들로 지칭된다. 상황 인식 정보 관리부(2000)는 일정한 시간 간격으로 제3 센서들의 전기적 측정 신호를 분석하여, 수신된 전기적 측정 신호들에 기초하여 제3 센서들이 감지하는 이벤트 변화 양상을 확인할 수 있다.
상황 인식 정보 관리부(2000)는 제3 센서들 중 적어도 일부가 이벤트 감지를 중단하는지 확인할 수 있다. 설명의 편의를 위해, 제3 센서들 중 이벤트 감지를 중단하는 센서는 제4 센서로 지칭된다. 상황 인식 정보 관리부(2000)는 제4 센서들이 다시 이벤트를 감지하는지 확인할 수 있다. 제4 센서들이 다시 이벤트를 감지하는 경우, 상황 인식 정보 관리부(2000)는 다시 이벤트를 감지하는 제4 센서들에 대해 일정한 시간 간격으로 이벤트 변화 양상을 확인할 수 있다. 제4 센서들이 다시 이벤트를 감지하지 않는 경우, 상황 인식 정보 관리부(2000)는 제4 센서들에 대해 이벤트 신호 생성 및 저장 작업을 종료할 수 있다. 예를 들어, 제3 센서들 전부가 이벤트 감지를 중단하는 경우, 상황 인식 정보 관리부(2000)는 모든 센서들에 대한 이벤트 신호 생성 및 저장 작업을 종료할 수 있다.
상황 인식 정보 관리부(2000)는 획득한 이벤트 신호들에 대응하는 전기적 측정 신호들을 이용하여 발생된 이벤트를 분석하여 위험도를 판단할 수 있다.(S704) 예를 들어, 상황 인식 정보 관리부(2000)는 각 센서별로 이벤트 신호들의 합에 가중치를 곱한 값들을 측정 횟수로 나눈 결과, 각 센서별 최대 이벤트 신호 값, 이벤트 발생 횟수에 기초하여 위험도를 판단할 수 있다. 이때 가중치는 센서별로 다르게 부여될 수 있다. 이하에서, 3개의 센서들과 가중치를 이용한 위험도 판단 방법의 일 예가 설명된다.
3개의 센서들의 전기적 측정 신호들에 각각 대응하는 제1 이벤트 신호(S1), 제2 이벤트 신호(S2), 및 제3 이벤트 신호(S3)는 다음과 같다.
여기서 TSj는 임의의 시간대이고, ei(TS)j는 임의의 시간대에서 생성된 이벤트 신호이며, w는 가중치를 나타낸다. 가중치는 이벤트의 종류에 따라 결정될 수 있다. 예를 들어, 진동 센서(1150), 적외선 센서(1160), 및 일산화탄소 센서(1130)에 의해 감지되는 지진 이벤트의 가중치(w)는 3일 수 있고, 진동 센서(1150) 및 적외선 센서(1160)에 의해 감지되는 플레어 이벤트의 가중치(w)는 2일 수 있으며, 음향 센서(1170)에 의해 감지되는 음향 이벤트의 가중치(w)는 1.5일 수 있다.
위험도는 조건에 따라 5가지로 분류될 수 있다. 이하의 조건식에서 는 임의의 시간대에서 발생한 이벤트의 개수, 는 시간대에서 첫번째 센서가 보고한 이벤트 중 최대값, 는 임의의 시간대에서 두번째 센서가 보고한 이벤트 중 최대값, 는 임의의 시간대에서 세번째 센서가 보고한 이벤트 중 최대값, 는 전체 시간대에서의 이벤트 평균값에 가중치를 곱한 것이다.
예를 들어, 아래의 제1 조건에서 위험도는 5로 분류될 수 있다.
예를 들어, 아래의 제2 조건에서 위험도는 4로 분류될 수 있다.
예를 들어, 아래의 제3 조건에서 위험도는 3으로 분류될 수 있다.
예를 들어, 아래의 제4 조건에서 위험도는 2로 분류될 수 있다.
예를 들어, 아래의 제5 조건에서 위험도는 1로 분류될 수 있다.
본 개시는 서로 다른 종류의 센서들로부터 획득되는 전기적 측정 신호들을 융합적으로 처리하여 지능형 수배전반 내의 상황을 분석하는 데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 제공할 수 있다.
일 실시예에서, 지능형 수배전반의 스마트 인식 세부 원리는 다음과 같이 정리될 수 있다. 스마트 인식 세부 원리는 이질적인 센서 데이터 융합을 통한 상황정보 고도화 방안으로 지칭될 수 있다.
a. 센서에서 이벤트 발생, 다른 센서에서 이벤트 데이터 있는지 확인된다.
b. 다른 센서에서 변화를 보고하는 것이 없으면 단일 데이터 처리된다.
c. 다른 센서에서도 비정상적인 변화가 보고되었을 때, 서로 종류가 다른 센서로부터의 감지 결과 데이터를 대상으로 융합 처리 수배전반 내에서의 상황을 정확하게 인식하기 위하여 하나의 상황을 하나의 센서로만 감지하는 것보다는 하나의 상황을 여러 개의 서로 협력적인 센서가 감지하는 것이 더 정확한 상황정보를 획득할 수 있다.
“지능형 수배전반”이 배전반 내외부의 상황을 인식하기 위하여 상황을 추론할 수 있는 데이터를 제공하는 센서를 선정하는데, 이 때 서로 종류가 다르고 서로의 기능을 보완할 수 있는 센서들을 활용하는 것이 필요하다. 문제는 서로 다른 종류의 센서 이므로 센서가 보내는 신호값이나 그것을 저장한 데이터가 서로 다르다는 것이다. 이에 의미적 결합을 위하여서 각 센서 데이터를 서로 연산이 가능한 중간함수로 변환하는 것이 필요하다. 센서값 및 센서 데이터를 일정한 변환과정을 거쳐 중간함수로 변환한 후에는 같은 형태를 가진 데이터 이므로 대수적 연산 또는 결합이 가능해진다. 이후 처리과정을 거칠 때 상황정보는 더욱 수준 높은 정보가 될 수 있다. 본 발명에서는 이와 관련된 처리를 '이기종 다중센서 데이터 융합 처리'라 부른다.
d. 비정상 상황에 대한 다중 센서 이벤트 발생시 가중치 부여된다.
S는 배전반내의 상황변화를 인식하기 위한 센서(Sensor), e는 센서에서 인식하는 보고하는 이벤트(Event)이다. TS(Time Slot)는 시간대별로 나눈 것이다. e(TS)는 시간대(Time Slot)의 이벤트이다. n(e(TS)) 시간대에서 일어난 이벤트 개수이다. 는 특정시간대에서 센서 S₁이 보고한 이벤트 중에서 최대 변화이다. 는 특정시간대에서 센서 S₂이 보고한 이벤트 중에서 최대 변화이다. 는 특정시간대에서 센서 S₃이 보고한 이벤트 중에서 최대 변화이다. 여기서, 모든 이벤트의 가중치는 동일하지 않다. 각 센서가 감지한 이벤트에 대하여 가중치가 부여된다. 예를 들어,지진(진동+적외선+CO) 감지 이벤트는 가중치( ) 3을 부여한다. 예를 들어, 플레어(진동+적외선) 이벤트는 가중치( ) 2를 부여한다. 예를 들어, 음향 이벤트는 가중치( ) 1.5를 부여한다. 는 이고, 이다. 는 이고, 이다. 는 이고, 이다. 한 다음 다른 센서의 값을 구하여 서로 비교한다. 는 전체 시간대에서의 이벤트 평균값에 가중치를 추가한 것이다. 예를 들면, 다음 조건에 따라 5가지 위험도가 부여더;sel/
이면 위험도는 5이고, 이면 위험도는 4이고, 이면 위험도는 3이고, 이면 위험도는 2이고, 이면 위험도는 1이다.
이상의 방법은 서로 다른 센서를 채용하여 이벤트를 감지할 때, 서로 다른 센서에서 발생하는 이벤트가 동일한 상황에 대하여 감지한 이벤트 보고일 때, 해당 센서들이 감지한 상황에 대하여 가중치를 부여하는 방법이다.
또한 위에서 설명된 데이터 스트림 이벤트 분석 방법 또는 데이터 스트림 분할 분석 알고리즘은 아래와 같이 정리될 수 있다.
(1) 상황인식 위한 센서를 선정하고 배전반 내에 부착한 다음 통신모듈과 연결한다. (2) 각 센서들은 상황변화에 대한 감지결과를 보고한다. (3) 센서들은 이벤트(상황변화)를 보고하며 호스트에서는 이벤트를 접수한다. (4) 한 센서 이벤트가 있을 때, 다른 센서 데이터에서 이벤트 발생 여부를 탐색한다. (5) 다른 센서 데이터에서 이벤트가 발생하지 않을 때, 이벤트 감지된 센서 데이터의 이벤트 변화 양상을 관찰한다. (6) 이벤트가 감소 양상일 때, 해당 센서의 이벤트 데이터 접수하지 않는다. (7) 이벤트 발생 센서의 이벤트가 증가 양상을 보일 때, 다른 센서 데이터의 이벤트 발생 확인한다. (8) 다른 센서 데이터의 이벤트 발생이 감지되었을 때, 각 센서 데이터의 데이터들을 저장한다. (9) 각 센서 데이터가 이벤트 지속을 확인하며 일정 시간 간격으로 분할 분석한다. (10) 각 센서 데이터의 이벤트가 감소상황인지 확인한다. (11) 각 이벤트 중에서 중단이 있는지 탐색한다. (12) 감소 후 이벤트가 중단되는 센서에서 다시 이벤트가 발생하는지 탐색한다. (13) 이벤트 중단된 센서에서 다시 이벤트가 발생하여 지속 하면 9) ~ 11)과정을 지속한다. (14) 각 센서의 이벤트가 감소로 접어든 후 이벤트 보고 중단되는 센서가 이벤트 보고를 다시 재개하지 않을 때, 데이트 스트림 분석을 중단한다. (15) 남은 센서의 이벤트 보고가 중단될 때, 스트림에 대한 접수 및 저장을 중단한다. (16) 분석결과 호스트에서 처리 후 사용자 보고한다.
또한, 데이터 스트림 분할 분석 알고리즘에 대한 수식은 아래와 같이 정리될 수 있다.
(1) 임의의 K개의 센서에서 이벤트 발생 여부를 다음 함수로 판정한다.
(단, , )
(2) 이벤트가 임의의 센서 에서 발생했을 경우 보고한다.
= { : }
(3) 다른 센서 데이터에서도 이벤트가 발생하였는지를 아래의 함수로 재탐색한다.
(단, , )
(4) 다른 센서 데이터에서 이벤트가 발생하지 않았을 경우 이벤트가 발생한 임의의 센서 에서 이벤트 지속 여부 및 변화를 아래의 함수로 판정한다.
(5) 일 때 즉, 이벤트가 감지된 센서 이벤트가 감소 양상일 때, 해당 센서의 이벤트 데이터 접수하지 않는다.
=
(6) 일 때 즉, 이벤트가 감지된 센서 데이터의 이벤트가 증가 양상을 보일 때, 다른 센서 데이터에서도 이벤트가 발생하였는지 여부를 아래 함수로 재탐색한다.
(단, , )
(7) 즉, 다른 센서 데이터의 이벤트 발생이 감지되었을 때, 각 센서 데이터의 데이터들을 접수한다.
임의의 k개의 센서 중 에서 임의의 시간 에서 이벤트가 발생했다고 가정한다.
={ , ; }
(8) 일정 시간 간격으로 분할하며 각 센서 이벤트 지속되는지 각 센서 데이터의 이벤트의 변화가 감소양상으로 가는지 탐색한다.
(9) 각 센서 데이터의 이벤트 중에서 중단이 있는지 탐색한다.
(단, , )
(10) 및 일 때 즉, 감소양상으로 접어든 후 이벤트가 중단되는 센서 데이터가 있을 경우 다시 이벤트가 발생하는지 함수로 탐색한다.
(단, , )
(11) 이벤트가 중단된 센서에서 이고 일 때 일 때 즉, 센서에서 다시 이벤트가 발생하여 지속하면 9) ~ 11) 과정으로 환류한다.
(12) 및 일 때 일 때 각 센서의 이벤트 데이터가 감소 양상으로 접어든 후 이벤트 보고 중단되는 센서가 이벤트 보고를 다시 재개하지 않을 때, 데이트 스트림 분석을 중단한다.
(13) (단, , )일 때 즉, 남은 센서의 이벤트 보고가 중단될 때, 스트림에 대한 접수 중단한다.
(14) 분석결과를 호스트에서 사용자에게로 전송한다.
= { , ; }
이상의 방법은 지능형 수배전반에 설치/부착한 센서가 감지하여 보고하는 데이터들이 시간의 흐름에 따라 지속적일 때 각 센서가 보고하는 특별한 변화(이벤트)에 대하여 다른 센서 데이터 스트림에서의 이벤트 발생과 비교하며 시간대를 분할 하는 방법으로써 연속적으로 유입되는 센서 데이터에 대한 처리의 기본적인 방법이다.
상술한 내용은 본 발명을 실시하기 위한 구체적인 실시 예들이다. 본 발명은 상술한 실시 예들 이외에도, 단순하게 설계 변경되거나 용이하게 변경할 수 있는 실시 예들도 포함될 것이다. 또한, 본 발명은 실시 예들을 이용하여 용이하게 변형하여 실시할 수 있는 기술들도 포함될 것이다. 따라서, 본 발명의 범위는 상술한 실시 예들에 국한되어 정해져서는 안되며, 후술하는 특허청구범위뿐만 아니라 이 발명의 특허청구범위와 균등한 것들에 의해 정해져야 할 것이다.

Claims (6)

  1. 상황 인식 정보 관리부; 및
    복수의 센서들;을 포함하되,
    상기 상황 인식 정보 관리부는, 복수의 센서들로부터 전기적 측정 신호를 수신하는 통신부, 상기 통신부를 통해 제공받은 전기적 측정 신호를 저장하는 저장부, 및 상기 저장부에 저장된 전기적 측정 신호를 이용하여 상기 복수의 센서들 주변 영역의 상황을 분석하는 제어부를 포함하되,
    상기 복수의 센서들 주변 영역의 상황은 화재 상황 또는 지진 상황을 포함하고,
    상기 복수의 센서들은 적어도 2종류의 센서들을 포함하고,
    상기 제어부는, 상기 복수의 센서들 중 제1 센서들에서 이벤트가 감지되고 제2 센서들에서 이벤트가 감지되지 않은 경우, 상기 제1 센서들에 대한 이벤트 신호를 생성하고, 상기 제2 센서들로부터 전기적 측정 신호를 다시 수신하여 상기 제2 센서들로부터 이벤트가 감지되는지 재탐색하도록 구성되고, 상기 제1 센서들과 상기 제2 센서들은 서로 다르며,
    상기 제1 센서들 및 상기 제2 센서들에서 이벤트가 감지되었는지는 아래의 수식(1)에 기초하여 결정되고,
    아래의 수식(1)에서 x(Si(t0))=1인 경우 이벤트가 감지된 것으로 결정되고, x(Si(t0))=0인 경우 이벤트가 감지되지 않은 것으로 결정되며,
    … 수식(1)
    (Si(t0): 시각 t0에서 센서가 감지하는 이벤트 신호값, δi: 기준 값, x(Si(t0)): 시각 t0에서 센서가 감지하는 이벤트 신호값이 기준 값보다 큰 경우 1, 작은 경우 0인 값)
    상기 제어부는, 상기 재탐색을 통해 상기 제2 센서들이 이벤트를 감지하지 않는 것으로 판단한 경우, 상기 제1 센서들이 감지하는 시간에 따른 이벤트 변화 양상을 관찰하도록 구성되고,
    상기 제1 센서들이 감지하는 시간에 따른 이벤트 변화 양상은 아래의 수식(2)에 기초하여 관찰되며,
    아래의 수식(2)에서 η(Sp(tj))=1인 경우 이벤트는 증가 양상이고, η(Sp(tj))=0인 경우 이벤트는 감소 양상이며,
    … 수식(2)
    (Sp(tj), Sp(tj-1): 시각 tj, tj-1에서 센서가 감지하는 이벤트 신호값, η(Sp(tj)): 시각 tj에서 센서가 감지하는 이벤트 신호값이 시각 tj-1에서 센서가 감지하는 이벤트 신호값보다 큰 경우 1, 작은 경우 0인 값)
    상기 제어부는, 상기 제1 센서들이 감지하는 이벤트가 감소되는 것으로 판단하는 경우 상기 제1 센서들의 이벤트를 접수하지 않고, 상기 제1 센서들이 감지하는 이벤트가 증가하는 것으로 판단하는 경우 상기 제2 센서들 중 이벤트를 감지하는 제3 센서들의 존재를 확인하며, 상기 제3 센서들에 대한 이벤트 신호를 생성하도록 구성되고,
    상기 제1 센서들이 감지하는 이벤트는 일 때 증가하는 것으로 판단되고, 상기 제1 센서들이 감지하는 이벤트는 일 때 감소하는 것으로 판단되며,
    상기 제2 센서들 중 이벤트를 감지하는 상기 제3 센서들의 존재는 아래의 수식(3)에 의해 확인되고,
    아래의 수식(3)에서 x(Si(t0))=1인 경우 상기 제3 센서가 존재하는 것으로 확인되고, x(Si(t0))=0인 경우 상기 제3 센서가 존재하지 않는 것으로 확인되는 지능형 수배전반.
    … 수식(3)
    (Si(t0): 시각 t0에서 제2 센서들이 감지하는 이벤트 신호값, δi: 기준 값, x(Si(t0)): 시각 t0에서 제2 센서들이 감지하는 이벤트 신호값이 기준 값보다 큰 경우 1, 작은 경우 0인 값)
  2. 삭제
  3. 삭제
  4. 제 1 항에 있어서,
    상기 제어부는, 상기 제3 센서들 중 이벤트 감지를 중단하는 제4 센서들의 존재를 확인하고, 상기 제4 센서들이 다시 이벤트를 감지하는지 확인하되, 상기 제4 센서들이 다시 이벤트를 감지하지 않는 경우 제4 센서들에 대한 이벤트 신호 생성을 종료하도록 구성되고,
    상기 제3 센서들 중 이벤트 감지를 중단하는 상기 제4 센서들의 존재는 아래의 수식(4)로 확인되며,
    아래의 수식(4)에서 x(Si(t0))=0인 경우 상기 제4 센서가 존재하는 것으로 확인되고, x(Si(t0))=1인 경우 상기 제4 센서가 존재하지 않는 것으로 확인되는 지능형 수배전반.
    …수식(4)
    (Si(t0): 시각 t0에서 제2 센서들이 감지하는 이벤트 신호값, δi: 기준 값, x(Si(t0)): 시각 t0에서 제2 센서들이 감지하는 이벤트 신호값이 기준 값보다 큰 경우 1, 작은 경우 0인 값)
  5. 제 4 항에 있어서,
    상기 제어부는, 상기 제1 센서들 및 상기 제3 센서들의 이벤트 신호 값들의 합에 가중치를 곱한 값들을 측정 횟수로 나눈 결과, 각 센서별 최대 이벤트 신호 값, 및 이벤트 발생 횟수에 기초하여 발생한 이벤트의 위험도를 판단하도록 구성되고,
    상기 제어부는 이면 위험도는 5로 판단하고, 이면 위험도는 4로 판단하고, 이면 위험도는 3으로 판단하고, 이면 위험도는 2로 판단하고, 이면 위험도는 1로 판단하도록 구성되며,
    상기 는 발생한 이벤트의 개수이고, ei(TS)j는 생성된 이벤트 신호이며, w는 가중치이고, 는 센서가 보고한 이벤트 중 최대값이고, 는 이벤트 평균값에 가중치를 곱한 것인 지능형 수배전반.

  6. 삭제
KR1020230036940A 2023-03-21 2023-03-21 데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 적용한 지능형 수배전반 KR102671288B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020230036940A KR102671288B1 (ko) 2023-03-21 2023-03-21 데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 적용한 지능형 수배전반
KR1020240062327A KR102710689B1 (ko) 2023-03-21 2024-05-13 데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 적용한 지능형 수배전반
KR1020240062332A KR102710655B1 (ko) 2023-03-21 2024-05-13 데이터 스트림 이벤트 분석 기반 상황 인식 시스템
KR1020240062329A KR102676251B1 (ko) 2023-03-21 2024-05-13 데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 적용한 지능형 수배전반

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230036940A KR102671288B1 (ko) 2023-03-21 2023-03-21 데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 적용한 지능형 수배전반

Related Child Applications (3)

Application Number Title Priority Date Filing Date
KR1020240062327A Division KR102710689B1 (ko) 2023-03-21 2024-05-13 데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 적용한 지능형 수배전반
KR1020240062332A Division KR102710655B1 (ko) 2023-03-21 2024-05-13 데이터 스트림 이벤트 분석 기반 상황 인식 시스템
KR1020240062329A Division KR102676251B1 (ko) 2023-03-21 2024-05-13 데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 적용한 지능형 수배전반

Publications (1)

Publication Number Publication Date
KR102671288B1 true KR102671288B1 (ko) 2024-06-03

Family

ID=91496433

Family Applications (4)

Application Number Title Priority Date Filing Date
KR1020230036940A KR102671288B1 (ko) 2023-03-21 2023-03-21 데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 적용한 지능형 수배전반
KR1020240062332A KR102710655B1 (ko) 2023-03-21 2024-05-13 데이터 스트림 이벤트 분석 기반 상황 인식 시스템
KR1020240062329A KR102676251B1 (ko) 2023-03-21 2024-05-13 데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 적용한 지능형 수배전반
KR1020240062327A KR102710689B1 (ko) 2023-03-21 2024-05-13 데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 적용한 지능형 수배전반

Family Applications After (3)

Application Number Title Priority Date Filing Date
KR1020240062332A KR102710655B1 (ko) 2023-03-21 2024-05-13 데이터 스트림 이벤트 분석 기반 상황 인식 시스템
KR1020240062329A KR102676251B1 (ko) 2023-03-21 2024-05-13 데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 적용한 지능형 수배전반
KR1020240062327A KR102710689B1 (ko) 2023-03-21 2024-05-13 데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 적용한 지능형 수배전반

Country Status (1)

Country Link
KR (4) KR102671288B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101421588B1 (ko) * 2014-03-17 2014-07-23 지투파워 (주) 적외선 열화상 온도 영역 변화 기반의 고압배전반,저압배전반,분전반,모터제어반의 열화 진단 방법
KR20170105958A (ko) * 2016-03-11 2017-09-20 문성기 인공지능형 분전반
KR102189670B1 (ko) * 2019-09-17 2020-12-11 이문수 스마트 배전반에서 센서데이터 스트림 처리 방법 및 그 스마트 배전반
KR102203120B1 (ko) * 2020-03-04 2021-01-13 서연희 내성 강화형 배전반 및 이를 제어하기 위한 방법
KR102219806B1 (ko) * 2019-09-17 2021-02-23 이문수 스마트 배전반의 상황 인식 방법 및 그 스마트 배전반

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101421588B1 (ko) * 2014-03-17 2014-07-23 지투파워 (주) 적외선 열화상 온도 영역 변화 기반의 고압배전반,저압배전반,분전반,모터제어반의 열화 진단 방법
KR20170105958A (ko) * 2016-03-11 2017-09-20 문성기 인공지능형 분전반
KR102189670B1 (ko) * 2019-09-17 2020-12-11 이문수 스마트 배전반에서 센서데이터 스트림 처리 방법 및 그 스마트 배전반
KR102219806B1 (ko) * 2019-09-17 2021-02-23 이문수 스마트 배전반의 상황 인식 방법 및 그 스마트 배전반
KR102203120B1 (ko) * 2020-03-04 2021-01-13 서연희 내성 강화형 배전반 및 이를 제어하기 위한 방법

Also Published As

Publication number Publication date
KR102710689B1 (ko) 2024-09-26
KR102676251B1 (ko) 2024-06-19
KR102710655B1 (ko) 2024-09-26

Similar Documents

Publication Publication Date Title
Danbatta et al. Comparison of Zigbee, Z-Wave, Wi-Fi, and bluetooth wireless technologies used in home automation
CN111710122A (zh) 一种基于泛在电力物联网的安全用电管理系统
KR102319083B1 (ko) 인공지능 기반의 화재예방 제공 장치 및 방법
CN112614293A (zh) 一种基于边缘计算的电力物联网安全预警方法及系统
KR102475148B1 (ko) Ess 화재 예방 시스템 및 그 방법
CN111726341A (zh) 一种数据检测方法、装置、电子设备及存储介质
Maity et al. A wireless surveillance and safety system for mine workers based on Zigbee
CN103093279A (zh) 紧急应变指挥系统及方法
US20240291578A1 (en) Systems and methods for premises monitoring
CN115495320A (zh) 一种基于大数据的通信机房防护的监测管理系统
KR20180065589A (ko) 복합 판단을 통한 기상 센서의 이상 감지 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체
KR102215519B1 (ko) 확장현실 환경에서 엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 엣지 게이트웨이, 클라우드 서버 및 방법
KR20210019355A (ko) Lpwa 망 기반 안전예방 시스템 및 그 제공방법
KR102617708B1 (ko) 인공지능 기반 화재감시시스템
KR102671288B1 (ko) 데이터 스트림 이벤트 분석 기반 상황 인식 시스템을 적용한 지능형 수배전반
CN117156386A (zh) 消防智能定位、呼救、报警对讲设备
CN117134490A (zh) 一种基于云平台的智能电涌保护器监测系统及其方法
CN111769987A (zh) 基于大数据管理模型的网络信息安全测试系统及方法
JP2018152662A (ja) 通信装置、監視方法及びプログラム
CN106296446B (zh) 一种供电安全管理系统及方法
EP3705783B1 (en) System for controlling and monitoring devices, plants and/or domestic circuits and operation method thereof
CN209784760U (zh) 一种智能家居管理系统
CN113033071A (zh) 基于深度学习算法的设备智能测温方法、终端、存储装置
TWI655841B (zh) 太陽能發電效率之分析系統及分析方法
KR102568300B1 (ko) 센서 데이터를 이용하는 상황 인식 시스템 및 그것의 상황 인식 방법

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
A107 Divisional application of patent
GRNT Written decision to grant