KR19990085800A - Fault prediction method of insulator using EVENT-DATE analysis - Google Patents
Fault prediction method of insulator using EVENT-DATE analysis Download PDFInfo
- Publication number
- KR19990085800A KR19990085800A KR1019980018422A KR19980018422A KR19990085800A KR 19990085800 A KR19990085800 A KR 19990085800A KR 1019980018422 A KR1019980018422 A KR 1019980018422A KR 19980018422 A KR19980018422 A KR 19980018422A KR 19990085800 A KR19990085800 A KR 19990085800A
- Authority
- KR
- South Korea
- Prior art keywords
- event
- date
- failure
- insulator
- high frequency
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- 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
- G08B21/185—Electrical failure alarms
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01B—CABLES; CONDUCTORS; INSULATORS; SELECTION OF MATERIALS FOR THEIR CONDUCTIVE, INSULATING OR DIELECTRIC PROPERTIES
- H01B17/00—Insulators or insulating bodies characterised by their form
- H01B17/56—Insulating bodies
Abstract
본 발명은 이벤트-데이트(Event-date) 분석기법을 이용한 애자의 고장예측 방법에 관한 것으로, 특히 특정 변전소에서 인출되는 특고압(22.9KV) 배전선로에서의 전류 데이터에 일단의 주파수신호 분석기법을 거친후 생성되는 비정규 고조파성분(Non-harmonic Component)의 이벤트율(Event-date Percontage)을 계산하는 이벤트-데이트 분석기법(Event-date Analysis)을 이용하여 애자의 고장을 예측함으로써 전력설비의 효율적인 유지보수와 적정투자비 산출에 이용하도록 하는 것에 관한 것이다.The present invention relates to a method for predicting failure of insulators using an event-date analysis method. Particularly, a frequency signal analysis method is applied to current data of an extra-high voltage (22.9 KV) distribution line drawn from a specific substation. Efficient maintenance of power equipment by predicting insulator failure by using event-date analysis, which calculates the event-date percontage of non-harmonic components generated after coarse It is about making it available for calculation of remuneration and fair investment costs.
이와 같은 본 발명은, 고주파와 원시신호에 대하여 실효치 계산을 수행하는 단계와; 상기단계에서 필터를 거치지 않은 원시신호에 대해서 퓨리에 변환을 수행하는 단계와; 상기단계에 의해 비정규 고조파 성분을 추출하는 단계와; 상기단계에서 추출된 비정규 고조파 성분중 고주파 성분에 대하여 지-스코어 계산을 수행하는 단계와; 상기단계에서 계산된 이벤트를 계산하는 단계와; 상기단계에서 계산된 이벤트 횟수가 15회 이상이면 이벤트로 설정하는 단계와; 상기단계에서의 이벤트를 퍼센테지로 계산하는 단계와; 상기단계에서 계산된 이벤트률 30∼40% 이상이면 알람 또는 고장표시를 수행하도록 하는 단계와; 로 이루어진다.As described above, the present invention includes performing an effective value calculation on a high frequency signal and a raw signal; Performing Fourier transform on the raw signal that has not passed the filter in the above step; Extracting the non-normal harmonic components by the above steps; Performing a G-score calculation on the high frequency component among the non-normal harmonic components extracted in the above step; Calculating the event calculated in the step; Setting an event if the event count calculated in the step is 15 or more; Calculating the event in the step as a percentage; Performing an alarm or fault indication when the event rate calculated in the step is 30 to 40% or more; Is made of.
이와 같은 본 발명은 전력설비의 재해가능성을 사전에 예측가능하게 하는 것으로 특히 애자에 대한 고장징후 검출 및 분석기법을 이용하며 한 선로(D/L)에 대해 거시적으로 애자고장을 예측케 함으로써, 전력설비의 유지보수비를 절감하고 양질의 전력공급을 통한 공급신뢰도를 향상시킬수 있게 된다.As described above, the present invention makes it possible to predict the possibility of a disaster of power equipment in advance, and in particular, it uses a failure symptom detection and analysis method for insulators and predicts the insulator failure macroscopically for one line (D / L). The maintenance cost of the equipment can be reduced and supply reliability can be improved through high quality power supply.
Description
본 발명은 이벤트-데이트(Event-date) 분석기법을 이용한 애자의 고장예측 방법에 관한 것으로, 특히 특정 변전소에서 인출되는 특고압(22.9KV) 배전선로에서의 전류 데이터에 일단의 주파수신호 분석기법을 거친후 생성되는 비정규 고조파 성분(Non-harmonic Component)의 이벤트율(Event-date Percontage)을 계산하는 이벤트-데이트 분석기법(Event-date Analysis)을 이용하여 애자의 고장을 예측함으로써 전력설비의 효율적인 유지보수와 적정투자비 산출에 이용하도록 하는 것에 관한 것이다.The present invention relates to a method for predicting failure of insulators using an event-date analysis method. Particularly, a frequency signal analysis method is applied to current data of an extra-high voltage (22.9 KV) distribution line drawn from a specific substation. Efficient maintenance of power equipment by predicting insulator breakdown using Event-date Analysis, which calculates the event-date percontage of non-harmonic components generated after coarse It is about making it available for calculation of remuneration and fair investment costs.
현재 전력설비의 유지보수 방식은 설비를 일정기간이 지난후 일괄 교체하는 예방보전 개념의 방식과 고장후 보수 교체하는 사후보전 방식을 취하고 있다. 그러나 배전계통에서는 취급하는 위치나 선로의 크기가 광범위하고 대부분의 선로와 설비들이 노출된 상태에 있어서 여러가지 유지보수의 노력에도 불구하고 예상치 못했던 고장의 발생 특히, 경년열화로 인한 애자의 절연파괴 등으로 인하여 신뢰성 있고 안정적인 전력의 공급에 문제를 야기하고 있는 실정이다.At present, the maintenance method of electric power facilities takes the preventive maintenance concept of replacing the equipment after a certain period of time and the post-maintenance method of repairing and replacing after failure. However, in the distribution system, the location and track size are wide and most of the tracks and facilities are exposed, resulting in unexpected failures in spite of various maintenance efforts, especially breakdown of insulator due to aging deterioration. Therefore, the situation is causing problems in the supply of reliable and stable power.
본 발명은 배전선로 고장의 다수를 정하고 있는 애자의 경년열화에 의한 절연파괴를 거시적으로 예측하기 위해 고장이 발생하는 과정과 초기에 진행되어 마지막 파괴로 이를 때까지의 과정 및 이 과정에서 발생되는 특징적 신호를 감시하고자 선로의 전류 데이터에 대하여 주파수신호 처리분석을 행한 후 생성되는 비정규 고조파 성분의 추이와 이벤트(고장)와의 상관관계를 확률적으로 표시하는 이벤트-데이트 분석기법을 이용하여 애자의 고장을 예측하고자 하는 것이다.The present invention is a process of failure and early progress until the final breakdown to predict the macroscopic breakdown of the insulator deteriorating the majority of the distribution line failure and characteristic generated in this process In order to monitor the signal, the failure of the insulator is analyzed by using the event-date analysis method which shows the correlation between the trend of the non-normal harmonic component and the event (breakdown) after analyzing the frequency signal processing on the current data of the line. I want to predict.
상기한 목적을 달성하기 위한 본 발명은, 고주파와 원시신호에 대하여 실효치 계산을 수행하는 단계와; 상기단계에서 필터를 거치지 않은 원시신호에 대해서 퓨리에 변환을 수행하는 단계와; 상기단계에 의해 비정규 고조파 성분을 추출하는 단계와; 상기단계에서 추출된 비정규 고조파 성분중 고주파 성분에 대하여 지-스코어 계산을 수행하는 단계와; 상기단계에서 계산된 이벤트를 계산하는 단계와; 상기단계에서 계산된 이벤트 횟수가 15회 이상이면 이벤트로 설정하는 단계와; 상기단계에서의 이벤트를 퍼센테지로 계산하는 단계와; 상기단계에서 계산된 이벤트률 30∼40% 이상이면 알람 또는 고장표시를 수행하도록 하는 단계와; 로 이루어진다.The present invention for achieving the above object, the step of performing the effective value calculation for the high frequency and the raw signal; Performing Fourier transform on the raw signal that has not passed the filter in the above step; Extracting the non-normal harmonic components by the above steps; Performing a G-score calculation on the high frequency component among the non-normal harmonic components extracted in the above step; Calculating the event calculated in the step; Setting an event if the event count calculated in the step is 15 or more; Calculating the event in the step as a percentage; Performing an alarm or fault indication when the event rate calculated in the step is 30 to 40% or more; Is made of.
이와 같은 본 발명은 전력설비의 재해가능성을 사전에 예측가능하게 하는 것으로 특히 애자에 대한 고장징후 검출 및 분석기법을 이용하며 한 선로(D/L)에 대해 거시적으로 애자고장을 예측케 함으로써, 전력설비의 유지보수비를 절감하고 양질의 전력공급을 통한 공급신뢰도를 향상시킬수 있게 된다.As described above, the present invention makes it possible to predict the possibility of a disaster of power equipment in advance, and in particular, it uses a failure symptom detection and analysis method for insulators and predicts the insulator failure macroscopically for one line (D / L). The maintenance cost of the equipment can be reduced and supply reliability can be improved through high quality power supply.
도 1 은 본 발명에 있어서, 애자고장 예측을 위한 파라메타추출-비정규고조파 성분을 나타낸 그래프1 is a graph showing parameter extraction-non-normal harmonic components for predicting insulator failure in the present invention.
도 2 는 본 발명에 있어서, 이벤트 데이트 분석을 위해 입력전류 신호를 처리하 는 흐름도2 is a flowchart of processing an input current signal for event data analysis according to the present invention.
도 3 은 본 발명에 있어서, 이벤트-데이트 분석기법의 단계적 적용을 예시로 보 인 그래프로서,Figure 3 is a graph illustrating the step-by-step application of the event-date analysis method in the present invention,
(a)는 전류에 대한 비고조파 성분의 지-스코어(Z-Score) 그래프(a) is a Z-Score graph of non-harmonic components versus current
(b)는 전류에 대한 비고조파 성분의 제로-크로싱(Zero-Crossing) 그래프(b) is a zero-crossing graph of non-harmonic components versus current
(c)는 전류에 대한 비고조파 성분의 이벤트 그래프(c) is the event graph of the non-harmonic component versus current
(d)는 이벤트와 애자사고와의 관계 그래프(이벤트-데이트 분석)(d) is a graph of the relationship between events and insane accidents
(e)는 비정규 고조파 성분에 대한 이벤트 결과를 이벤트율(En)으로 나타낸 그래프 (전체기간)(e) is a graph showing the result of events for non-normal harmonic components in terms of event rate (En) (total period)
도 4 는 본 발명에 있어서, 이벤트-데이트 분석법을 이용한 애자고장 예측 흐름 도4 is an agile failure prediction flow chart using an event-date analysis method according to the present invention.
본 발명에서 다루고자 하는 전력설비의 고장예측은 고장발생전 (전력설비의 경년열화에 따른 절연파괴와 같은 고장에 국한)에 미리 고장을 감지하여 운영자에게 경고를 고지케 함으로써 고장의 발생요인을 신속히 제거하는 설비보전 방법이다.The failure prediction of the power equipment to be dealt with in the present invention detects the failure before the occurrence of the failure (limited to failure such as insulation breakdown due to the aging of the power equipment) and prompts the operator to alert the cause of the failure. It is facility maintenance method to remove.
이를 위해서는 특정선로의 전압, 전류 데이터를 정밀분석하여 고장예측 정보를 지닌 특정 파라메타를 추출하고 항시 모니터링하여 특정 파라메타의 추이(Trend)를 감시, 분석해야 하기 때문에 오랜시간 동안에 누적된 신호의 분석을 요하게 된다.To do this, it is necessary to analyze the accumulated signal for a long time because it is necessary to precisely analyze the voltage and current data of a specific line, extract specific parameters with fault prediction information, and constantly monitor and analyze trends of specific parameters. do.
이를 위해 본 발명은 현장선로에서 취득된 누적된 신호(또는 데이터)를 분석하여 애자의 고장예측 정보가 담긴 특정 파라메타를 추출하고 애자의 고장예측을 위한 새로운 신호분석 방법을 제시하고자 하는 것으로, 첨부된 도면에 의하여 구체적으로 설명한다.To this end, the present invention is to extract a specific parameter containing the failure prediction information of the insulator by analyzing the accumulated signal (or data) acquired from the field line, and to propose a new signal analysis method for the failure prediction of the insulator. It demonstrates concretely by drawing.
애자고장 발생전의 전류데이터를 장시간 동안 정밀분석한 결과 전류의 비정규 고조파 성분(Non-harmonic Component)이 애자의 고장예측 정보를 가진다는 결과를 실험을 통하여 알 수 있다. 즉, 도 1은 애자사고 발생전 전류의 퓨리에 변환(Fourier Transform) 후 생성되는 비정규 고조파 성분의 추이를 나타낸 그래프이다. 이 도면에서 보면 전류신호의 비정규 고조파 성분의 분산치 ｛ = ∑ (data - mean)2｝가 애자 사고 발생전에 현저히 변화한다는 것을 알 수 있다. 따라서 이 전류의 비정규 고조파 성분이 애자고장 예측정보를 가지는 파라메타가 되는 것이다. 이러한 특정 파라메타를 가지고 본 발명은 애자고장 예측을 위한 새로운 신호분석 방법을 제시하고자 한다.As a result of accurate analysis of the current data before the occurrence of insulator failure, the experiment shows that the non-harmonic component of the current has failure prediction information of the insulator. That is, FIG. 1 is a graph showing the transition of non-normal harmonic components generated after a Fourier transform of a current before insulator occurrence. In this figure, it can be seen that the dispersion value 치 = ∑ (data-mean) 2 의 of the non-normal harmonic components of the current signal changes significantly before insulator occurrence. Therefore, the non-normal harmonic component of this current becomes a parameter having insulator failure prediction information. With this particular parameter, the present invention intends to propose a new signal analysis method for the prediction of insulator failure.
배전선로의 경우 수많은 애자가 한 피더(Feeder)에 설치되어 있고, 각각의 애자들은 서로 다른 열화상태를 가지며 경년열화 중에 놓여 있다. 그러므로 어느 하나의 애자가 파손에 이르게 되어 누설전류(Leakage Current) 발생 및 절연파괴(Flashover)를 보였다면 그것이 검출되어 새로운 것으로 검출된다 하더라도 동시에 다른 애자가 비슷한 상태에 이를 수 있기 때문에 애자 파손 전후에 어떤 특별하고 특이한 현상 (즉, 파손전에 나타났다가 파손 이후에는 즉시 없어지는 어떤 변수)을 발견한다는 것은 매우 어렵다. 환언하면 어느 한 애자의 파손전후에 똑같은 현상이 발생할 수가 있는 것이다.In the case of distribution lines, a large number of insulators are installed in one feeder, and each insulator has a different deterioration state and is placed in aging deterioration. Therefore, if one insulator breaks and shows leakage current and flashover, even if it is detected and detected as a new one, the other insulator can reach a similar state. It is very difficult to find unusual and unusual phenomena (ie, a variable that appears before the break and then disappears immediately after the break). In other words, the same phenomenon can occur before and after the breakage of any one insulator.
본 발명에서는 이러한 계속적인 현상을 고장예측에 구현하기 위하여 애자의 파손이 계속적으로 진행중이고 또한 앞으로 발생하게될 애자의 고장을 확률적으로 나타내주는 분석법을 창출하였다. 이는 고장예측 신호의 분석에 이벤트 데이트(Event date)라는 개념을 적용하는 것이다.In the present invention, in order to implement this continuous phenomenon in the failure prediction, an analysis method is created which shows the probability of the failure of the insulator continuously and in the future. This applies the concept of event date to the analysis of failure prediction signals.
상기에 있어서 이벤트 데이트를 정의하면, 다음과 같다. 즉, 배전선로에서 각 1분씩 취득된 데이터의 주파수 성분(비정규 고조파 성분)의 변화가 그 크기에서 큰 특징을 보이면 이러한 특징을 보인 날짜(date)를 "이벤트 데이트"라고 정의한다. 다시 말하면 이벤트 데이트는 비정규 고조파 성분의 변화가 큰 즉, 분산(Variance)이 큰 날이라고 정의한다.In the above, event dates are defined as follows. That is, if the change in the frequency component (non-normal harmonic component) of the data acquired for each minute in the distribution line shows a large characteristic in its magnitude, the date showing such characteristic is defined as "event date". In other words, event data defines a day when the variation of the non-harmonic component is large, that is, the variation is large.
여기에서, 본 발명은 이벤트와 사고와의 관계를 정립하기 위해서 현장 배전선로에서 취득된 중성전류(I0)에 대해 이벤트와 사고와의 관계를 분석하고자 한다.Here, the present invention is to analyze the relationship between the event and the accident for the neutral current (I 0 ) obtained from the on-site distribution line to establish the relationship between the event and the accident.
도 2는 본 발명에 있어서, 이벤트 데이트 분석을 위해 입력전류 신호를 처리하는 흐름도이다.2 is a flowchart of processing an input current signal for event data analysis according to the present invention.
배전선로의 중성전류(I0)를 1일 2회 (오전과 오후) 1분간 취득하는 단계(S1)와; 상기단계(S1)에서 취득된 데이터(유효 데이터는 오전, 오후 각 50초, 1분중 전, 후 5초는 레코더의 초기라도 신호(warm-up time)가 포함된 것으로 보고 제외)를 60사이클 프레임(1초)으로 퓨리에 변환(1일 총 2 × 50 = 100개의 데이터 샘플)하는 단계(S2)와; 상기단계(S2)에서 비정규 고조파 성분(60HZ 기본파 성분의 고조파 성분을 제외한 모든 주파수 성분의 합)을 추출하는 단계(S3)와; 상기단계(S3)에서 추출한 데이터에서 각각에 대한 평균을 제거하는 지-스코어 적용단계(S4)와; 상기단계(S4)에서 얻어진 데이터를 계산하여 수치로 환산케 하는 제로-크로싱 적용단계(S5)와; 상기단계(S5)에서 얻어진 수치가 15(하루의 데이터는 50개)를 넘으면 이벤트가 발생한 것으로 판단하는 단계(S6)와; 상기단계(S6)에서 발생된 이벤트에 대하여 이벤트-데이트율 계산하고 판정하는 단계(S7)와; 로 이루어진다.Acquiring the neutral current I 0 of the distribution line twice a day (morning and afternoon) for 1 minute (S 1 ); 60 cycles of the data acquired in the step S 1 (valid data is 50 seconds in the morning, afternoon, 5 seconds before and after 1 minute is considered to include a warm-up time even at the beginning of the recorder) Performing a Fourier transform (2 x 50 = 100 data samples per day) in a frame (1 second) (S 2 ); Extracting a non harmonic component (the sum of the frequency components other than the harmonic components of the fundamental wave component 60HZ) in the step (S 2) (S 3) and; A g-score applying step S 4 for removing an average for each of the data extracted in the step S 3 ; A zero-crossing application step (S 5 ) for calculating the data obtained in the step (S 4 ) and converting the data into numerical values; Determining that an event has occurred when the value obtained in the step S 5 exceeds 15 (50 data per day) (S 6 ); Calculating and determining an event-date rate with respect to the event generated in step S 6 (S 7 ); Is made of.
상기에 있어서, 단계(S4)에서 지-스코어를 적용하면 비정규 고조파 성분을 추출한 데이터에서 각각에 대한 평균치를 제거하여 크기를 무시한 순수한 변화만을 볼 수 있게 되고, 이는 비정규 고조파 성분이 실효치 성분에 영향을 받아서 그 크기가 증감하는 특성을 제거한 변화를 알 수 있게 된다. 이때 그 변화(Variance)가 큰 날을 이벤트 데이트로 선택한다. 그런데 이러한 변화를 눈으로 확인한다는 것은 어렵고 오차가 많기 때문에 이러한 오차를 없애기 위해서 "0"을 기준으로 얼마나 많이 변하는지를 측정하기 위해서 단계(S5)와 같은 제로-크로싱 적용단계를 거치게 한다.In the above, if the G-score is applied in the step (S 4 ), only the pure change ignoring the size can be seen by removing the average value for each from the data of extracting the non-normal harmonic components, which affects the effective value components. It can be seen that the change is removed by removing the characteristic of increasing and decreasing its size. At this time, the day with the large variation is selected as the event date. However, since it is difficult and error-prone to identify such a change, a zero-crossing application step such as step S 5 is required to measure how much change is made based on "0" to eliminate such an error.
그리고, 상기단계(S7)에서의 이벤트-데이트율 계산은 다음과 같이 표현된다.Then, the event-date rate calculation in step S 7 is expressed as follows.
상기에 있어서 ∑Event는 사고 다음날을 기준으로 기준일로 부터 오늘까지 발생된 이벤트의 합 ( Eventi= 제 i 날의 이벤트 여부. Eventi= 1, if event )이고, n은 기준일로 부터 오늘까지의 날짜수로 정의한다. 상기(1)식은 이벤트의 합을 날수로 나누어 100을 곱함으로써 사고의 확률을 백분율로 나타낸 것이다. 이 이벤트가 증가할수록 이벤트-데이트율(En)은 100%에 가깝게 증가할 것이고, 이벤트가 발생하지 않을 경우에는 이벤트-데이트율(En)은 감소하게 된다. 이때 이벤트와 사고의 관계를 밝히기 위하여 사고가 나면 리셋(Reset)하여 En = 0으로 하고, 이와 같이 하면 En의 증감과 사고일과의 구분이 쉬워지게 된다.In the above description, ∑Event is the sum of events generated from the base date to today on the day after the accident (Event i = whether the event is on the i day. Event i = 1, if event), and n is the date from the base date to today. Defined as the number of days. Equation (1) above shows the probability of an accident as a percentage by dividing the sum of events by the number of days and multiplying by 100. As this event increases, the event-date rate En will increase close to 100%. If no event occurs, the event-date rate En will decrease. At this time, in order to clarify the relationship between the event and the accident, if an accident occurs, it is reset and En = 0. By doing so, it is easy to distinguish between the increase and decrease of En and the accident date.
즉, 어제 사고가 발생하였다면 기준일은 오늘이 되며 이 기준일을 시점으로 해서 오늘 이벤트가 발생하지 않았다면 ∑Eventi는 "0" 이며, n은 "1"이 되어 En(%)는 0%가 되는 것이다. 그리고 다음날 사고가 발생하면 En(%)는 증가하며 사고가 발생하지 않으면 감소하면서 변화하게 된다.In other words, if an accident occurred yesterday, the base date is today. If today's event did not occur from this base date, ∑Event i is "0", n is "1", and En (%) is 0%. . If an accident occurs the next day, En (%) increases and decreases and changes when the accident does not occur.
이와 같이 하여 얻어진 이벤트-데이트 분석법을 현장 배전선로의 중성 전류데이터에 적용하여 실험을 통하여 구체적으로 설명한다.The event-date analysis obtained in this way is applied to the neutral current data of the field distribution line and explained in detail through experiments.
도 3은 1개월 간의 데이터와 전체기간에 걸친 데이터에 단계적으로 이벤트-데이트를 분석한 결과이다. 도 3(a)는 배전선로에서 1개월 동안 취득된 중성전류의 비정규 고조파 성분에 대한 지-스코어 그래프이다. 지-스코어는 데이터 측정일의 평균으로 측정데이터를 뺀것이다(1일 기준). 비정규 고조파 성분을 지-스코어 처리한 이유는 비정규 고조파 성분이 실효치 성분에 영향을 받아서 그 크기가 증감하는 특성을 제거하고 변화를 보기 위해서이다. 사고는 7월 3일 오후 5시 54분과 7월 18일 오후 4시 38분, 7월 31일 오후 2시 53분에 사고가 발생했다. 그러나 도 3(a)의 그래프로는 이러한 변화를 자세히 보기는 어렵다. 따라서 이러한 변화를 수치로 환산(제로 크로싱)하여 표시한 것이 도 3의 (b)이다. 이 도면은 1개월 동안 중성전류의 비정규 고조파 성분의 지-스코어를 1번더 처리한 그래프이다.3 is a result of analyzing the event-date step by step on the data for one month and the data over the entire period. Figure 3 (a) is a g-score graph of the non-normal harmonic components of the neutral current obtained for one month in the distribution line. The G-score is the average of the measured data minus the measured data (one day). The reason for non-scoring non-harmonic components is to see the change and remove the characteristic that the non-normal harmonic components are affected by the effective value components and increase or decrease in size. The accident occurred at 5:54 pm on July 3, at 4:38 pm on July 18, and at 2:53 pm on July 31. However, it is difficult to see this change in detail in the graph of FIG. Therefore, FIG. 3 (b) shows these changes converted into numerical values (zero crossings). This figure is a graph in which G-scores of non-normal harmonic components of neutral current are processed one more time for one month.
이는 도 3(a)의 그래프에서 얼마나 많은 변화가 생기는지를 정확히 알기 힘들기 때문에 변화를 계산하여 그래프로 나타낸 것이다. 오전과 오후로 나누고 15회(총 50개의 데이터 중에서, 1일 기준)를 제로 크로싱 계산의 기준(Threshold)으로 정하여 15회 이상이면 이벤트이고 그 미만이면 정상으로 처리하였다.This is because it is difficult to know exactly how many changes occur in the graph of FIG. It was divided into morning and afternoon, and 15 times (one day out of a total of 50 data) were set as a threshold of the zero crossing calculation.
이렇게 해서 하루의 측정치에 대한 결과를 하나의 수치로 나타내었으며 하루의 제로 크로싱 계산 수치가 15이상이면 이벤트이고 15미만이면 정상상태로 처리한 것이다.In this way, the results of the day's measurements were expressed as a single number, and if the zero crossing count of the day was 15 or more, the event was processed.
도 3(c)는 1개월 동안의 중성전류의 비정규 고조파 성분에 대한 이벤트 결과(오전과 오후로 나누어서 표시)와 사고일자(실제 애자사고)를 그래프로 표시한 것이다. 사고가 발생하기 전에는 항상 오전과 오후로 이벤트가 발생하는 것을 볼 수 있다. 우리가 여기서 관심 있게 보아야 할 부분이 바로 이 부분이다. 다시 말하면 이벤트가 발생하면 그 다음날 바로 사고가 발생할 수도 있고 아니면 그러한 이벤트들이 조금씩 누적되어 사고가 진전 또는 발생하기 때문이다. 이러한 결과는 전 구간의 데이터에 대하여 그래프로 그려보면 쉽게 알 수 있다. 동일한 방법으로 데이터 취득 전체구간에 대하여 이벤트-데이트 분석법을 적용시켜 보자. 이벤트와 사고와의 관계를 좀더 알아보기 쉽게 하기 위해서 위에서 정의한 En식을 적용시켜서 그래프로 나타내었다. 도 3(e)는 이러한 이벤트와 애자 사고와의 관계를 알기 쉽게 그래프로 그린 것이다. 도 3(d)는 1개월 동안 취득된 중성전류의 비정규 고조파 성분에 대한 이벤트 결과를 En으로 표시한 것이다. 사고는 7월 3일과 7월 18일, 7월 31일날 발생하였다. 사고에 대한 En 그래프를 보면 7월 3일 사고로 인하여 ∑Event의 기준일 이 4일로 바뀌면서 다시 이벤트(event)의 합을 구하기 때문에 4일날 이벤트(event)가 발생하지 않으면 En(En= 1/0 × 100 이므로)은 0%가 된다. 그러므로 4일의 오전과 오후 모두 En은 0%로 표시되는 것이다. 그리고 두 번째 사고인 18일 날의 사고의 영향으로 19일의 En은 오전에는 이벤트(event)가 발생하지 않아서 En(En= 1/0 × 100)은 0%가 되지만 오후에는 이벤트가 발생하여 En(En= 1/1 × 100)은 100%가 되는 것이다.Figure 3 (c) is a graph showing the event results (divided by morning and afternoon) and the accident date (actual insulator accident) for the non-normal harmonic components of the neutral current for one month. You can always see events happening in the morning and afternoon before the accident. This is what we should be interested in here. In other words, when an event occurs, an accident may occur the next day, or because such an event accumulates little by little, and the accident progresses or occurs. These results can be easily seen by graphing the data of all sections. In the same way, apply the event-date analysis method to the entire data acquisition interval. In order to make the relationship between an event and an accident easier to understand, the graph of the En expression defined above is applied. Figure 3 (e) is a graphical representation of the relationship between these events and insane thinking. FIG. 3 (d) shows an event result of En for the non-normal harmonic component of the neutral current acquired for one month. The accident occurred on July 3, July 18, and July 31. If you look at the En graph for the accident, the base date of ∑Event is changed to 4 days due to the July 3 accident, and the event is summed again, so if the event does not occur on the 4th day, En ( En = 1/0 × Is 100). Therefore, En is represented as 0% in both the morning and afternoon of the four days. And due to the impact of the second accident, the 18th day, En on the 19th did not occur in the morning, so En ( En = 1/0 × 100) became 0%, but in the afternoon, the event occurred. ( En = 1/1 × 100) is 100%.
도 3(e)는 96년 7월부터 97년 2월까지의 중성전류(유구)의 비정규 고조파(Non- harmonic) 성분에 대한 이벤트(event) 결과를 En으로 표시한 것이다. 그래프를 보면 7월 3일의 사고로 인하여 7월 4일의 En은 0%로 떨어진다. 그리고 다시 이벤트(event)의 발생으로 인하여 그래프가 증가하다가 7월 18일의 사고로 7월 19일의 오전En은 0%로 떨어지지만 오후에는 이벤트(event)가 발생하여 En이 100%를 나타낸 것이다. 9월에는 이벤트가 발생을 반복하다가 10월 2일과 3일의 사고로 인하여 다시 0%로 떨어지고 97년 1월과 2월의 그래프는 이벤트와 사고의 반복으로 인하여 그래프가 증가, 감소를 반복하면서 변화를 한다. 도 3(e)의 그래프를 정리하여 보면 En곡선의 기울기가 양인 경우, 다시 말하면 그래프가 증가하는 부분에서는 이벤트가 발생하는 부분이고 En곡선의 기울기가 음인 경우, 다시 말하면 그래프가 감소하는 부분에서는 이벤트가 발생하지 않는 부분이다(도 3(d)와 도 3(e)에서 보면 En(%)가 약 30∼40%가 되면 애자사고 발생 가능성이 높음을 알 수 있다.FIG. 3 (e) shows an event result of non-harmonic component of neutral current (guar) from July 1996 to February 97 as En. The graph shows that July 4th En drops to 0% due to the July 3rd accident. In addition, the graph increases due to the occurrence of an event, and in the afternoon of July 18, En falls to 0% on July 19, but in the afternoon, an event occurs and En represents 100%. . Event occurred repeatedly in September and then dropped back to 0% due to accidents on October 2 and 3, and the graphs in January and February 1997 changed as the graph increased and decreased due to repeated events and incidents. Do In the graph of FIG. 3 (e), when the slope of the En curve is positive, that is, when the graph increases, an event occurs in the portion where the graph increases, and when the slope of the En curve is negative, that is, when the graph decreases, the event occurs. (D) and FIG. 3E show that the incidence of insulators is high when En (%) is about 30 to 40%.
이제, 상기 이벤트 데이트 분석법을 이용하여 본 발명이 구현하고자 하는 애자고장 예측방법을 제시한다.Now, by using the event date analysis method proposes a method for predicting agitation failure to be implemented by the present invention.
도 4는 이벤트-데이트 분석법을 이용한 애자고장 예측흐름도이다.4 is an agile prediction flow chart using an event-date analysis method.
이 흐름도에 의하면 상(phase)과 중성전류(Neutral Current)에 대한 실효치(Rms)계산과 입력신호(원시신호) 중 임계치(Threshold) 이상의 펄스를 카운트하는 펄스 카운트 계산부 그리고 퓨리에 변환분석을 실시하는 부분으로 나누어진다.According to this flowchart, a pulse count calculation unit for counting pulses above a threshold value of an input signal (raw signal) and calculating a rms value for phase and neutral current, and performing a Fourier transform analysis Divided into parts.
즉, 시간을 설정하는 단계(S8)와; 상기단계(S8)에서 중성전류를 취득하는 단계(S9)와; 상기단계(S9)에서 고주파 필터를 통한 고주파와 원시신호에 대하여 실효치 계산을 수행하는 단계(S10)와; 고주파 필터를 거치지 않은 원시신호에 대하여 퓨리에 변환을 수행하는 단계(S11)와; 상기 퓨리에 변환을 수행하는 단계(S11) 및 실효치 계산을 수행하는 단계(S10)에서 얻어진 비정규 고조파 성분중 고주파 성분 및 실효치 값에 대하여 지-스코어 계산을 수행하는 단계(S12)와; 상기단계(S12)에서 얻어진 계산값으로 이벤트를 계산하는 단계(S13)와; 상기단계(S13)에서 얻어진 이벤트를 기준횟수(15회)와 비교하는 단계(S14)와; 상기단계(S14)에서 이벤트가 기준횟수(15) 이상이면 이벤트-데이트율을 계산하는 단계(S15)와; 상기단계(S15)에서 이벤트-데이트율이 30∼40% 이상인가를 판단하는 단계(S16)와; 상기단계(S16)에서 이벤트-데이트율이 30∼40% 이상이거나 이벤트 데이트율(En)이 증가하는 경우에는 고장표시 또는 경고음을 알리도록 하는 단계(S17)와; 로 이루어진다.That is, setting the time (S 8 ) and; Obtaining a neutral current in said step (S 8) (S 9) and; Performing an effective value calculation on the high frequency and the raw signal through the high frequency filter in step S 9 (S 10 ); Performing a Fourier transform on the raw signal not subjected to the high frequency filter (S 11 ); The Fourier transform step of performing a paper with respect to the high-frequency component and the rms value of the resultant non harmonic component at step (S 10) for performing (S 11) and calculates the effective value of - performing a score calculated (S 12) and; Calculating an event with the calculated value obtained in the step S 12 (S 13 ); Comparing the event obtained in the step S 13 with a reference number of times (15 times) (S 14 ); The step (S 14) If the event is based on the number of 15 or more in the event - calculating the date rate (S 15) and; The step (S 15) in the event comprising the steps of: determining the application date of not less than 30~40% (S 16) and; The step (S 16) in the event - if the date or of not less than 30 to 40% event rate date (En) is increased, the step (S 17) to notify that a failure indication or alarm; Is made of.
상기에 있어서, 단계(S10)에서 고주파 필터를 통과한 고주파 신호와 원시신호에 대하여 실행치 계산을 수행하게 되는데, 이 계산은 신호의 고주파 성분에 대한 분산(Variance)을 감시하기 위해서이다. 또한 고주파 필터를 거치지 않은 원시신호에 대해서는 퓨리에 변환이 수행되며 퓨리에 변환에서는 입력신호의 주파수 성분들을 분석하여 크기만을 나타낸다.In the above, an execution value calculation is performed on the high frequency signal and the original signal passing through the high frequency filter in step S 10 , in order to monitor the variance of the high frequency components of the signal. In addition, a Fourier transform is performed on the raw signal that has not been subjected to the high frequency filter, and the Fourier transform shows only the magnitude by analyzing the frequency components of the input signal.
이 분석을 통하여 비정규 고조파 성분이 추출되며 비고조파 성분은 30HZ, 90HZ, 150HZ, 210HZ, …들의 합이다. 이렇게 구해진 고주파 성분의 실효치값과 비정규 고조파 성분, 고주파 성분에 대하여 지-스코어 계산(단계(S12)참조)하고 이벤트를 계산한다(단계(S13)참조). 상기 지-스코어는 데이터에서 데이터 등의 평균을 제거한 것으로서 그 결과 평균이 "0"이 되므로 분석신호가 "0" (Zero)축을 몇차례 교차하는지를 알 수 있다. 단계(S13)에서의 이벤트계산 부분에서는 이벤트 횟수가 총15회 이상이면 이벤트 데이트로 설정하게 되는데, 이때의 이벤트-데이트율(En)은 증가하고, 이벤트가 15회 미만이면 이벤트 데이트가 아니므로 이벤트-데이트율(En)은 감소한다. 이 En값이 30∼40% 이상이 되는지를 판단하여 그 이상이면 애자의 고장이 임박하다는 사실을 모니터에 디스플레이 또는 경고음을 발생하게 되는 것이다.Through this analysis, non-harmonic components are extracted and non-harmonic components are 30HZ, 90HZ, 150HZ, 210HZ,... It is the sum of them. The G-score calculation (see step S 12 ) is performed on the effective value, the non-normal harmonic component, and the high frequency component of the obtained high frequency component, and the event is calculated (see step S 13 ). The G-score removes an average of data and the like from the data, and as a result, the average becomes "0", so it can be seen how many times the analysis signal crosses the "0" (Zero) axis. In the event calculation part at step S 13 , if the event count is 15 or more times, the event date is set to event date. However, the event-date rate En is increased, and if the event is less than 15 times, the event date is not event date. The event-date rate En decreases. It is determined whether this En value is 30 to 40% or more, and if it is higher than that, a monitor or a warning sound is generated on the monitor that the insulator is imminent.
본 발명은 사후보전에서 예측보전으로 전력설비 유지보전(Maintenance) 개념을 전환하는 새로운 방법으로서, 배전선로의 전류데이터를 이용하여 입력자료의 비정규 고조파 성분의 변화추이를 이벤트-데이트 분석법으로 분석하여 경년열화에 의한 애자고장의 임박성을 확률적으로 나타내주도록 하는 것이다.The present invention is a new method of converting the concept of maintenance of power equipment from post-maintenance to predictive maintenance, and analyzes the change of non-normal harmonic components of the input data by using the current data of the distribution line by an event-date analysis method. It is to indicate probabilisticly the impending impending failure due to deterioration.
이와 같은 본 발명은 전력설비의 효율적인 유지보수와 적정투자비 산출에 이용할 수 있으며, 수용가와 근접한 배전선로의 전력공급에 신뢰성을 더해주어 무정전 전력공급을 통한 국가 경쟁력을 확보할 수 있는 효과를 가진다.The present invention can be used for efficient maintenance of electric power equipment and calculation of proper investment cost, and adds reliability to power supply of power distribution lines close to customers, thereby securing national competitiveness through uninterrupted power supply.
Claims (2)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1019980018422A KR100291208B1 (en) | 1998-05-21 | 1998-05-21 | Method for predicting failure of electric insulator using event-date analysis technique |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1019980018422A KR100291208B1 (en) | 1998-05-21 | 1998-05-21 | Method for predicting failure of electric insulator using event-date analysis technique |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR19990085800A true KR19990085800A (en) | 1999-12-15 |
| KR100291208B1 KR100291208B1 (en) | 2001-07-12 |
Family
ID=37525994
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1019980018422A KR100291208B1 (en) | 1998-05-21 | 1998-05-21 | Method for predicting failure of electric insulator using event-date analysis technique |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR100291208B1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100915633B1 (en) * | 2008-06-12 | 2009-09-04 | 이현창 | The apparatus and method to locate the insulation degraded component by analyzing the change ratio of radio frequency noise signal while ground patrolling |
| KR100931021B1 (en) * | 2007-11-15 | 2009-12-11 | 현대중공업 주식회사 | Track monitoring diagnosis device with insulator defect determination module |
-
1998
- 1998-05-21 KR KR1019980018422A patent/KR100291208B1/en not_active IP Right Cessation
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100931021B1 (en) * | 2007-11-15 | 2009-12-11 | 현대중공업 주식회사 | Track monitoring diagnosis device with insulator defect determination module |
| KR100915633B1 (en) * | 2008-06-12 | 2009-09-04 | 이현창 | The apparatus and method to locate the insulation degraded component by analyzing the change ratio of radio frequency noise signal while ground patrolling |
Also Published As
| Publication number | Publication date |
|---|---|
| KR100291208B1 (en) | 2001-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1024573B1 (en) | Method and system for diagnosing partial discharge in gas-insulated apparatus | |
| EP2156203B1 (en) | Method and device to predict a state of a power system in the time domain | |
| Butler-Purry et al. | Characterization of transients in transformers using discrete wavelet transforms | |
| CN102187539B (en) | Apparatus and method for adaptive fault detection in mv distribution circuits | |
| AU673298B2 (en) | Load analysis system for fault detection | |
| US10281504B2 (en) | Method and apparatus for analyzing waveform signals of a power system | |
| DE10232823B4 (en) | Density monitor for SF6-insulated high or medium voltage systems | |
| EP1475813B1 (en) | Method and apparatus for controlling switching devices in electrical switchgear | |
| CN113643521A (en) | Equipment state early warning method and device for power equipment and electronic equipment | |
| Feizifar et al. | A new failure protection algorithm for circuit breakers using the power loss of switching arc incidents | |
| CN113533910A (en) | Method and system suitable for converter transformer partial discharge early warning | |
| Kim et al. | Evaluation of feeder monitoring parameters for incipient fault detection using Laplace trend statistic | |
| Huecker et al. | UHF partial discharge monitoring and expert system diagnosis | |
| KR100291208B1 (en) | Method for predicting failure of electric insulator using event-date analysis technique | |
| US8355882B2 (en) | Method for detecting high impedance faults by analyzing a local deviation from a regularization | |
| CN113721086A (en) | Method for monitoring the electrical insulation condition of a piece of equipment of an MV or HV electrical system | |
| Faisal et al. | Prediction of incipient faults in underground power cables utilizing S-transform and support vector regression | |
| CN115600879A (en) | Circuit breaker abnormity early warning method, system and related device | |
| JP2007020373A (en) | Method for detecting grounding and device therefor | |
| KR20050082826A (en) | Detector for gis and detecting method thereof | |
| Feizifar et al. | Condition monitoring of circuit breakers using arc models and failure detection algorithm | |
| CN111722060A (en) | Distribution line early fault severity evaluation method based on waveform characteristics | |
| Ma et al. | Research and application of intermittent partial discharge characteristics and easy-warning system for electric equipment | |
| DE19928192B4 (en) | Process for the reconstruction of a stream | |
| Natti et al. | Transmission system equipment maintenance: On-line use of circuit breaker condition data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| G170 | Publication of correction | ||
| FPAY | Annual fee payment |
Payment date: 20130304 Year of fee payment: 13 |
|
| FPAY | Annual fee payment |
Payment date: 20140303 Year of fee payment: 14 |
|
| FPAY | Annual fee payment |
Payment date: 20141001 Year of fee payment: 18 |
|
| EXPY | Expiration of term |