KR20210118707A - 지중 케이블의 부분방전 분석 장치 및 그 방법 - Google Patents

지중 케이블의 부분방전 분석 장치 및 그 방법 Download PDF

Info

Publication number
KR20210118707A
KR20210118707A KR1020200035290A KR20200035290A KR20210118707A KR 20210118707 A KR20210118707 A KR 20210118707A KR 1020200035290 A KR1020200035290 A KR 1020200035290A KR 20200035290 A KR20200035290 A KR 20200035290A KR 20210118707 A KR20210118707 A KR 20210118707A
Authority
KR
South Korea
Prior art keywords
partial discharge
data
prpd
image
format
Prior art date
Application number
KR1020200035290A
Other languages
English (en)
Inventor
정연하
장태인
유승덕
이승우
이의찬
Original Assignee
한국전력공사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전력공사 filed Critical 한국전력공사
Priority to KR1020200035290A priority Critical patent/KR20210118707A/ko
Publication of KR20210118707A publication Critical patent/KR20210118707A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
    • G01R31/1263—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
    • G01R31/1272—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation of cable, line or wire insulation, e.g. using partial discharge measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/083—Locating faults in cables, transmission lines, or networks according to type of conductors in cables, e.g. underground
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
    • H02G9/00—Installations of electric cables or lines in or on the ground or water
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52—Outage or fault management, e.g. fault detection or location

Landscapes

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

Abstract

본 발명은 지중 케이블의 부분방전 분석 장치 및 그 방법이 개시된다. 본 발명의 지중 케이블의 부분방전 분석 방법은, 제어부가 데이터 수집부를 통해 부분방전 시스템으로부터 진단 데이터를 수집하는 단계; 제어부가 수집된 진단 데이터의 포맷에 따라 표준 포맷의 PRPD 이미지로 변환하여 전처리하는 단계; 및 제어부가 표준 포맷의 PRPD 이미지를 기반으로 부분방전 학습모델을 적용하여 부분방전 결함유형을 판정하는 단계;를 포함하는 것을 특징으로 한다.

Description

지중 케이블의 부분방전 분석 장치 및 그 방법{APPARATUS FOR ANALYZING PARTIAL DISCHARGE OF UNDERGROUND CABLE AND METHOD THEREOF}
본 발명은 지중 케이블의 부분방전 분석 장치 및 그 방법에 관한 것으로서, 보다 상세하게는 지중 케이블에서 발생되는 부분방전을 진단하는 다양한 진단 시스템으로부터 발생되는 진단 데이터를 수집하여 기계학습 기반으로 학습모델을 구축함으로써, 부분방전 결함을 분석할 수 있도록 하는 지중 케이블의 부분방전 분석 장치 및 그 방법에 관한 것이다.
일반적으로, 지중 케이블 시스템은 송전급 전력 케이블과 접속을 위한 접속함 및 부속자재로 구성이 되며, 전력 케이블 및 접속함의 고장을 사전에 감지하여 예방할 수 있는 현존하는 기술 중의 하나가 부분 방전 검출 및 분석 기술이다.
운영 중인 지중 케이블 선로에서 나오는 부분방전 신호는 주변의 다양한 신호 및 노이즈가 혼합되어 있어서, 실제 부분방전 신호를 구분하거나 위치를 정확하게 판단하는 것이 쉽지 않다. 실제로 송전급 케이블 시스템에서 부분방전 측정 및 검출에 의한 고장 예방 실적이 매우 드문 형편이며, 진단 후 고장 예방 조치를 취할 시간적 여유가 없이 곧 바로 절연파괴로 진전되는 경우도 많다.
현재의 지중 케이블 및 접속함의 부분방전 검출 및 판정을 위해서는 T-F 분석(Time-Frequency Analysis), Pulse 분석(Pulse Analysis) 등의 소프트웨어적인 기법들이 주로 사용되고 있으며, 부분방전으로 의심되는 패턴을 어느 정도 분류해 내고 있으나, 결정적으로 부분방전이 발생하는 위치를 정확히 감지하고 있지는 못하는 실정이다.
이는 지중 케이블 시스템에서는 부분방전의 발생 크기 및 거리, 측정시간에 따라서 같은 부분방전 신호라 하더라도 다르게 측정이 되고 양상이 달라지기 때문이다. 또한, 정확한 발생 위치 추적을 위해서는 전용장비를 갖추어 수차례에 걸쳐 위치추적 작업을 수행해야 하는 등 진위여부 판별에 장시간이 소요된다.
이러한 상황은 근본적으로 지중 케이블 접속함은 GIS(Gas Insulated Switch Gear), 가공선로, 케이블 접지선 등과 연결되어 있는 고로, 인접설비에서 발생하는 부분방전 신호가 내부에서 발생하는 부분방전 신호와 중첩 또는 혼선되기 때문이며, 접속함에 연결되어 있는 접지선 등을 통하여 노이즈가 유입되기도 하기 때문이다. 한편으로 접속함 종류에 따라서 부분방전 측정센서를 최적으로 취부하기가 어려운 구조가 존재하기 때문이기도 하다.
본 발명의 배경기술은 대한민국 등록특허공보 제10-2037103호(2019.17.26. 공고, 부분 방전 분석 장치 및 방법)에 개시되어 있다.
이러한 지중 케이블은 한번 고장이 발생하면 파급효과가 경제적 손실뿐만 아니라 고장 범위가 커서 민원 발생 가능성 높아지는 문제점이 있다.
지중 케이블에서 발생되는 고장의 많은 부분은 접속함 시공 및 제작 불량으로 부분방전을 발생시킬 수 있어 부분방전으로 진단하고 판정하고 있다.
이때, 지중 케이블에서 발생되는 부분방전 신호의 특징은 크기가 작고 간헐적이기 때문에 장기간, 정밀진단이 필요하며 케이블 접속함 부분방전 진단방법이 가장 효과적인 접근방법으로 현재 345kV 중요선로에 온라인 부분방전 진단시스템이 설치되어 운용 중에 있다.
여기서, 부분방전(PD : Partial Discharge)은 절연체 내부의 결함(보이드, 돌기, 이물질 등)에서 전계집중으로 인한 국부적인 전기방전 현상으로 전극 간 완전한 절연파괴를 의미하지 않고, 부분방전에 의한 스트레스로 점차적으로 절연체의 가장 취약한 부위를 따라 탄화되면서 절연파괴로 진전된다.
부분방전의 패턴은 발생요인에 따라 파형의 형태가 달라지고, 결함의 종류에 따라 다양한 패턴을 나타내고 있고 있으며, 부분방전에 의해 발생되는 신호는 PRPD(Phase Resolved Partial Discharge)라고 하며 위상, 크기, 방전의 횟수로 표현될 수 있다.
최근에는 IEC 61850 통신프로토콜을 적용한 지중 케이블의 온라인 부분방전 진단 시스템을 도입하여 현장에 적용하고 있다.
이러한 온라인 부분방전 진단 시스템의 경우 부분방전이라는 알람이 발생하면 최종적으로 오프라인에서 전문가가 부분방전 여부 및 유형을 분석하여 판정하고 있다.
그러나 다양한 유형의 결함으로 인해 발생되는 부분방전은 패턴형태가 상이하기 때문에 결함을 정확하게 판정하는 것이 어려울 뿐만 아니라 현재까지 부분방전 판정은 전문가 중심으로 이루어지고 있어 경험과 노하우에 좌우되기 쉽기 때문에 판정에 대한 신뢰성을 확보하기 어려운 문제점이 있다.
본 발명은 상기와 같은 문제점들을 개선하기 위하여 안출된 것으로, 일 측면에 따른 본 발명의 목적은 지중 케이블에서 발생되는 부분방전을 진단하는 다양한 진단 시스템으로부터 발생되는 진단 데이터를 수집하여 기계학습 기반으로 학습모델을 구축함으로써, 부분방전 결함을 분석할 수 있도록 하는 지중 케이블의 부분방전 분석 장치 및 그 방법을 제공하는 것이다.
본 발명의 일 측면에 따른 지중 케이블의 부분방전 분석 장치는, 부분방전 진단 시스템으로부터 진단 데이터를 수집하는 데이터 수집부; 데이터 수집부로부터 수집된 진단데이터의 데이터 포맷에 따라 전처리한 후 표준 포맷의 PRPD 이미지를 기반으로 부분방전 학습모델을 적용하여 부분방전 결함을 분석하는 제어부; 및 제어부로부터 판정된 결과를 저장하는 판정결과 DB;를 포함하는 것을 특징으로 한다.
본 발명에서 진단 데이터는, jpeg나 jpg 포맷의 PRPD 데이터, dat 포맷의 PRPS 데이터 및 펄스 데이터 중 어느 하나 이상인 것을 특징으로 한다.
본 발명에서 제어부는, 펄스 데이터를 전처리하여 전이 학습모델(Transfer Learning)을 통해 1차적으로 부분방전을 분류한 후 PRPS 데이터를 전처리하여 표준 포맷의 PRPD 이미지로 변환하는 것을 특징으로 한다.
본 발명에서 표준 포맷의 PRPD 이미지는, 표준 칼라맵을 적용한 224*224 파일 사이즈로 구성된 것을 특징으로 한다.
본 발명에서 제어부는, 진단 데이터를 전처리하여 표준 포맷의 PRPD 이미지로 변환하는 전처리부; 표준 포맷의 PRPD 이미지로부터 부분방전 결함유형을 판정하기 위한 학습모델을 탑재한 학습모델부; 및 학습모델을 적용하여 부분방전 결함유형을 판정하는 판정부;를 포함하는 것을 특징으로 한다.
본 발명의 다른 측면에 따른 지중 케이블의 부분방전 분석 방법은, 제어부가 데이터 수집부를 통해 부분방전 시스템으로부터 진단 데이터를 수집하는 단계; 제어부가 수집된 진단 데이터의 포맷에 따라 표준 포맷의 PRPD 이미지로 변환하여 전처리하는 단계; 및 제어부가 표준 포맷의 PRPD 이미지를 기반으로 부분방전 학습모델을 적용하여 부분방전 결함유형을 판정하는 단계;를 포함하는 것을 특징으로 한다.
본 발명에서 부분방전 학습모델은, CNN(Convolutional Neural Network)의 VGG19 알고리즘을 이용하여 개발된 학습 모델인 것을 특징으로 한다.
본 발명에서 부분방전 학습모델은, 표준 포맷의 PRPD 이미지를 레이블링하여 트레인셋(Train set), 테스트셋(Test set) 및 밸리드셋(Valid set)을 8:1:1 비율로 분산한 학습용 데이터셋을 생성하여 VGG19 알고리즘으로 학습한 모델인 것을 특징으로 한다.
본 발명에서 전처리하는 단계는, 진단 데이터가 이미지 파일 포맷의 PRPD(Phase Resolved Partial Discharge) 데이터인 경우, 제어부가 진단 데이터에서 픽셀별로 RGB 값을 추출하여 빈도수로 변경하고 원천 칼라맵 정보를 기반으로 CSV(Comma-Separated Values) 파일을 생성한 후 표준 칼라맵의 PRPD 이미지를 생성하고 표준 사이즈로 조절하여 표준 포맷의 PRPD 이미지로 변환하는 것을 특징으로 한다.
본 발명에서 표준 사이즈는, CNN(Convolutional Neural Network)에 적합한 224*224 사이즈 인 것을 특징으로 한다.
본 발명에서 전처리하는 단계는, 진단 데이터가 dat 파일 포맷의 PRPD나 PRPS(Phase Resolved Pulse Sequence) 데이터인 경우, 제어부가 진단 데이터에서 바이너리 파일을 파싱하여 CSV 파일을 생성한 후 표준 칼라맵의 PRPD 이미지를 생성하고 표준 사이즈로 조절하여 표준 포맷의 PRPD 이미지로 변환하는 것을 특징으로 한다.
본 발명에서 전처리하는 단계는, 진단 데이터가 dat 파일 포맷의 펄스(Pulse) 데이터인 경우, 제어부가 진단 데이터에서 바이너리 파일을 파싱하여 CSV 파일을 생성한 후 2차원으로 차원을 축소하여 플로팅(Plotting) 이미지로 변환하는 것을 특징으로 한다.
본 발명에서 2차원으로 차원 축소는, 제어부가 t-SNE(T-distributed Stochastic Neighbor Embedding)를 이용하여 차원을 축소하는 것을 특징으로 한다.
본 발명은 제어부가 플로팅 이미지에 대해 전이 학습모델(Transfer Learning)을 통해 1차적으로 부분방전을 분류한 후 PRPS 데이터를 전처리하여 표준 포맷의 PRPD 이미지로 변환하는 단계를 더 포함하는 것을 특징으로 한다.
본 발명에서 전이 학습모델은, 부분방전 유형별로 데이터를 추출하여 K-means 알고리즘을 이용하여 다수의 cluster 를 생성한 후, 각 cluster 당 설정 개수 이상의 이미지가 존재하는 클러스터에 대해서 설정 개수 이미지를 랜덤하게 추출하여 클러스터링한 학습 데이터셋을 생성하여 VGG19 알고리즘으로 학습한 모델인 것을 특징으로 한다.
본 발명의 일 측면에 따른 지중 케이블의 부분방전 분석 방법은 지중 케이블에서 발생되는 부분방전을 진단하는 다양한 진단 시스템으로부터 발생되는 진단 데이터를 수집하여 기계학습 기반으로 학습모델을 구축함으로써, 부분방전 결함을 분석할 수 있어 객관적이고 정확도가 높은 판정으로 고장예방과 함께 선로 운영 점검기준 및 교체결정에 활용될 수 있다.
도 1은 본 발명은 본 발명의 일 실시예에 따른 지중 케이블의 부분방전 분석 장치를 나타낸 블록 구성도이다.
도 2는 본 발명의 일 실시예에 따른 지중 케이블의 부분방전 분석 방법을 설명하기 위한 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 지중 케이블의 부분방전 분석 방법에서 PRPD 데이터의 전처리 과정을 설명하기 위한 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 지중 케이블의 부분방전 분석 방법에서 PRPS 데이터의 전처리 과정을 설명하기 위한 흐름도이다.
도 5는 본 발명의 일 실시예에 따른 지중 케이블의 부분방전 분석 방법에서 펄스 데이터의 전처리 과정을 설명하기 위한 흐름도이다.
도 6은 본 발명의 일 실시예에 따른 지중 케이블의 부분방전 분석 방법에서 펄스 데이터에 대해 플로팅 이미지로 변환한 결과를 나타낸 예시도이다.
이하, 첨부된 도면들을 참조하여 본 발명에 따른 지중 케이블의 부분방전 분석 장치 및 그 방법을 설명한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명은 본 발명의 일 실시예에 따른 지중 케이블의 부분방전 분석 장치를 나타낸 블록 구성도이다.
도 1에 도시된 바와 같이 본 발명의 일 실시예에 따른 지중 케이블의 부분방전 분석 장치는, 데이터 수집부(10), 제어부(20) 및 판정결과 DB(30)를 포함할 수 있다.
데이터 수집부(10)는 지중 케이블의 부분방전을 진단하는 휴대용 진단장치, 온라인 부분방전 진단 시스템 및 IEC 61850 기반 온라인 부분방전 진단 시스템으로부터 진단한 진단 데이터를 수집할 수 있다.
여기서, 휴대용 진단장치 및 온라인 부분방전 진단 시스템의 진단 데이터는 PRPD(Phase Resolved Partial Discharge) 데이터로 256*256 파일 사이즈의 *.jpeg 나 *.jpg 포맷의 데이터로 구성되고, IEC 61850 기반 온라인 부분방전 진단 시스템의 진단 데이터는 PRPS(Phase Resolved Pulse Sequence)와 펄스(Pulse) 데이터로 *.dat 포맷의 데이터로 이루어진다.
제어부(20)는 데이터 수집부(10)로부터 수집된 다양한 포맷의 진단 데이터를 포맷에 따라 전처리하여 CNN(Convolutional Neural Network) 학습모델을 적용할 수 있도록 표준 칼라맵을 적용한 224*224 파일 사이즈의 표준 포맷의 PRPD 이미지로 변환한 후 부분방전 학습모델을 적용하여 부분방전 결함유형을 판정할 수 있다.
여기서, 제어부(20)는 진단 데이터를 전처리하여 표준 포맷의 PRPD 이미지로 변환하는 전처리부(210)와, 표준 포맷의 PRPD 이미지로부터 부분방전 결함유형을 판정하기 위한 학습모델을 탑재한 학습모델부(220)와, 학습모델을 적용하여 부분방전 결함유형을 판정하는 판정부(230)를 포함할 수 있다.
제어부(20)의 전처리부(210)는 진단 데이터가 jpeg나 jpg 이미지 파일 포맷의 PRPD(Phase Resolved Partial Discharge) 데이터인 경우, 진단 데이터에서 픽셀별로 RGB 값을 추출하여 빈도수로 변경하고 원천 칼라맵 정보를 기반으로 CSV(Comma-Separated Values) 파일을 생성한 후 표준 칼라맵을 적용하여 PRPD 이미지를 생성하고 CNN에 적합한 224*224 사이즈의 표준 사이즈로 조절하여 표준 포맷의 PRPD 이미지로 변환할 수 있다.
또한, 전처리부(210)는 진단 데이터가 dat 파일 포맷의 PRPD나 PRPS(Phase Resolved Pulse Sequence) 데이터인 경우, 진단 데이터에서 바이너리 파일을 파싱하여 CSV 파일을 생성한 후 표준 칼라맵을 적용하여 PRPD 이미지를 생성하고 표준 사이즈로 조절하여 표준 포맷의 PRPD 이미지로 변환할 수 있다.
또한, 전처리부(210)는 진단 데이터가 dat 파일 포맷의 펄스(Pulse) 데이터인 경우, 진단 데이터에서 바이너리 파일을 파싱하여 CSV 파일을 생성한 후 2차원으로 차원을 축소하여 플로팅(Plotting) 이미지로 변환할 수 있다.
학습모델부(220)에 탑재된 부분방전 학습모델은 CNN(Convolutional Neural Network)의 VGG19 알고리즘을 이용하여 개발된 학습 모델로, 표준 포맷의 PRPD 이미지를 레이블링하여 트레인셋(Train set), 테스트셋(Test set) 및 밸리드셋(Valid set)을 8:1:1 비율로 분산한 학습용 데이터셋을 생성하여 VGG19 알고리즘으로 학습한 모델이다.
또한, 전이 학습모델은 부분방전 유형별로 데이터를 추출하여 K-means 알고리즘을 이용하여 다수의 cluster 를 생성한 후, 각 cluster 당 설정 개수 이상의 이미지가 존재하는 클러스터에 대해서 설정 개수 이미지를 랜덤하게 추출하여 클러스터링한 학습 데이터셋을 생성하여 VGG19 알고리즘으로 학습한 모델이다.
제어부(20)의 판정부(230)는 표준 칼라맵을 적용한 224*224 파일 사이즈의 표준 포맷의 PRPD 이미지를 기반으로 부분방전 학습모델에 적용하여 부분방전 결함유형을 판정할 수 있다.
또한, 판정부(230)는 IEC 61850 기반 온라인 부분방전 진단 시스템의 진단 데이터의 경우, 펄스 데이터를 전처리한 플로팅 이미지를 기반으로 전이 학습모델(Transfer Learning)을 통해 1차적으로 부분방전을 분류한 후 PRPS 데이터를 전처리하여 변환한 표준 포맷의 PRPD 이미지로 부분방전 학습모델을 적용하여 부분방전 결함유형을 판정할 수 있다.
제어부(20)는 위와 같이 부분방전 결함유형을 판정한 후 판정결과를 판정결과 DB(30)에 저장함으로써 부분방전의 결함유형에 따라 지중 케이블의 트랜드 확인으로 고장 예방과 함께 선로 운영 점검기준 및 교체 결정에 활용할 수 있도록 한다.
상술한 바와 같이, 본 발명의 실시예에 의한 지중 케이블의 부분방전 분석 장치에 따르면, 지중 케이블에서 발생되는 부분방전을 진단하는 다양한 진단 시스템으로부터 발생되는 진단 데이터를 수집하여 기계학습 기반으로 학습모델을 구축함으로써, 부분방전 결함을 분석할 수 있어 객관적이고 정확도가 높은 판정으로 고장예방과 함께 선로 운영 점검기준 및 교체결정에 활용될 수 있다.
도 2는 본 발명의 일 실시예에 따른 지중 케이블의 부분방전 분석 방법을 설명하기 위한 흐름도이고, 도 3은 본 발명의 일 실시예에 따른 지중 케이블의 부분방전 분석 방법에서 PRPD 데이터의 전처리 과정을 설명하기 위한 흐름도이며, 도 4는 본 발명의 일 실시예에 따른 지중 케이블의 부분방전 분석 방법에서 PRPS 데이터의 전처리 과정을 설명하기 위한 흐름도이고, 도 5는 본 발명의 일 실시예에 따른 지중 케이블의 부분방전 분석 방법에서 펄스 데이터의 전처리 과정을 설명하기 위한 흐름도이며, 도 6은 본 발명의 일 실시예에 따른 지중 케이블의 부분방전 분석 방법에서 펄스 데이터에 대해 플로팅 이미지로 변환한 결과를 나타낸 예시도이다.
도 2에 도시된 바와 같이 본 발명의 일 실시예에 따른 지중 케이블의 부분방전 분석 방법에서는 먼저, 제어부(20)가 데이터 수집부(10)를 통해 부분방전 시스템으로부터 진단 데이터를 수집한다(S10).
여기서, 진단 데이터는 지중 케이블의 부분방전을 진단하는 휴대용 진단장치, 온라인 부분방전 진단 시스템 및 IEC 61850 기반 온라인 부분방전 진단 시스템으로부터 수집한 진단 데이터이다.
또한, 휴대용 진단장치 및 온라인 부분방전 진단 시스템의 진단 데이터는 PRPD(Phase Resolved Partial Discharge) 데이터로 256*256 파일 사이즈의 *.jpeg 나 *.jpg 포맷의 데이터로 구성되고, IEC 61850 기반 온라인 부분방전 진단 시스템의 진단 데이터는 PRPS(Phase Resolved Pulse Sequence)와 펄스(Pulse) 데이터로 *.dat 포맷의 데이터로 이루어진다.
S10 단계에서 진단 데이터를 수집한 후 제어부(20)는 진단 데이터의 포맷에 따라 표준 포맷의 PRPD 이미지로 변환하여 전처리한다(S20).
S20 단계에서 진단 데이터의 포맷에 따라 전처리하는 과정은 도 3에 도시된 바와 같이 진단 데이터가 256*256 사이즈의 *.jpeg나 *.jpg 이미지 포맷의 PRPD(Phase Resolved Partial Discharge) 데이터인 경우에는, 먼저 제어부(20)는 수집한 진단 데이터에서 픽셀별로 RGB 값을 추출한다(S210).
S210 단계에서 추출한 RGB 값에 대해 제어부(20)는 색거리를 이용하여 RGB 값을 빈도수로 변경한다(S212).
S212 단계에서 빈도수로 변경한 후 제어부(20)는 원천 칼라맵 정보를 기반으로 CSV(Comma-Separated Values) 파일을 생성한다(S214).
S214 단계에서 CSV 파일을 생성한 후 제어부(20)는 표준 칼라맵을 적용하여 PRPD 이미지를 생성하고 CNN(Convolutional Neural Network)에 적합한 224*224 사이즈의 표준 사이즈로 조절하여 표준 포맷의 PRPD 이미지로 변환한다(S216).
예를 들어, 표준 칼라맵은 부분방전 빈도수에 따라 칼라가 정의된 맵으로서 부분방전 빈도수가 0 인 경우 white, 1 인 경우 black, 2~7 인 경우 gray, 8~70 인 경우 red, 71~80 인 경우 orange, 80 초과인 경우 yellow로 정의될 수 있다.
또한, S20 단계에서 진단 데이터의 포맷에 따라 전처리할 때, 진단 데이터가 dat 파일 포맷의 PRPD나 PRPS(Phase Resolved Pulse Sequence) 데이터인 경우에는, 도 4에 도시된 바와 같이 제어부(20)는 진단 데이터에서 바이너리 파일을 파싱한다(S220).
S220 단계에서 바이너리 파일을 파싱한 후 제어부(20)는 바이너리 파일로부터 PRPD 빈도수로 CSV 파일을 생성한다(S222).
S222 단계에서 CSV 파일을 생성한 후 제어부(20)는 표준 칼라맵을 적용하여 CNN(Convolutional Neural Network)에 적합한 224*224 사이즈의 표준 포맷의 PRPD 이미지로 변환한다(S224).
한편, 또한, S20 단계에서 진단 데이터의 포맷에 따라 전처리할 때, 진단 데이터가 dat 파일 포맷의 펄스(Pulse) 데이터인 경우에는, 도 5에 도시된 바와 같이 제어부(20)는 진단 데이터에서 바이너리 파일을 파싱한다(S230).
S230 단계에서 바이너리 파일을 파싱한 후 제어부(20)는 바이너리 파일로부터 PRPD 빈도수로 CSV 파일을 생성한다(S232).
S232 단계에서 바이너리 파일로부터 CSV 파일을 생성하면 200차원의 데이터가 생성된다. 따라서 제어부(20)는 CSV 파일을 생성한 후 t-SNE(T-distributed Stochastic Neighbor Embedding)를 이용하여 2차원으로 차원을 축소한다(S234).
여기서, t-SNE는 고차원 공간상의 데이터를 2차원 또는 3차원의 저차원 공간으로 가져와 시각화하는 비선형 차원 축소 기법의 기계학습 알고리즘이다.
S234 단계에서 차원을 축소한 후 제어부(20)는 CSV 파일에 기초하여 플로팅(Plotting) 이미지로 변환한다(S236).
예를 들어, IEC 61850 기반 온라인 부분방전 진단시스템에서 수집된 펄스 데이터는 시간축으로 200㎲ 펄스 데이터를 t-SNE 방법을 통해 2차원으로 차원축소를 할 수 있으며, 200개의 데이터를 플로팅 이미지로 변환하면 도 6에 도시된 바와 같이 부분방전 결함유형에 따라 고유의 특징을 확인할 수 있다.
도 6의 (가)에 도시된 바와 같이 Corona 부분방전의 경우 크게 4가지 그룹형태를 가질 수 있고, (나)에 도시된 바와 같이 Noise는 곡선모양이 여러 개 나타나며, (다)에 도시된 바와 같이 Void 부분방전은 다중 그룹으로 형성되는 것을 확인할 수 있다.
S20 단계에서 수집한 진단 데이터의 포맷에 따라 전처리하여 표준 포맷의 PRPD 이미지로 변환한 후 제어부(20)는 표준 포맷의 PRPD 이미지를 기반으로 부분방전 학습모델을 적용한다(S30).
여기서, 부분방전 학습모델은 CNN(Convolutional Neural Network)의 VGG19 알고리즘을 이용하여 학습모델을 개발할 수 있다.
이때 부분방전 학습모델은 표준 포맷의 PRPD 이미지를 부분방전의 유형에 따라 void, surface, corona 등으로 레이블링하여 트레인셋(Train set), 테스트셋(Test set) 및 밸리드셋(Valid set)을 8:1:1 비율로 분산한 학습용 데이터셋을 생성하여 VGG19 알고리즘으로 학습할 수 있다.
S30 단계에서 부분방전 학습모델을 적용한 후 제어부(20)는 부분방전 학습모델에 따라 부분방전 결함유형을 판정한다(S40).
한편, 제어부(20)는 IEC 61850 기반 온라인 부분방전 진단 시스템의 진단 데이터의 경우, S20 단계에서 펄스 데이터를 전처리한 플로팅 이미지를 기반으로 전이 학습모델(Transfer Learning)을 적용하여 1차적으로 부분방전을 분류한 후 부분방전인 경우 2차적으로 진단 데이터인 PRPS 데이터를 전처리하여 표준 포맷의 PRPD 이미지로 변환한 후 부분방전 학습모델을 적용하여 부분방전 결함유형을 판정할 수 있다.
예를 들어, 전이 학습모델은 부분방전 유형별로 랜덤하게 2000건의 데이터를 추출하여 K-means 알고리즘을 이용하여 20개의 cluster 를 생성한 후, 각 cluster 당 20개 이상의 이미지가 존재하는 클러스터에 대해서 20개 이미지를 랜덤하게 추출하여 클러스터링한 학습 데이터셋을 생성하여 VGG19 알고리즘으로 학습하여 구성할 수 있다.
여기서, K-means 알고리즘은 주어진 데이터를 k개의 클러스터로 묶는 알고리즘으로, 각 클러스터와 거리 차이의 분산을 최소화하는 방식으로 동작하는 자율 학습의 일종으로 레이블이 달려 있지 않은 입력 데이터에 레이블을 달아주는 역할을 수행할 수 있다.
S40 단계에서 부분방전 결함유형을 판정한 후 제어부(20)는 판정결과를 판정결과 DB(30)에 저장하여 부분방전의 결함유형에 따라 지중 케이블의 트랜드 확인으로 고장 예방과 함께 선로 운영 점검기준 및 교체 결정에 활용할 수 있도록 한다(S50).
상술한 바와 같이, 본 발명의 실시예에 의한 지중 케이블의 부분방전 분석 방법에 따르면, 지중 케이블에서 발생되는 부분방전을 진단하는 다양한 진단 시스템으로부터 발생되는 진단 데이터를 수집하여 기계학습 기반으로 학습모델을 구축함으로써, 부분방전 결함을 분석할 수 있어 객관적이고 정확도가 높은 판정으로 고장예방과 함께 선로 운영 점검기준 및 교체결정에 활용될 수 있다.
본 명세서에서 설명된 구현은, 예컨대, 방법 또는 프로세스, 장치, 소프트웨어 프로그램, 데이터 스트림 또는 신호로 구현될 수 있다. 단일 형태의 구현의 맥락에서만 논의(예컨대, 방법으로서만 논의)되었더라도, 논의된 특징의 구현은 또한 다른 형태(예컨대, 장치 또는 프로그램)로도 구현될 수 있다. 장치는 적절한 하드웨어, 소프트웨어 및 펌웨어 등으로 구현될 수 있다. 방법은, 예컨대, 컴퓨터, 마이크로프로세서, 집적 회로 또는 프로그래밍 가능한 로직 디바이스 등을 포함하는 프로세싱 디바이스를 일반적으로 지칭하는 프로세서 등과 같은 장치에서 구현될 수 있다. 프로세서는 또한 최종-사용자 사이에 정보의 통신을 용이하게 하는 컴퓨터, 셀 폰, 휴대용/개인용 정보 단말기(personal digital assistant: "PDA") 및 다른 디바이스 등과 같은 통신 디바이스를 포함한다.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다.
따라서 본 발명의 진정한 기술적 보호범위는 아래의 청구범위에 의해서 정하여져야 할 것이다.
10 : 데이터 수지부
20 : 제어부
30 : 판정결과 DB
210 : 전처리부
220 : 학습모델부
230 : 판정부

Claims (15)

  1. 부분방전 진단 시스템으로부터 진단 데이터를 수집하는 데이터 수집부;
    상기 데이터 수집부로부터 수집된 상기 진단데이터의 데이터 포맷에 따라 전처리한 후 표준 포맷의 PRPD 이미지를 기반으로 부분방전 학습모델을 적용하여 부분방전 결함을 분석하는 제어부; 및
    상기 제어부로부터 판정된 결과를 저장하는 판정결과 DB;를 포함하는 것을 특징으로 하는 지중 케이블의 부분방전 분석 장치.
  2. 제 1항에 있어서, 상기 진단 데이터는, jpeg나 jpg 포맷의 PRPD 데이터, dat 포맷의 PRPS 데이터 및 펄스 데이터 중 어느 하나 이상인 것을 특징으로 하는 지중 케이블의 부분방전 분석 장치.
  3. 제 2항에 있어서, 상기 제어부는,상기 펄스 데이터를 전처리하여 전이 학습모델(Transfer Learning)을 통해 1차적으로 부분방전을 분류한 후 PRPS 데이터를 전처리하여 상기 표준 포맷의 PRPD 이미지로 변환하는 것을 특징으로 하는 지중 케이블의 부분방전 분석 장치.
  4. 제 1항에 있어서, 상기 표준 포맷의 PRPD 이미지는, 표준 칼라맵을 적용한 224*224 파일 사이즈로 구성된 것을 특징으로 하는 지중 케이블의 부분방전 분석 장치.
  5. 제 1항에 있어서, 상기 제어부는,
    상기 진단 데이터를 전처리하여 상기 표준 포맷의 PRPD 이미지로 변환하는 전처리부;
    상기 표준 포맷의 PRPD 이미지로부터 부분방전 결함유형을 판정하기 위한 학습모델을 탑재한 학습모델부; 및
    상기 학습모델을 적용하여 부분방전 결함유형을 판정하는 판정부;를 포함하는 것을 특징으로 하는 지중 케이블의 부분방전 분석 장치.
  6. 제어부가 데이터 수집부를 통해 부분방전 시스템으로부터 진단 데이터를 수집하는 단계;
    상기 제어부가 수집된 상기 진단 데이터의 포맷에 따라 표준 포맷의 PRPD 이미지로 변환하여 전처리하는 단계; 및
    상기 제어부가 상기 표준 포맷의 PRPD 이미지를 기반으로 부분방전 학습모델을 적용하여 부분방전 결함유형을 판정하는 단계;를 포함하는 것을 특징으로 하는 지중 케이블의 부분방전 분석 방법.
  7. 제 6항에 있어서, 상기 부분방전 학습모델은, CNN(Convolutional Neural Network)의 VGG19 알고리즘을 이용하여 개발된 학습 모델인 것을 특징으로 하는 지중 케이블의 부분방전 분석 방법.
  8. 제 6항에 있어서, 상기 부분방전 학습모델은, 상기 표준 포맷의 PRPD 이미지를 레이블링하여 트레인셋(Train set), 테스트셋(Test set) 및 밸리드셋(Valid set)을 8:1:1 비율로 분산한 학습용 데이터셋을 생성하여 VGG19 알고리즘으로 학습한 모델인 것을 특징으로 하는 지중 케이블의 부분방전 분석 방법.
  9. 제 6항에 있어서, 상기 전처리하는 단계는, 상기 진단 데이터가 이미지 파일 포맷의 PRPD(Phase Resolved Partial Discharge) 데이터인 경우, 상기 제어부가 상기 진단 데이터에서 픽셀별로 RGB 값을 추출하여 빈도수로 변경하고 원천 칼라맵 정보를 기반으로 CSV(Comma-Separated Values) 파일을 생성한 후 표준 칼라맵의 PRPD 이미지를 생성하고 표준 사이즈로 조절하여 상기 표준 포맷의 PRPD 이미지로 변환하는 것을 특징으로 하는 지중 케이블의 부분방전 분석 방법.
  10. 제 9항에 있어서, 상기 표준 사이즈는, CNN(Convolutional Neural Network)에 적합한 224*224 사이즈 인 것을 특징으로 하는 지중 케이블의 부분방전 분석 방법.
  11. 제 6항에 있어서, 상기 전처리하는 단계는, 상기 진단 데이터가 dat 파일 포맷의 PRPD나 PRPS(Phase Resolved Pulse Sequence) 데이터인 경우, 상기 제어부가 상기 진단 데이터에서 바이너리 파일을 파싱하여 CSV 파일을 생성한 후 표준 칼라맵의 PRPD 이미지를 생성하고 표준 사이즈로 조절하여 상기 표준 포맷의 PRPD 이미지로 변환하는 것을 특징으로 하는 지중 케이블의 부분방전 분석 방법.
  12. 제 6항에 있어서, 상기 전처리하는 단계는, 상기 진단 데이터가 dat 파일 포맷의 펄스(Pulse) 데이터인 경우, 상기 제어부가 상기 진단 데이터에서 바이너리 파일을 파싱하여 CSV 파일을 생성한 후 2차원으로 차원을 축소하여 플로팅(Plotting) 이미지로 변환하는 것을 특징으로 하는 지중 케이블의 부분방전 분석 방법.
  13. 제 12항에 있어서, 상기 2차원으로 차원 축소는, 상기 제어부가 t-SNE(T-distributed Stochastic Neighbor Embedding)를 이용하여 차원을 축소하는 것을 특징으로 하는 지중 케이블의 부분방전 분석 방법.
  14. 제 12항에 있어서, 상기 제어부가 플로팅 이미지에 대해 전이 학습모델(Transfer Learning)을 통해 1차적으로 부분방전을 분류한 후 PRPS 데이터를 전처리하여 상기 표준 포맷의 PRPD 이미지로 변환하는 단계를 더 포함하는 것을 특징으로 하는 지중 케이블의 부분방전 분석 방법.
  15. 제 14항에 있어서, 상기 전이 학습모델은, 부분방전 유형별로 데이터를 추출하여 K-means 알고리즘을 이용하여 다수의 cluster 를 생성한 후, 각 cluster 당 설정 개수 이상의 이미지가 존재하는 클러스터에 대해서 설정 개수 이미지를 랜덤하게 추출하여 클러스터링한 학습 데이터셋을 생성하여 VGG19 알고리즘으로 학습한 모델인 것을 특징으로 하는 지중 케이블의 부분방전 분석 방법.
KR1020200035290A 2020-03-23 2020-03-23 지중 케이블의 부분방전 분석 장치 및 그 방법 KR20210118707A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200035290A KR20210118707A (ko) 2020-03-23 2020-03-23 지중 케이블의 부분방전 분석 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200035290A KR20210118707A (ko) 2020-03-23 2020-03-23 지중 케이블의 부분방전 분석 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR20210118707A true KR20210118707A (ko) 2021-10-01

Family

ID=78609810

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200035290A KR20210118707A (ko) 2020-03-23 2020-03-23 지중 케이블의 부분방전 분석 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR20210118707A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114545167A (zh) * 2022-02-23 2022-05-27 四川大学 一种基于t-SNE算法的电缆终端局放脉冲分类方法
CN117783793A (zh) * 2024-02-23 2024-03-29 泸州老窖股份有限公司 一种开关柜的故障监测方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114545167A (zh) * 2022-02-23 2022-05-27 四川大学 一种基于t-SNE算法的电缆终端局放脉冲分类方法
CN117783793A (zh) * 2024-02-23 2024-03-29 泸州老窖股份有限公司 一种开关柜的故障监测方法及系统
CN117783793B (zh) * 2024-02-23 2024-05-07 泸州老窖股份有限公司 一种开关柜的故障监测方法及系统

Similar Documents

Publication Publication Date Title
CN108765373B (zh) 一种基于集成分类器在线学习的绝缘子异常自动检测方法
KR100729107B1 (ko) 부분방전 원인 자동 추론용 신경망 회로의 입력벡터생성방법
KR20210118707A (ko) 지중 케이블의 부분방전 분석 장치 및 그 방법
CN115187527B (zh) 一种多源混合型特高频局部放电图谱的分离识别方法
KR101965159B1 (ko) 머신러닝을 이용한 이상 신호 분류 인공지능 알고리즘 방법 및 이를 이용한 변전소 상태감시 시스템
CN112327100B (zh) 基于物联网的电力故障检测方法及其系统
CN109523543B (zh) 一种基于边缘距离的导线断股检测方法
CN115982602B (zh) 一种光伏变压器电故障检测方法
CN113259216B (zh) 一种can总线信号解析方法及系统
CN116308300B (zh) 一种电力设备状态监测评价与指挥方法及系统
CN111444471A (zh) 一种基于多元高斯分布的电缆生产质量异常检测方法和系统
JPH0829480A (ja) 送電線故障区間及び故障様相の評定方法
CN114897855A (zh) 基于x射线图片灰度值分布判定缺陷类型的方法
CN117630611B (zh) 全带宽高频局放prpd谱图捕获生成方法及系统
KR102163155B1 (ko) 중첩 산점도를 이용한 데이터 변환 방법 및 장치
Ma et al. Fractal‐based autonomous partial discharge pattern recognition method for MV motors
CN117409529B (zh) 一种多场景电气火灾在线监测方法及系统
Huang et al. A method of transmission conductor-loosened detect based on image sensors
Xuan et al. Intelligent identification method of insulator defects based on CenterMask
CN116540015A (zh) 一种基于暂态波形信号的配电网故障预警方法及系统
CN115839788A (zh) 一种基于应力测量的馈线卡具的固定状态检测系统
CN113362630B (zh) 交通信号设备故障分析处理方法、系统及计算机存储介质
CN114089136A (zh) 基于人工智能的高压电缆局放检测与缺陷诊断系统
EP3859358B1 (en) Partial discharge determination device and method
KR102216513B1 (ko) 실시간 전류 분석을 통한 전동기 열화 감지 방법 및 장치

Legal Events

Date Code Title Description
E902 Notification of reason for refusal