KR20220064575A

KR20220064575A - Ess 화재 예방 시스템 및 그 방법

Info

Publication number: KR20220064575A
Application number: KR1020200150787A
Authority: KR
Inventors: 기송도; 조석환; 김영신
Original assignee: 주식회사 에니트
Priority date: 2020-11-12
Filing date: 2020-11-12
Publication date: 2022-05-19
Also published as: KR102475148B1; WO2022102812A1

Abstract

본 발명은 ESS 화재 예방 시스템에 관한 것으로서, 보다 상세하게는 클라우드 시스템, 인공지능 시스템, 또는 BLE 5.0 기반 초소형 무선 센서를 이용하여 클라우드 기반 ESS 통합 안전관리시스템, BLE 5.0 기반 초소형 무선 센서 모듈 시스템, 및 인공지능 기반 Safety ESS Watchdog System을 제공할 수 있는 ESS 화재 예방 시스템에 관한 것이다.

Description

ESS 화재 예방 시스템 및 그 방법{ESS Fire Prevention System and the method thereof}

에너지 저장은 장치 혹은 물리적 매체를 이용하여 에너지를 저장하는 것을 말한다. 이에 쓰이는 장치를 축압기라고 하고, 더 넓은 범위의 시스템 전체를 "에너지 저장 시스템(Energy Storage System, ESS)"이라고 한다.

일반 가정에서 사용하는 건전지나 전자제품에 사용하는 소형 배터리도 전기에너지를 다른 에너지 형태로 변환하여 저장할 수 있지만 이런 소규모 전력저장장치를 ESS라고 말하지는 않고, 일반적으로 수백 kWh 이상의 전력을 저장하는 단독 시스템을 "ESS"라고 한다. ESS는 전력계통에서 발전, 송배전, 수용가에 설치되어 운영이 가능하며, 주파수 조정(Frequency Regulation), 신재생발전기 출력 안정화, 첨두부하 저감(Peak Shaving), 부하평준화(Load Leveling), 비상전원 등의 기능으로 사용된다. ESS는 전기에너지를 적게 사용할 때 저장하고 필요할 때 공급함으로써 에너지 이용효율 향상, 신재생에너지 활용도 제고 및 전력공급시스템 안정화에 기여할 수 있다.

현재, 에너지저장장치(ESS)에 압력, 과열, 진동, 충격, 쇼트, 과충전, 방전 등의 원인으로 인하여 화재가 빈번이 발생되고 있으며, 한번 발생된 화재는 진화가 매우 어려워 ESS 전체를 소실하고 있는 실정이다.

최근 잇따라 발생하고 있는 ESS 대형화재는 에너지신산업의 성장을 방해하고 있으며, 초소형 무선센서 기반 Edge Safety ESS 시스템이 필요하게 되었다.

따라서 Edge 컴퓨팅 기술을 적용하여 Edge에서 ESS 대형 화재를 사전에 예측, 감지 및 신속 대응으로 예방함으로써 더 큰 사고로 확대되지 않게 하여야 한다.

특히 초소형 무선 센서 모듈을 통한 ESS 내 주요 화재 유발 요소(off 가스, 습도, 온도, 연기, 진동) 수집 및 딥러닝 분석을 통해 배터리 열 폭주 등 화재 사전 징후를 감지함으로써 ESS 화재 및 폭발 사고를 원천 차단할 수 있는 기술/제품을 상용화할 필요가 생겼다.

한국등록특허 제1039133호 한국등록특허 제2045489호 한국등록특허 제2045871호

본 발명은 상기와 같은 문제점을 해결하기 위해 이루어진 것으로서, Edge 컴퓨팅 기반 Safety ESS Watchdog 시스템, 딥러닝 기반 ESS 화재 예측 및 진단을 위한 센서 데이터 분석 알고리즘, 원거리 다수의 ESS 운전상태 모니터링 및 관리를 위한 클라우드 기반 ESS 통합 모니터링 시스템 등을 이용하여 최근 빈번하게 발생하는 ESS(Energy Storage System) 화재폭발사고와 관련해서 ESS 내부에서 발생하는 화재 발생인자를 초소형 무선센서 기술을 이용하여 실시간 모니터링하고 특히 딥러닝 기반 센서 데이터 상관관계 분석을 통해 화재 및 폭발사고를 사전에 예측/감지/긴급 제어할 수 있는 시스템을 제공하는 데 목적이 있다.

특히, 열 폭주현상 발생시부터 화재시까지 약 10분의 골든타임에 오프가스를 조기에 감지하고 온도, 습도, 진동, 연기를 감지할 수 있는 BLE 5.0 기반 초소형 센서 기술을 접목한 자석부착식 센서 모듈 개발과 실시간 ESS 내부 환경 분석/예측을 통해 ESS 운전 비상 제어로 ESS 화재사고를 사전에 예방할 수 있는 ESS 통합 안전관리 통합 솔루션을 제공하는 데 목적이 있다.

이를 위해, 실시간 ESS 내부를 감시/모니터링하고, 화재 발생 원인을 사전 감지할 수 BLE 5.0 기반 저전력 초소형 무선센서 모듈을 불연소재를 이용하여 기구를 제작하고, 현장에서 ESS에 대한 긴급 제어를 위해 엣지(Edge) 컴퓨팅 기술을 적용한 Safety ESS Watchdog System을 설계/개발할 계획이며 원거리 다수의 ESS에 대한 실시간 통합 모니터링/안전관리를 위해 클라우드 기반의 ESS 통합 안전관리시스템을 제공하는 데 목적이 있다.

상기 과제를 해결하기 위하여 본 발명은 배터리 팩, 센서 노드, 및 상기 배터리 팩에 전력을 입력받아 저장하거나 계통방출하기 위해 전기 특성을 변환하는 전력변환 시스템으로 구성되는 ESS; 상기 ESS를 검증, 감시, 관리 및 제어하는 Ai Edge Controller;로 구성되고, 상기 Ai Edge Controller는 센서 노드의 데이터 유효성 검증을 위한 VEE 기능부, 상기 ESS의 자동 운전 스케줄러 기능 및 알람 통지 기능 구현을 위한 알람 통지 및 제어부, 상기 ESS의 실시간 운전 상태 감시 및 제어를 위한 고속 Edge Rules Engine Service부로 구성된다.

상기 센서 노드는 BLE 5.0 기반 저전력 무선통신방식을 적용하여 상시 전원공급과 별도의 통신 선로 구축이 필요 없고 자석 부착식이다.

상기 센서 노드는, 상기 ESS의 배터리 발열을 감지하는 온도 센서; 상기 ESS의 결로 현상을 감지하는 습도 센서; 상기 ESS의 화재 발생을 사전 감지하는 연기 센서; 상기 ESS의 물리적 충격 및 진동을 사전 감지하는 진동 센서;를 포함한다.

상기 Ai Edge Controller는 상기 센서 노드의 데이터를 인공지능 기반으로 분석, 예측, 및 알람한다.

본 발명은 ESS 내의 BLE 5.0 기반 초소형 무선 센서 모듈을 이용한 off 가스, 온도, 연기, 습도, 및 진동 정보를 포함하는 센서 데이터 생성 단계; 원거리 다수의 상기 ESS의 실시간 통합 관리를 위한 기능 정의, 클라우드 기반 통합 DB 구현 및 Device-Object 구조를 가지고, 상기 ESS 내 주요 화재 유발 요소 수집 및 감지하기 위해, 상기 ESS의 계통, 현황, 통계, 및 설정을 기반으로 비상제어 기능 구현, 통합 모니터링 및 개별 모니터링 단계; 상기 ESS 내 배터리 열 폭주를 포함하는 화재 사전 징후를 딥러닝 분석을 통해 학습하고, RNN 기법의 학습 오류 보정을 위한 LSTM 알고리즘 적용으로 상기 센서 데이터의 분석, 예측, 및 분석 및 예측에 따른 비상 상황시 알람 단계;를 포함한다.

상기 클라우드 기반 ESS 통합 안전관리시스템을 통한 실시간 저장 및 관리 단계는, VEE 기능부를 통한 센서 노드의 데이터 유효성 검증 단계;를 더 포함한다.

상기 클라우드 기반 ESS 통합 안전관리시스템을 통한 실시간 저장 및 관리 단계는, 알람 통지 및 제어부를 통한 상기 ESS의 자동 운전 스케줄러 기능 및 알람 통지 기능 구현 단계;를 포함한다.

상기 클라우드 기반 ESS 통합 안전관리시스템을 통한 실시간 저장 및 관리 단계는, 고속 Edge Rules Engine Service부를 통한 상기 ESS의 실시간 운전 상태 감시 및 제어 단계;를 포함한다.

상기와 같이 이루어지는 본 발명은 산업용 ESS의 화재사고 예방을 위한 초소형 무선센서 기반 Edge Safety ESS 시스템을 제공할 수 있다.

또한 본 발명은 열폭주 현상 발생 초기 오프 가스 검출에 따른 긴급 예방 조치시간(약 10분) 확보가 가능하다.

또한 본 발명은 ESS 내부 환경 데이터에 대한 딥러닝 기반 상관관계 분석을 통해 화재 발생 예측 및 사전 감지로 비상 대응 시간 확보 및 화재 예방이 가능하다.

또한 본 발명은 Edge 컴퓨팅 기술 적용을 통해 긴급 상황시 Edge에서 ESS 운전상태 고속 제어 기능을 제공할 수 있다.

또한 본 발명은 열폭주현상 전 / 착화 전 / 착화 이후 화재확산을 사전감지 및 예측, 긴급조치를 통해 화재 예방 및 피해를 최소화할 수 있다.

도 1은 본 발명에 따른 클라우드 기반 ESS 통합 안전관리시스템 개념도를 보여주는 도면이다.
도 2는 본 발명의 일실시예에 따른 ESS 화재 예방 시스템의 전체적인 구성을 보여주는 도면이다.
도 3은 본 발명의 일실시예에 따른 ESS 화재 예방 시스템의 Ai Edge Controller를 구체적으로 보여주는 도면이다.
도 4는 본 발명의 일 실시예에 따른 BLE 5.0 기반 초소형 무선 센서 모듈들을 보여주는 도면이다.
도 5는 본 발명의 다른 실시예에 따른 배터리 랙/룸의 모니터링 센서 부착 위치를 보여주는 도면이다.
도 6은 본 발명의 일 실시예에 따른 Ai Edge Controller SW Block을 보여주는 도면이다.
도 7은 본 발명에 따른 각 단계별 알람/통지/경보 단계를 보여주는 도면이다.
도 8은 본 발명에 따른 경보별 센서 임계치 조건에 해당될 시 경보가 발생하는 조건을 보여주는 도면이다.
도 9는 본 발명에 따른 관리자 통지, 시스템 정지, 사이트 경보 기능 등을 보여주는 도면이다.

본 발명을 충분히 이해하기 위해서 본 발명의 바람직한 실시예를 첨부 도면을 참조하여 설명한다. 본 발명의 실시예는 여러 가지 형태로 변형될 수 있으며, 본 발명의 범위가 아래에서 상세히 설명하는 실시예로 한정되는 것으로 해석되어서는 안 된다. 본 실시예는 당업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위하여 제공되는 것이다. 따라서 도면에서의 요소의 형상 등은 보다 명확한 설명을 강조하기 위해서 과장되어 표현될 수 있다. 각 도면에서 동일한 부재는 동일한 참조부호로 도시한 경우가 있음을 유의하여야 한다. 또한, 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 공지 기능 및 구성에 대한 상세한 기술은 생략된다.

도 2 내지 도 3에 도시된 바와 같이, 본 발명에 따른 ESS(10)는 Ai Edge Controller(20)와 서드파티 인터페이스(30)로 구성된다.

또한 상기 Ai Edge Controller(20)는 통신부(21), VEE(Validation, Estimation, Editing) 기능부(22), 애그리게이터(Aggregator; 23), DB(24), 알람 통지 및 제어부(25), 인공지능부(26), 고속 Edge Rules Engine Service부(27) 등으로 구성된다.

클라우드 기반 ESS 통합 안전관리시스템

도 1에서 (a) 클라우드 기반 ESS 통합 안전관리시스템 개념도를 보면, 본 발명은 ESS 통합 안전관리시스템 요구사항 분석에 따라 이를 반영하여 시스템 아키텍쳐(system Architecture)를 설계하고 보완한다.

ESS 통합 관리를 위한 다양한 ESS Type 설정 기능 및 데이터 맵(Data Map)을 설계하고, 원거리 다수의 ESS 통합 관리를 위한 장치 개체(디바이스 오브젝트; Device-Object) 구조를 제공한다.

또한 ESS Type 지원 통신 인터페이스, 실시간 ESS 통합 관리를 위한 상세 기능 정의 및 클라우드 기반 통합 DB를 구현한다.

도 1의 (b) Safety ESS 통합 안전관리시스템 Data 흐름도를 보면 사용자 WEB을 통해 ESS ID, 이름, Type, Device ID, 이름, Type 등을 포함하는 ESS 정보를 생성하여 EMS 서버에 전달하면 EMS 서버가 각 정보를 저장하고, 디바이스 모드버스 맵(Device Modbus Map)을 설정한다.

예를 들어 본 발명에서 사용되는 REST(REpresentational State Transfer) API(Application Programming Interface) 방식은 ESS ID, Device ID(1개), Object(N개), isControl 명령을 포함하여 전송하고, MQTT(Message Queuing Telemetry Transport) 방식은 Topic으로 (ACQ)Control/ESS ID/Device ID, Data로 ESS ID, Device ID, Object(N개)를 포함한다.

도 3에 도시된 바와 같이 BLE 5.0 통신 게이트웨이 메인보드를 Safety Watchdog System 내장을 위해 소형화 설계하고, 통신 게이트웨이 펌웨어도 추가한다.

상기 디바이스의 등록, 관리 및 서비스 구현, 정보 보고 기능을 위한 Register, Update, Read, Write, Execute, Discover 등의 기본 동작을 설계한다.

추가적으로 이기종 설비 및 외부 플랫폼 연동 지원을 위한 다중 통신 인터페이스, 통신 장치 Failure Tolerant 연동 기능, 임베디드 Logging 기능, 데이터 스트림 Transaction 실시간 처리 기능을 갖는다.

본 발명은 Edge 다비이스 보안 인증 및 서버 연동 통신 보안 기능 구현을 위한 PKI 알고리즘 보안 칩셋 적용 보드를 더 포함한다.

또한 본 발명은 화재 발생 인자 센서 데이터 딥러닝 분석을 위한 인공지능 모듈을 적용한다.

예를 들어 본 발명은 AI Edge 컨트롤러 임베디드 SW를 제공할 수 있으며 화재 발생 인자를 구분하고 센서 데이터를 전달받아 딥러닝 분석을 심층적으로 할 수 있다.

BLE 5.0 기반 초소형 무선 센서 모듈

도 4에 도시된 바와 같이 본 발명은 BLE 5.0 기반 초소형 무선센서 모듈(5종)을 포함한다.

일 실시예로서 본 발명은 화재 발생 유발 인자 사전 감지를 위한 온도, 습도, 연기, 진동, 오프가스 센서부를 포함한다.

상기 무선센서들은 설치가 용이하고, 화재 발생시 일정시간(5분 이상) 통신 및 센싱 기능 수행이 가능토록 불연소재를 이용한 자석(Neodymium) 부착식 센서 케이스를 포함한다.

상기 무선센서들에는 장기간 배터리 교체 주기 확보를 위한 저전력 무선통신방식 적용 BLE 5.0 통신 모듈을 포함한다.

도 5에 도시된 바와 같이 본 발명에 따른 초소형 무선 센서 모듈의 설치 장소는 배터리 룸 모니터링 센서(41), 배터리 랙 모니터링 센서(42) 등으로 구성된다.

상기 배터리 룸 모니터링 센서(41)는 배터리 룸을 모니터링하기 위해 천정 부분에 부착되어 배터리 룸 내부의 온도, 습도 등을 감지한다.

상기 배터리 랙 모니터링 센서(42)는 배터리 랙을 모니터링하기 위해 배터리 랙 상측부 또는 측면부에 부착되며 배터리 랙의 병렬 배치 숫자에 따라 증가되게 부착된다.

도 6에 도시된 바와 같이 Ai Edge Controller SW Block(50)은 SUPPORT SERVICES부(51), CORE SERVICES부(52), DEVICE SERVICES부(53)로 구성된다.

다시 SUPPORT SERVICES부(51)는 ML모듈, off-gas supervisory모듈, Vibration supervisory모듈, Temperature Supervisory모듈, Device Auth. & Setting모듈, Database모듈, Rule Engine모듈, VEE모듈, Logging모듈, Alert&Notification모듈, Control모듈, Aggregator모듈, 3rd Party Interface모듈 등으로 나뉘어 진다.

또한 CORE SERVICES부(52)는 CORE DATA모듈, COMMAND모듈, META DATA모듈, REGISTRY&CONFIG모듈 등으로 나뉘어 진다.

DEVICE SERVICES부(53)는 REST모듈, MODBUS모듈, MQTT모듈, ADDITIONAL DEVICES모듈 등으로 나뉘어 진다.

상기 SUPPRT SERVICES부는 지원서비스로서 1) ML(Machine Learning) - 센서 데이터 상관관계 분석을 통한 ESS 화재 예측 및 감지 알고리즘, 2) off-gas supervisory- off-gas 감지기능 : 열폭주 / 착화 / 전선류 피복 발열 사전 감지, 3) Vibration supervisory - 진동 감지기능 : 물리적 충격 / 지진 감지, 4) Temperature supervisory - 온도 감지기능 : 발열,누전환경 사전감지 / 열폭주 현상 감지, 5) Humidity supervisory - 습도 감지기능 : 누전 / 발화조건 사전감지, 6) smoke supervisory - 연기(Co2, tvoc) 감지기능 : 열 폭주 현상 / 착화 전 가연성 물질 분출 감지, 7) Device Auth & Setting - 장치 권한 및 설정 등록 및 수정 기능, 8) Database - 설비, 장치 등록 정보 경보 설정정보, 9) Rule Engine - SUPPRT SERVICES 기능 명령 및 관리, - 센서데이터를 감시하여 Control, Alert & Notification, - Aggregator, supervisory, Logging 관리, 10) VEE - 센서 데이터 유효성 검증(Validation, Estimation, Editing), 11) Logging - 로그 등록 : 수집데이터, 경보감지, 통신, 에러 데이터 수집, 12) Alert & Notification - 사용자 알림 : 경보에 따른 알람 및 SMS 전송, 13) Control - 경보 Level에 따라 MC(Magnetic Contactor)제어, 14) Aggregator - 데이터 수집 및 변환 기능, 15) Third Party Interface - Third party Application 지원 기능 등을 가지고 있다.

CORE SERVICES부(52)는 핵심 데이터 저장 및 분석을 통한 META DATA 생성 시스템 구성 및 설정하는 장치로서, 1) CORE DATA - 설비 및 환경센서 수집 데이터, 2) COMMAND - ESS Safety Watchdog System 명령, 3) META DATA - CORE DATA 분석 후 생산된 데이터 분석 및 관리 용도, 4) REGISTRY & CONFIG - 시스템 구성 및 설정 정보 등록 기능 등을 가지고 있다.

DEVICE SERVICES부(53)는 데이터 수집 및 변환 후 EMS Server로 전송, 장치 관리하는 장치로서, 1) REST - 데이터 수집 및 EMS Server 데이터 전송 (HTTP Protocol), 2) MODBUS - 설비 데이터 수집 (PCS, BMS, PowerMeter), 3) MQTT - EMS Server로 전송, 4) ADDITIONAL DEVICES - 장치 추가 (설비 및 환경센서) 기능 등을 가지고 있다.

구체적으로 살펴보면, Ai Edge Controller(20)는 (1) Safety ESS Watchdog System 자동 운전 스케줄러 기능, (2) Event and alarm logging and management 기능, (3) Configure system setpoints(최적화된 설정치) 설정 기능, (4) Real time and historic data visualization 기능, (5) Monitor, Forecast, and Dispatch; generation, demand, and storage 기능, (6) Real-Time Stream Data 분석 기능 등을 포함한다.

인공지능 기반 Safety ESS Watchdog System

인공지능부(26)는 딥러닝 기반 센서 데이터 상관관계 분석을 통한 ESS 화재 예측 및 감지 알고리즘 등을 이용한 학습을 통해 Safety ESS Watchdog 기능을 제공할 수 있다.

예를 들어 실시간 1초 ~ 1분 주기로 계측된 데이터를 이용하여 RNN 기법의 학습 오류 보정을 위한 LSTM 알고리즘 적용을 통해 Safety Watchdog System 운전상태 확인 및 설정 기능 제공을 위한 HMI 개발이 가능하다.

클라우드 및 BLE 5.0 기반 ESS 화재 예방 시스템

일실시예로서 본 발명에 따른 ESS 화재 예방 시스템은 REST(Representational State Transfer) API(Application Programming Interface) 방식, MQTT(Message Queuing Telemetry Transport) 방식을 포함한다.

상기 MQTT는 복수개의 BLE 5.0 기반 초소형 무선센서 모듈과의 효율적 통신을 위한 양방향 pub/sub 메시징 서비스를 구현함에 있어서 메시징 크기에 제약이 없으며 이기종 ESS 설비 간 서로 상이한 프로토콜을 사용하는 센서나 ESS 장치들의 인터페이스를 TCP/IP로 변환해주는 프로토콜 컨버터(Protocol Converter)와 이를 통하여 BLE 5.0 기반 초소형 무선센서 모듈나 ESS 장치들을 제어/모니터링할 수 있는 CCU(Central Control Unit) 및 클라우드 플랫폼을 기반으로 ESS 화재 예방 시스템 원격제어/모니터링을 할 수 있는 어플리케이션 및 웹서비스로 구성된다.

즉 다양한 형태의 BLE 5.0 기반 초소형 무선센서 모듈의 심각한 오류를 유발할 가능성을 가지고 있는 클라우드 환경에서 데이터 수집시 발생 가능한 오류에 대하여 확인하고, 데이터들을 정규화 함으로써 IoT기반 통신 장치의 안정성 및 운영 효율성을 확보하여 시스템 계속 동작이 가능하다.

상기 복수개의 BLE 5.0 기반 초소형 무선센서 모듈의 오류를 검사하기 위해 삽입된 오류 검사 구문을 판단 결과에 따른 오류 검사 구문으로 치환하고, 치환된 결과에 따라 함수 내에서 발생한 오류에 대한 예외 처리(exception handling)를 수행하고, 예외 처리에 따른 오류 정보를 로깅함으로써, 오류를 자동으로 검출하고 로깅할 수 있는 효과가 있다.

또한 상기 복수개의 BLE 5.0 기반 초소형 무선센서 모듈에는 이종 통신 프로토콜 지원을 위한 통신 인터페이스와 센서 데이터 유효성 검증을 위한 VEE 기능부(22), 실시간 ESS 운전 상태 감시 및 제어를 위한 고속 Edge Rules Engine Service부(27) 등이 추가로 연결되어 예를 들어 상기 VEE 기능부(22)가 상기 VEE모듈을 통해 VEE(Validation, Estimation and Edit) 처리한 후 오류가 존재하거나 누락된 데이터를 확인하고 평가하여 수정할 수 있도록 한다.

또한 상기 VEE 기능부(22)는 상기 복수개의 BLE 5.0 기반 초소형 무선센서 모듈에서 생성되는 데이터 종류에 무관하게 모든 데이터에 동일하게 적용되는 기 정의된 규칙에 의해 실시간으로 검증한다. 이렇게 검증된 결과를 기초로, VEE 모듈은 정상 데이터 및 오류가 존재하는 데이터를 따로 분류하여 저장하고 관리한다.

BLE 5.0 및 인공지능 기반 ESS 화재 예방 시스템

인공지능부(26)는 딥러닝 기반 센서 데이터 상관관계 분석을 통한 ESS 화재 예측 및 감지 알고리즘 등을 사용할 수 있다.

즉 Off 가스 센서, 온도 센서의 열 폭주 현상, 누전, 발열 데이터와, 진동 센서, 습도 센서의 아크 발생 및 누전, 발화 조건 사전 감지 데이터와, 연기 센서의 누전, 열 폭주, 전선류 피복 발열 사전 감지 데이터의 상관관계 분석을 통한 ESS 화재 예측 및 감지 알고리즘이 생성된다.

본 발명에 따른 BLE 5.0 기반 초소형 무선센서 모듈(도 4 참조)에서 생성되어 실시간 1초 ~ 1분 주기로 계측된 데이터를 이용하여 지도 학습(Supervised Learning) 방식으로 RNN(Recurrent Neural Network) 모델 학습을 수행할 수 있다.

일 실시예로서 본 발명은 화재 발생 유발 인자 사전 감지를 위한 온도, 습도, 연기, 진동, 오프가스 센서부에서 계측된 데이터를 이용하여 RNN 기법의 학습 오류 보정을 위한 LSTM 알고리즘을 적용할 수 있다.

상기 무선센서들에는 장기간 배터리 교체 주기 확보를 위한 저전력 무선통신방식 적용 BLE 5.0 통신 모듈이 포함되는 데, RNN-LSTM(Recurrent Neural Network-Long Short Term Memory) 모델에 Softmax 함수를 조합하여 배터리 교체 주기 이상을 세부적으로 분류(교체 주기 큰 값은 더 크게)하는 과정이 추가될 수도 있다.

상기 무선 5종 센서 데이터 상관관계 분석을 통한 화재 예측 추론 엔진을 설계할 수 있는 데, 오토인코더(Auto-Encoder) 기법을 활용하여 5종 센서 데이터 분석 및 학습 알고리즘 구현이 가능하다.

특히 상기 VEE 기능부(22)가 상기 VEE모듈을 통해 VEE(Validation, Estimation and Edit) 처리한 후 5종 센서 데이터의 오류가 존재하거나 누락된 데이터를 확인하고 평가하여 수정할 수 있도록 한다.

또한 상기 Ai Edge Controller(20)가 데이터 종류에 무관하게 모든 데이터에 동일하게 적용되는 기 정의된 규칙에 의해 실시간으로 검증한다. 이렇게 검증된 결과를 기초로, VEE 모듈은 정상 데이터 및 오류가 존재하는 데이터를 따로 분류하여 저장하고 관리한다.

상술한 RNN 기법의 학습 오류 보정을 위한 LSTM 알고리즘 적용외에 데이터 맵의 정상 데이터를 기초로 보간법(interpolation)을 이용하여 예상 데이터를 연산할 수도 있다.

구체적으로 본 발명에 따른 Safety ESS Watchdog System 자동 운전 스케줄러의 모델 학습을 수행하여 이상 발생시 스케줄 이중화 모드로 전환해서 로컬 스케줄러가 동작되도록 하여서 로컬 스케줄러가 ESS 화재 예방 시스템의 스케줄과 동일한 스케줄을 이용하여 상기 스케줄 이중화 모드로의 전환시점의 이전 과거시점부터 상기 스케줄 이중화 모드로의 전환시점까지의 모든 스케줄 제어신호 및 가상제어신호를 ESS 설비들로 송출하여, ESS 설비들이 정상 동작하도록 한다.

즉 상기 실시간으로 전송된 스케줄 제어신호 및 가상제어신호를 이용하여 지도 학습(Supervised Learning) 방식으로 RNN(Recurrent Neural Network) 모델 학습을 수행할 수 있다.

또한 상기 애그리게이터(23) 등을 통해 수집된 Event Log Analysis Software, monitoring tools, searching engine 등으로 모델 학습 수행이 가능하다.

이 때, 실시간으로 계측된 로그 데이터를 이용하여 지도 학습(Supervised Learning) 방식으로 RNN(Recurrent Neural Network) 모델 학습을 수행할 수 있다.

예를 들어 지도 학습 방식으로 관리자에게 알람 전송 방법 모델을 복수개 만들어 테스트하고 최적화된 모델로 수행할 수 있게 한다.

이를 위해 센서 데이터를 생성하기 위한 영상 카메라가 상기 ESS에 추가된다.

상기 표 1은 에이다부스트 알고리듬을 이용하여 약한 분류기들을 선형 결합하여 강한 분류기를 구성하는 단계를 나타낸다.

는 배터리 룸 내부의 연기, 오프가스 이미지 훈련영상이며,

실제 배터리 룸 내부의 연기, 오프가스 이미지 영상으로 각각 +1 또는 -1의 값을 가진다.

그리고

가중치 오차를 최소화하는 약한 분류기

를 생성하여 각 분류기에 대한 센서 데이터 가중치를 갱신한다.

는 모든 데이터

에 대하여 수식을 정규화한다.

는 최종적으로 생성된 강한 분류기이다. 강한 분류기는 벡터

를 입력으로 받으며 훈련된 약한 분류기

의 합으로 센서 데이터 분류를 수행하게 된다.

예를 들어 상기 알고리즘은 배터리 룸 내부의 연기, 오프가스 이미지를 검출하기 위해 사용되는 국부 이진 패턴 특징은 화소값을 이용하여 엣지, 점, 코너 등과 같은 연기 또는 가스의 로컬 텍스처 특징을 표현하는 데 이용되며, 간단한 연산으로 높은 처리속도와 식별력 그리고 조명의 변화에 강인하다는 장점이 있다.

상기 센서 데이터의 국부 이진 패턴 특징은 수학식 1과 같이 표현되며 현재 위치의 화소값과 이웃 화소값의 차이를 0과 1의 값으로 표현한다.

상기 수학식 1에서 P와 R은 각각 연기, 오프가스 이미지의 인접 화소의 수와 원의 반지름을 의미하며,

와

는 중심화소의 화소값 및 이웃화소의 화소값을 의미한다.

예를 들어 LBP(8, 1)인 경우 연기, 오프가스 이미지의 중심 화소값을 기준으로 이웃화소 8개의 화소값을 비교하여 주변 화소값이 더 크면 1, 작으면 0을 할당하여 각 화소를 8비트 인코딩하여 얻을 수 있다.

이 후 상기 화소값 이미지를 분석하고 텍스트화하여, 딥러닝을 통해 훈련시켜 화재 발생 예측 및 사전 감지로 비상 대응 시간 확보 및 화재 예방이 가능하다.

그리고 상술한 구성에 의해 상기 이미지로만 되어 있는 부분을 텍스트화된 문장화하여 화재 발생 예측 1단계, 2단계로 구체화하여 알람할 수 있다.

예를 들어 화재 발생 예측 1-1단계, 1-2단계 등으로 세분하여 선형 회귀 분석 모델로 분석하여 화재 발생 시기를 예측할 수도 있다.

또는 Ai Edge Controller(20)가 화재 발생 예측 1-1단계의 화소값을 표현한 데이터 맵의 정상 데이터를 기초로 보간법(interpolation)을 이용하여 화재 발생 예측 1-2 단계 예상 데이터를 연산할 수도 있다.

따라서 초보자 같은 경우에도 이미지를 보고 판단하지 않고 비상 대응을 신속하게 할 수 있다.

이하 본 발명의 실시를 위한 화재 예방 방법에 대하여 자세히 설명한다.

본 발명은 (1) ESS 내의 BLE 5.0 기반 초소형 무선 센서 모듈을 이용한 off 가스, 온도, 연기, 및 진동 정보를 포함하는 센서 데이터 생성 단계; (2) 원거리 다수의 상기 ESS의 실시간 통합 관리를 위한 기능 정의, 클라우드 기반 통합 DB 구현 및 Device-Object 구조를 가지고, 상기 ESS 내 주요 화재 유발 요소 수집 및 감지하기 위해, 상기 ESS의 계통, 현황, 통계, 및 설정을 기반으로 비상제어 기능 구현, 통합 모니터링 및 개별 모니터링 단계; (3) 상기 ESS 내 배터리 열 폭주를 포함하는 화재 사전 징후를 딥러닝 분석을 통해 학습하고, RNN 기법의 학습 오류 보정을 위한 LSTM 알고리즘 적용으로 상기 센서 데이터의 분석, 예측, 및 분석 및 예측에 따른 비상 상황시 알람 단계;를 포함한다.

예를 들어 도 7에 도시된 바와 같이 모바일 알람(62)을 통한 알림과 각 단계별 비상 상황시 알람(61) 디스플레이 단계를 이용할 수 있다.

추가적으로 본 발명은 상기 클라우드 기반 ESS 통합 안전관리시스템을 통한 실시간 저장 및 관리 단계는, VEE(Validation, Estimation, Editing) 기능부(22)를 통한 센서 노드(14)의 데이터 유효성 검증 단계와, 알람 통지 및 제어부(25)를 통한 상기 ESS(10)의 자동 운전 스케줄러 기능 구현하는 단계와, 고속 Edge Rules Engine Service부(27)를 통한 상기 ESS(10)의 실시간 운전 상태 감시 및 제어하는 단계로 이루어진다.

도 8에 도시된 바와 같이 본 발명은 경보별 센서 임계치 조건에 해당될 시 경보가 발생하며 미해당시 해제된다.

예를 들어 정상을 포함하여 4가지 분류로 나누었으며 경보는 발생/위험/주의 3가지 색상(구분 표시)으로 구분한다.

정상의 기준은 2차전지(리튬이온배터리)를 포함한 ESS 운용권장환경을 기준으로 하였다.

도 9에 도시된 바와 같이 본 발명은 관리자 통지(Web 경보 알림, SMS 전송), 시스템 정지(PCS 시스템 정지), 사이트 경보(ESS 컨테이너 상단 경광등 동작), 전기계통 차단(긴급제어반의 PCS 계통을 차단), 화재진압(긴급제어반 자동소화장치 동작) 기능 등을 가지고 있다.

따라서 통합 모니터링 페이지에서 특정 발전소를 클릭 시 해당 페이지로 이동하여, 현재 진입한 발전소의 금일/누적 발전, 송전, 충전, 방전량을 요약하여 표출할 수 있다.

즉 현재, 금일, 누적 발전량 및 금일 충/방전량, SOC를 표출하고 상태에 따라서 간략 계통도의 라인에서 흐름을 확인할 수 있다.

또한 통합 모니터링 페이지에서 진입한 발전소의 요약 정보를 표출하고 현재 기상 정보와 각 센서들의 평균 온,습도를 표출한다.

예를 들어, 진입한 발전소의 설비 통신 상태를 통신 / 통신두절로 표출하고, 진입한 발전소에서 발생한 금일 경보 현황들을 표출하며, 금일 발전량 및 충/방전량을 시간별 차트로 표출한다.

이 때, 사용자가 복수의 발전소를 보유 시 해당 버튼을 통해 다른 발전소로 바로 이동할 수도 있다.

일 실시예로서 본 발명의 센서별 화재발생환경 및 화재발생 감지 모드에서 열폭주현상 전 / 착화 전 / 착화 이후 화재확산을 사전감지 및 예측, 긴급조치를 통해 화재 예방 및 피해를 최소화할 수 있다.

예를 들어 온도센서는 발열, 누전환경 사전감지 / 열폭주 현상 감지 기능이 있고, 진동센서는 물리적 충격 / 지진 감지 기능이 있으며, 습도센서는 누전 / 발화조건 사전감지 기능이 있고, Off가스센서는 열 폭주 현상 / 착화 전 가연성 물질 분출 감지 기능이 있으며, 연기센서는 열폭주/ 착화 / 전선류 피복 발열 사전 감지 기능이 있다.

본 문서에서 사용된 용어들은 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 다른 실시예의 범위를 한정하려는 의도가 아닐 수 있다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 문서에 기재된 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다.

본 문서에 사용된 용어들 중 일반적인 사전에 정의된 용어들은 관련 기술의 문맥 상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 문서의 실시예들을 배제하도록 해석될 수 없다.

10 : ESS
12 : 배터리 팩
14 : 센서 노드
16 : 전력변환 시스템
20 : Ai Edge Controller
22 : VEE 기능부
25 : 알람 통지 및 제어부
27 : 고속 Edge Rules Engine Service부
40 : 모니터링 센서
41 : 배터리 룸 모니터링 센서
42 : 배터리 랙 모니터링 센서
50 : Ai Edge Controller SW Block
51 : SUPPORT SERVICES부
52 : CORE SERVICES부
53 : DEVICE SERVICES부

Claims

배터리 팩(12), 센서 노드(14), 및 상기 배터리 팩(12)에 전력을 입력받아 저장하거나 게통방출하기 위해 전기 특성을 변환하는 전력변환 시스템(16)으로 구성되는 ESS(10);
상기 ESS(10)를 검증, 감시, 관리 및 제어하는 Ai Edge Controller(20);로 구성되는 것을 특징으로 하는 ESS 화재 예방 시스템.
제1항에 있어서,
상기 Ai Edge Controller(20)는 센서 노드(14)의 데이터 유효성 검증을 위한 VEE 기능부(22), 상기 ESS(10)의 자동 운전 스케줄러 기능 구현을 위한 알람 통지 및 제어부(25), 상기 ESS(10)의 실시간 운전 상태 감시 및 제어를 위한 고속 Edge Rules Engine Service부(27)로 구성되는 것을 특징으로 하는 ESS 화재 예방 시스템.
제1항에 있어서,
상기 센서 노드(14)는,
상기 ESS(10) 내의 열 폭주 현상, 누전, 발열 사전 감지하는 Off 가스 센서 및 온도 센서;
상기 ESS(10) 내의 아크 발생 및 누전, 발화 조건 사전 감지하는 진동 센서 및 습도 센서;
상기 ESS(10) 내의 누전, 열 폭주, 및 전선류 피복 발열을 사전 감지하는 연기 센서; 중 하나를 포함하는 ESS 화재 예방 시스템.
제1항에 있어서,
상기 Ai Edge Controller(20)는 상기 센서 노드(14)의 데이터를 인공지능 기반으로 분석, 예측, 및 알람하는 것을 특징으로 하는 ESS 화재 예방 시스템.
ESS 내의 BLE 5.0 기반 초소형 무선 센서 모듈을 이용한 off 가스, 온도, 연기, 및 진동 정보를 포함하는 센서 데이터 생성 단계;
원거리 다수의 상기 ESS의 실시간 통합 관리를 위한 기능 정의, 클라우드 기반 통합 DB 구현 및 Device-Object 구조를 가지고, 상기 ESS 내 주요 화재 유발 요소 수집 및 감지하기 위해, 상기 ESS의 계통, 현황, 통계, 및 설정을 기반으로 비상제어 기능 구현, 통합 모니터링 및 개별 모니터링 단계;
상기 ESS 내 배터리 열 폭주를 포함하는 화재 사전 징후를 딥러닝 분석을 통해 학습하고, RNN 기법의 학습 오류 보정을 위한 LSTM 알고리즘 적용으로 상기 센서 데이터의 분석, 예측, 및 분석 및 예측에 따른 비상 상황시 알람 단계;를 포함하는 ESS 화재 예방 방법.
제5항에 있어서,
상기 클라우드 기반 ESS 통합 안전관리시스템을 통한 실시간 저장 및 관리 단계는,
VEE 기능부(22)를 통한 센서 노드(14)의 데이터 유효성 검증 단계;를 더 포함하는 ESS 화재 예방 방법.
제5항에 있어서,
상기 클라우드 기반 ESS 통합 안전관리시스템을 통한 실시간 저장 및 관리 단계는,
알람 통지 및 제어부(25)를 통한 상기 ESS(10)의 자동 운전 스케줄러 기능 구현 단계;를 포함하는 ESS 화재 예방 방법.
제5항에 있어서,
상기 클라우드 기반 ESS 통합 안전관리시스템을 통한 실시간 저장 및 관리 단계는,
고속 Edge Rules Engine Service부(27)를 통한 상기 ESS(10)의 실시간 운전 상태 감시 및 제어 단계;를 포함하는 ESS 화재 예방 방법.