KR20220157131A - 배전선로의 고장 예지 장치 및 방법 - Google Patents

배전선로의 고장 예지 장치 및 방법 Download PDF

Info

Publication number
KR20220157131A
KR20220157131A KR1020210064800A KR20210064800A KR20220157131A KR 20220157131 A KR20220157131 A KR 20220157131A KR 1020210064800 A KR1020210064800 A KR 1020210064800A KR 20210064800 A KR20210064800 A KR 20210064800A KR 20220157131 A KR20220157131 A KR 20220157131A
Authority
KR
South Korea
Prior art keywords
failure
event
power waveform
class
pattern
Prior art date
Application number
KR1020210064800A
Other languages
English (en)
Inventor
문상근
이병성
정종만
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 KR1020210064800A priority Critical patent/KR20220157131A/ko
Publication of KR20220157131A publication Critical patent/KR20220157131A/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
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
    • G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
    • G01R22/061—Details of electronic electricity meters
    • G01R22/068—Arrangements for indicating or signaling faults
    • 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
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Mathematical Physics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

배전선로의 고장 예지 장치 및 방법이 개시된다. 본 발명의 일 측면에 따른 배전선로의 고장 예지 장치는, 배전선로의 기기로부터 취득된 전력 파형의 유형을 분류하고, 상기 유형이 분류된 전력 파형을 시계열 클래스 매트릭스로 저장하는 유형 분류 처리부, 상기 취득된 전력 파형에 고장 이벤트가 존재하는 경우, 고장 발생 시점의 고장 이벤트 벡터를 계산하고, 상기 고장 이벤트 벡터와 상기 시계열 클래스 매트릭스를 연산하여 클래스 매트릭스를 계산하는 고장 이벤트 처리부, 및 상기 클래스 매트릭스를 이용하여 사전고장패턴을 추출하는 사전고장패턴 추출부를 포함한다.

Description

배전선로의 고장 예지 장치 및 방법{APPARATUS AND METHOD FOR PREDICTING FAILURE OF DISTRIBUTION LINES}
본 발명은 배전선로의 고장 예지 장치 및 방법에 관한 것으로서, 보다 상세하게는 배전선로의 기기로부터 취득된 전력파형을 분석하여 고장발생 사전징후를 찾고, 고장발생 사전징후를 패턴화함으로써, 배전선로 고장을 예지할 수 있도록 하는 배전선로의 고장 예지 장치 및 방법에 관한 것이다.
일반적으로, 수배전 설비는 전력계통에 있어 수용가측에 설치되는 것으로, 고압 입력라인을 변압하고 이를 수용가에 공급하는 설비이다. 수배전 설비는 통상 변압기, 차단기, 및 개폐기와 같은 기기를 갖추고 있다. 이러한 수배전 설비의 각 기기들은 전압 불평형 또는 장시간 운전 등의 요인에 의해 열화되거나 절연계통에 이상이 발생될 수 있으며, 이는 전력 서비스의 중단이나 전기 화재 등의 사고로 이어지게 된다. 따라서 중대한 사고가 발생하기 전에 각 장치들의 고장을 진단하고, 그 후속조치로서 고장이 발생될 우려가 있는 장치들을 보수하거나 교체할 필요성이 있다.
종래 수배전 설비의 고장을 사전 진단하는 방법으로는, 각 장치들에 센서를 설치하여 센서에 의해 각 장치의 이상 유무를 수시로 검지하는 방법이 있다. 예컨대, 변압기의 온도를 감시하여 과전류, 과전압 발생을 검출하고, 이상이 발견될 경우 변압기를 보수하는 방법이 있다. 다른 예로서, 변압기나 차단기 등에 연결되어 접촉 불량을 검출하는 부분방전센서, 각 장치의 아크나 스파크 등을 검출하는 초음파센서가 있으며, 이외에도 진동센서, 적외선센서 등의 다양한 센서들로 수배전 설비의 각 장치들의 이상여부를 감시하는 방법이 있다.
한편, 배전선로의 감시와 운영설비, 이를 위한 시스템 인프라는 배전계통 운영을 위한 자동화, 센서기술을 활용하여 운영되나, 배전선로 계측에 적용되는 모니터링 기술은 상태감시와 고장이벤트 검출을 중심으로 운영되고 있다. 예를 들면, 특고압 배전선로의 고장 등 이상상태 판단에는 배전선로 보호기기의 고전류값 검출 등의 계전(Relay)동작, 전압전류 크기의 변동, 주파수변동에 따른 실시간 상태판단기법 등을 일반적으로 적용하고 있다.
그러나 배전선로 계측에 적용되는 모니터링 기술은 배전선로에서 발생한 이벤트를 저장하거나 이력기록을 분석하는 부분까지 활용되지 못하여 응용기술 적용에 한계가 있다.
이에, 배전선로에서 취득되는 계측 데이터 및 이벤트 데이터를 체계적으로 분석하여 고장발생 사전징후를 찾고, 고장발생 사전징후를 패턴화함으로써, 배전선로 고장을 예지할 수 있도록 하는 기술 개발이 필요하다.
본 발명의 배경기술은 대한민국 등록특허공보 제10-0719138호(2007.05.18. 공고, 수배전 설비 고장 진단 방법)에 개시되어 있다.
본 발명은 상기와 같은 문제점들을 개선하기 위하여 안출된 것으로, 본 발명의 일 측면에 따른 목적은 배전선로의 기기로부터 취득된 전력파형을 분석하여 고장발생 사전징후를 찾고, 고장발생 사전징후를 패턴화함으로써, 배전선로 고장을 예지할 수 있도록 하는 배전선로의 고장 예지 장치 및 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제(들)로 제한되지 않으며, 언급되지 않은 또 다른 과제(들)은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 측면에 따른 배전선로의 고장 예지 장치는, 배전선로의 기기로부터 취득된 전력 파형의 유형을 분류하고, 상기 유형이 분류된 전력 파형을 시계열 클래스 매트릭스로 저장하는 유형 분류 처리부, 상기 취득된 전력 파형에 고장 이벤트가 존재하는 경우, 고장 발생 시점의 고장 이벤트 벡터를 계산하고, 상기 고장 이벤트 벡터와 상기 시계열 클래스 매트릭스를 연산하여 클래스 매트릭스를 계산하는 고장 이벤트 처리부, 및 상기 클래스 매트릭스를 이용하여 사전고장패턴을 추출하는 사전고장패턴 추출부를 포함한다.
본 발명에서 상기 유형 분류 처리부는, 상기 전력 파형을 정상상태, Fluctuation, Ocillation, 고조파, Swell, Interruption, 플리커, 및 Notch 중 적어도 하나의 유형으로 분류할 수 있다.
본 발명에서 상기 유형 분류 처리부는, 상기 유형이 분류된 전력 파형을 상기 기기의 위치 및 선로의 연결 관계를 고려하여 시간 기준으로 시계열 배열하여 클래스 매트릭스인 CLS(Class Learning Structure)로 저장할 수 있다.
본 발명에서 상기 고장 이벤트 처리부는, 상기 전력 파형내에서 이벤트 정보가 저장된 이산 정보(binary signal)에 기초하여 고장 발생 시점에 대한 고장 이벤트 벡터를 계산할 수 있다.
본 발명에서 상기 고장 이벤트 처리부는, 상기 유형 분류 처리부에서 저장된 시계열 클래스 매트릭스와 상기 고장 이벤트 벡터를 연산하여 고장 이벤트가 발생한 클래스 매트릭스를 계산할 수 있다.
본 발명에서 상기 사전고장패턴 추출부는, 상기 고장 이벤트 발생 이전에 발생된 이벤트 플래그를 매트릭스화하여 이벤트 추출 벡터를 생성하고, 상기 이벤트 추출 벡터와 고장 시점에 대한 클래스 벡터를 이용하여 기 설정된 기간 동안의 클래스 패턴을 추출하며, 상기 추출된 클래스 패턴을 사전고장패턴으로 저장할 수 있다.
본 발명은 상기 취득된 전력 파형의 유형을 분류하고, 상기 유형이 분류된 전력 파형을 시계열 클래스 매트릭스로 저장하며, 상기 저장된 시계열 클래스 매트릭스를 상기 사전고장패턴과 비교하여, 동일 또는 유사한 패턴이 검출되는 경우, 고장 발생을 예지하는 고장 예지부를 더 포함할 수 있다.
본 발명의 일 측면에 따른 배전선로의 고장 예지 방법은, 수집부가 배전선로의 기기로부터 전력 파형을 실시간으로 수집하는 단계, 유형 분류 처리부가 상기 수집된 전력 파형의 유형을 분류하고, 상기 유형이 분류된 전력 파형을 시계열 클래스 매트릭스로 저장하는 단계, 고장 이벤트 처리부가 상기 취득된 전력 파형에 고장 이벤트가 존재하는 경우, 고장 발생 시점의 고장 이벤트 벡터를 계산하고, 상기 고장 이벤트 벡터와 상기 시계열 클래스 매트릭스를 연산하여 클래스 매트릭스를 계산하는 단계, 및 사전고장패턴 추출부가 상기 클래스 매트릭스를 이용하여 사전고장패턴을 추출하는 단계를 포함한다.
본 발명은 상기 유형이 분류된 전력 파형을 시계열 클래스 매트릭스로 저장하는 단계에서, 상기 유형 분류 처리부는, 상기 전력 파형을 정상상태, Fluctuation, Ocillation, 고조파, Swell, Interruption, 플리커, 및 Notch 중 적어도 하나의 유형으로 분류할 수 있다.
본 발명은 상기 유형이 분류된 전력 파형을 시계열 클래스 매트릭스로 저장하는 단계에서, 상기 유형 분류 처리부는, 상기 유형이 분류된 전력 파형을 상기 기기의 위치 및 선로의 연결 관계를 고려하여 시간 기준으로 시계열 배열하여 클래스 매트릭스인 CLS(Class Learning Structure)로 저장할 수 있다.
본 발명은 상기 클래스 매트릭스를 계산하는 단계에서, 상기 고장 이벤트 처리부는, 상기 전력 파형내에서 이벤트 정보가 저장된 이산 정보(binary signal)에 기초하여 고장 발생 시점에 대한 고장 이벤트 벡터를 계산할 수 있다.
본 발명은 상기 클래스 매트릭스를 계산하는 단계에서, 상기 고장 이벤트 처리부는, 상기 유형 분류 처리부에서 저장된 시계열 클래스 매트릭스와 상기 고장 이벤트 벡터를 연산하여 고장 이벤트가 발생한 클래스 매트릭스를 계산할 수 있다.
본 발명은 상기 사전고장패턴을 추출하는 단계에서, 상기 사전고장패턴 추출부는, 상기 고장 이벤트 발생 이전에 발생된 이벤트 플래그를 매트릭스화하여 이벤트 추출 벡터를 생성하고, 상기 이벤트 추출 벡터와 고장 시점에 대한 클래스 벡터를 이용하여 기 설정된 기간 동안의 클래스 패턴을 추출하며, 상기 추출된 클래스 패턴을 사전고장패턴으로 저장할 수 있다.
본 발명은 고장 예지부가 상기 취득된 전력 파형의 유형을 분류하고, 상기 유형이 분류된 전력 파형을 시계열 클래스 매트릭스로 저장하며, 상기 저장된 시계열 클래스 매트릭스를 상기 사전고장패턴과 비교하여, 동일 또는 유사한 패턴이 검출되는 경우, 고장 발생을 예지하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 따른 배전선로의 고장 예지 장치 및 방법은, 배전선로의 기기로부터 취득된 전력파형을 분석하여 고장발생 사전징후를 찾고, 고장발생 사전징후를 패턴화함으로써, 배전선로 고장을 예지할 수 있다.
한편, 본 발명의 효과는 이상에서 언급한 효과들로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 효과들이 포함될 수 있다.
도 1은 본 발명의 일 실시예에 따른 배전선로의 고장 예지 장치를 개략적으로 나타낸 블록도이다.
도 2는 본 발명의 일 실시예에 따른 전력 파형 품질유형 분류기준을 설명하기 위한 예시도이다.
도 3은 본 발명의 일 실시예에 따른 배전선로 이벤트 클래스 계층별 배열 방법을 설명하기 위한 예시도이다.
도 4는 본 발명의 일 실시예에 따른 이벤트 벡터를 이용한 사전고장패턴 추출 및 고장 예지 방법을 설명하기 위한 예시도이다.
도 5는 본 발명의 일 실시예에 따른 실시간 클래스 변환 및 고장 예지 방법을 설명하기 위한 예시도이다.
도 6은 본 발명의 일 실시예에 따른 배전선로의 고장 예지를 위한 사전고장패턴 추출 방법을 설명하기 위한 흐름도이다.
도 7은 본 발명의 일 실시예에 따른 배전선로의 고장 예지 방법을 설명하기 위한 흐름도이다.
이하, 첨부된 도면들을 참조하여 본 발명의 일 실시예에 따른 배전선로의 고장 예지 장치 및 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.
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.
도 1은 본 발명의 일 실시예에 따른 배전선로의 고장 예지 장치를 개략적으로 나타낸 블록도, 도 2는 본 발명의 일 실시예에 따른 전력 파형 품질유형 분류기준을 설명하기 위한 예시도, 도 3은 본 발명의 일 실시예에 따른 배전선로 이벤트 클래스 계층별 배열 방법을 설명하기 위한 예시도, 도 4는 본 발명의 일 실시예에 따른 이벤트 벡터를 이용한 사전고장패턴 추출 및 고장 예지 방법을 설명하기 위한 예시도, 도 5는 본 발명의 일 실시예에 따른 실시간 클래스 변환 및 고장 예지 방법을 설명하기 위한 예시도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 배전선로의 고장 예지 장치(100)는 수집부(110), 유형 분류 처리부(120), 고장 이벤트 처리부(130), 사전고장패턴 추출부(140), 데이터베이스(150), 고장 예지부(160), 및 제어부(170)를 포함한다.
수집부(110)는 배전선로의 기기로부터 전력 파형을 실시간으로 취득할 수 있다.
배전선로에는 배전지능화 FRTU(Feeder remote terminal unit)와 같은 감시·계측기기가 설치되어 있고, 감시·계측기기는 각 시점의 전압 3상, 중심선을 포함한 전류 4상에 대한 전력 파형을 계측·저장할 수 있다. 전력 파형은 기기에 따라서 20～160cycles 정도의 저장시간과 64～256sampling 계측속도의 개별적인 성능을 보이나, 각 기기로부터 취득된 전력 파형들은 유형별 분류를 통해 단일의 통일된 전력품질 클래스로 변환이 가능하다.
유형 분류 처리부(120)는 수집부(110)를 통해 취득된 전력 파형의 유형을 분류하고, 유형이 분류된 전력 파형을 시계열 클래스 매트릭스로 저장한다.
즉, 유형 분류 처리부(120)는 배전선로의 기기로부터 취득된 전력 파형을 유형에 따라 분류하여 저장할 수 있다. 이때, 유형 분류 처리부(120)는 품질유형에 따른 클래스를 적용하여 8개의 유형으로 분류할 수 있다. 품질유형에 따른 분류기준은 도 2에 도시된 바와 같이 정상상태, Fluctuation, Ocillation, 고조파, Swell, Interruption, 플리커, 및 Notch를 포함할 수 있다. 따라서 유형 분류 처리부(120)는 전력 파형을 정상상태, Fluctuation, Ocillation, 고조파, Swell, Interruption, 플리커, 및 Notch 중 적어도 하나의 유형으로 분류할 수 있다.
또한, 유형 분류 처리부(120)는 유형이 분류된 전력 파형을 시계열 클래스 매트릭스로 저장할 수 있다. 즉, 유형 분류 처리부(120)는 유형이 분류된 전력 파형을 시계열 형태로 배치하여 저장할 수 있다. 이때, 전력 파형을 취득하는 기기들은 배전선로에서 물리적인 설치 위치를 가지고 있기 때문에, 유형 분류 처리부(120)는 기기의 위치 및 선로의 연결 관계가 반영된 클래스 매트릭스 형태로 전력 파형을 저장할 수 있다.
한편, 배전선로가 설치되는 위치에 따라 취득되는 데이터가 다르므로, 유형 분류 처리부(120)는 감시대상의 레벨(계층)을 나눌 수 있다. 예를 들면, 변전소, DL(Distribution Line), 및 피더의 경우, 변전소는 레벨3, DL은 레벨2, 피더는 레벨1로 각 기기의 레벨을 나눌 수 있다. 따라서 유형 분류 처리부(120)는 레벨 단위로 취득된 전력 파형(클래스)을 선로 구성과 설치 위치 등을 고려하여 발생 시간 기준으로 시계열로 배열할 수 있다.
고장 이벤트 처리부(130)는 배전선로의 기기로부터 취득된 전력 파형에 고장 이벤트가 존재하는 경우, 고장 발생 시점의 고장 이벤트 벡터를 계산하고, 고장 이벤트 벡터와 시계열 클래스 매트릭스를 연산하여 클래스 매트릭스를 계산한다.
배선선로에 구비된 계측기기에는 전력 파형 저장을 위한 저장트리거 조건으로 고장, 품질 이벤트 임계치를 가지고 있고, 이러한 정보는 파형 정보와 함께 이산정보(Binary) 형태가 함께 저장되므로 고장 발생에 따른 사전 시점을 특정하는 것이 가능하다.
이에, 고장 이벤트 처리부(130)는 고장 이벤트가 발생한 전력 파형의 발생 시간에 따른 각각의 클래스를 시계열 형태로 배치할 수 있다. 이때 전력 파형을 취득하는 기기들은 배전선로의 스위치 및 차단기의 배치 및 물리적인 설치위치를 가지고 있기 때문에, 고장 이벤트 처리부(130)는 기기의 위치 및 선로의 연결관계가 반영된 클래스 매트릭스 형태로 데이터를 저장할 수 있다. 고장 이벤트 처리부(130)는 배전선로의 고장(일시/순시)발생으로 저장되는 이벤트 기록으로부터 이를 시계열로 배치할 수 있다.
예를 들면, 고장 이벤트 처리부(130)는 도 3에 도시된 바와 같이 배전선로의 DL명 단위로 취득된 전력 파형(클래스)을 선로구성과 설치위치 등을 고려하여 발생 시간 기준으로 시계열로 배열할 수 있다. 도 3을 참조하면, 배전선로에서 발생한 각각의 이벤트는 발생 위치에 따라 3개의 계층(레벨)으로 구분되며, 이벤트 구성에 있어서 계층(레벨)이 높아짐에 따라 밀도가 증가하게 된다. 즉, 높은 계층(레벨)은 시스템 전체의 이벤트 구조를 파악하기 용이하나, 개별 선로구성에 따른 이벤트별 발생위치 등의 상호관계의 정보가 사라지게 된다.
배전선로는 일시·순간 고장의 이벤트 패턴이 있으며, 배전선로 운영상 각 고장 이벤트는 이력으로 관리되어 전력 파형과 함께 저장된다. 저장되는 전력파형내에서 이벤트 정보는 이산정보(binary signal)로 저장되므로, 고장 이벤트 처리부(130)는 이벤트 정보를 도 3과 같은 구조정보 시계열 클래스 배열로 변환하여 고장 발생 시점을 특정할 수 있다.
예를 들면, 고장 이벤트 처리부(130)는 DL(레벨 2)에 대한 클래스 매트릭스(
Figure pat00001
)를 아래 수학식 1과 같이 나타낼 수 있다.
[수학식 1]
Figure pat00002
여기서, L2는 레벨 2, t는 시간, Cv는 전압의 클래스, CI는 전류의 클래스를 의미할 수 있다.
수학식 1은 이벤트 클래스 매트릭스인 CLS(Class Learning Structure)를 표현하기 위한 시계열 클래스 매트릭스 중 변전소 단위(CLSL3) 및 DL(Distribution Line) 단위(CLSL2)의 클래스를 나타내며, 해당 배치는 전압과 전류의 배치에 따라 상하로 구분되어 저장될 수 있다.
고장 이벤트 처리부(130)는 DL(레벨 2)에 대한 고장 이벤트 벡터(
Figure pat00003
)를 아래 수학식 2와 같이 나타낼 수 있다.
[수학식 2]
Figure pat00004
즉, 고장 이벤트 처리부(130)는 DL에서 발생되는 고장 이벤트에 대한 이산 신호를 각각 DL 이벤트 벡터(E1)로 저장할 수 있다.
고장 이벤트 처리부(130)는 전력 파형내에서 이벤트 정보가 저장된 이산 정보(binary signal)에 기초하여 고장 발생 시점에 대한 고장 이벤트 벡터를 계산할 수 있다.
고장 이벤트 처리부(130)는 변전소 단위 클래스 매트릭스(CLSL3)와 DL 이벤트 벡터(E1)를 곱하여 고장 이벤트가 발생한 DL의 클래스 매트릭스를 계산할 수 있다. 이때, 고장 이벤트 처리부(130)는 수학식 1의 DL(레벨 2)에 대한 클래스 매트릭스(
Figure pat00005
)를 아래 수학식 3과 같이 나타낼 수 있고, 수학식 3을 이용하여 고장 이벤트가 발생한 DL의 클래스 매트릭스를 계산할 수 있다. 즉, 고장 이벤트 처리부(130)는 수학식 3을 아래 수학식 4와 같은 고장 이벤트가 발생한 DL의 클래스 매트릭스(
Figure pat00006
)로 나타낼 수 있다.
[수학식 3]
Figure pat00007
[수학식 4]
Figure pat00008
사전고장패턴 추출부(140)는 고장 이벤트 발생 이전에 발생된 이벤트 플래그를 매트릭스화하여 이벤트 추출 벡터를 생성하고, 이벤트 추출 벡터와 고장 시점에 대한 클래스 벡터를 이용하여 기 설정된 기간동안의 클래스 패턴을 추출하며, 추출된 클래스 패턴을 사전고장패턴으로 저장할 수 있다.
사전고장패턴 추출부(140)는 DL의 이벤트 단위로 추출된 클래스 매트릭스(CLSL3)를 이용하여 사전고장패턴을 추출할 수 있다. 사전고장패턴은 고장발생 사전징후를 패턴화한 것일 수 있다.
사전고장패턴 추출부(140)는 사전고장패턴을 추출하기 위하여 고장 이벤트 발생 순간이 저장되어 있는 고장 이벤트 벡터(E2)를 이용하여 고장 시점에 대한 클래스 매트릭스를 찾을 수 있다. 고장 이벤트 벡터는 아래 수학식 5와 같이 정의될 수 있다.
[수학식 5]
Figure pat00009
즉, 고장 발생 시점에 대한 정보는 수학식 5과 같이 고장 이벤트 벡터로 저장될 수 있다.
사전고장패턴 추출부(140)는 고장 이벤트 발생 이전에 발생된 클래스 패턴을 추출하기 위하여 아래 수학식 6 및 수학식 7과 같은 이벤트 추출 벡터(
Figure pat00010
)를 사용할 수 있다. 수학식 6은 이벤트 플래그(λ) 이전 시간(s시간) 동안의 이벤트 플래그를 매트릭스화한 것일 수 있다.
[수학식 6]
Figure pat00011
[수학식 7]
Figure pat00012
여기서, λ는 이벤트 플래그, s는 시퀀스, w는 추출을 의미할 수 있다.
사전고장패턴 추출부(140)는 클래스 벡터와 이벤트 추출 벡터를 연산하여 지정된 기간만큼의 클래스 패턴을 추출할 수 있고, 추출된 클래스 패턴을 사전고장패턴으로 저장할 수 있다. 즉, 사전고장패턴 추출부(140)는 수학식 3과 같은 클래스 벡터(
Figure pat00013
)와 수학식 7과 같은 이벤트 추출 벡터(
Figure pat00014
)를 이용하여 기 설정된 기간동안의 클래스 패턴을 추출할 수 있다. 다시 말하면, 사전 패턴 추출부는 아래 수학식 8을 이용하여 클래스 패턴(
Figure pat00015
)을 추출하고, 추출된 클래스 패턴을 사전고장패턴으로 저장할 수 있다.
[수학식 8]
Figure pat00016
데이터베이스(150)는 사전고장패턴 추출부(140)에서 추출된 사전고장패턴을 저장할 수 있다.
고장 예지부(160)는 고장 이벤트를 기준으로 추출된 사전고장패턴을 이용하여, 동일·유사 패턴이 존재하는 경우 고장 발생을 예지하고, 그 정보를 알릴 수 있다.
고장 예지부(160)는 배전선로의 기기로부터 실시간으로 취득된 전력 파형을 클래스로 분류하여 클래스 매트릭스(CLS) 형태로 저장하고, 저장된 클래스 매트릭스를 데이터베이스(150)에 저장된 사전고장패턴과 비교하여 동일·유사 패턴이 검출된 경우, 고장 발생 가능성을 예지할 수 있다. 이처럼, 고장 예지부(160)는 고장 이벤트가 발생하지 않아도 기 추출된 사전고장패턴과 동일한 클래스 매트릭스를 검출하여 고장 발생 가능성을 검출할 수 있다.
예를 들어 도 4를 참조하면, 사전고장패턴 추출부(140)가 고장 이벤트에 따른 사전고장패턴을 추출하면, 고장 예지부(160)는 추출된 사전고장패턴을 이용하여 동일·유사패턴을 검출할 수 있다. 또한, 고장 예지부(160)는 도 5에 도시된 바와 같이 배전선로상의 계측기기로부터 취득되는 전력파형을 선로구성에 따라 CLS형태로 배열하고, 이를 지정된 기간 단위로 나누어 사전고장패턴과 비교함으로써, 고장 발생 가능성을 검출할 수 있다.
제어부(170)는 수집부(110), 유형 분류 처리부(120), 고장 이벤트 처리부(130), 사전고장패턴 추출부(140), 데이터베이스(150), 및 고장 예지부(160)를 포함하는 배전선로의 고장 예지 장치(200)의 다양한 구성부들의 동작을 제어하는 구성으로, 적어도 하나의 연산 장치를 포함할 수 있는데, 여기서 상기 연산 장치는 범용적인 중앙연산장치(CPU), 특정 목적에 적합하게 구현된 프로그래머블 디바이스 소자(CPLD, FPGA), 주문형 반도체 연산장치(ASIC) 또는 마이크로 컨트롤러 칩일 수 있다.
상기와 같이 구성된 배전선로의 고장 예지 장치(100)는 배전선로에 설치된 기기로부터 취득된 전력 파형의 유형을 분류하고, 유형별로 분류된 클래스(파형유형)를 시계열 패턴으로 배열하며, 고장발생에 대한 시계열 패턴을 추출하여 동일 패턴이 발생되는 경우, 고장 발생 가능성을 알릴 수 있다.
도 6은 본 발명의 일 실시예에 따른 배전선로의 고장 예지를 위한 사전고장패턴 추출 방법을 설명하기 위한 흐름도이다.
도 6을 참조하면, 수집부(110)는 배전선로의 기기로부터 전력 파형을 실시간으로 수집한다(S610).
S610 단계가 수행되면, 유형 분류 처리부(120)는 수집부(110)를 통해 취득된 전력 파형의 유형을 분류하고(S620), 유형이 분류된 전력 파형을 시계열 클래스 매트릭스로 저장한다(S630). 이때, 유형 분류 처리부(120)는 전력 파형을 정상상태, Fluctuation, Ocillation, 고조파, Swell, Interruption, 플리커, 및 Notch 중 적어도 하나의 유형으로 분류할 수 있다. 또한, 유형 분류 처리부(120)는 유형이 분류된 전력 파형을 기기의 위치 및 선로의 연결관계가 반영된 클래스 매트릭스 형태로 저장할 수 있다.
또한, S610 단계가 수행되면, 고장 이벤트 처리부(130)는 수집부(110)를 통해 취득된 전력 파형에 고장 이벤트가 존재하는 경우, 고장 이벤트를 처리한다(S640). 즉, 고장 이벤트 처리부(130)는 고장 이벤트가 발생한 전력 파형의 발생 시간에 따른 각각의 클래스를 시계열 형태로 배치할 수 있다. 이때 전력 파형을 취득하는 기기들은 배전선로의 스위치 및 차단기의 배치 및 물리적인 설치위치를 가지고 있기 때문에, 고장 이벤트 처리부(130)는 기기의 위치 및 선로의 연결관계가 반영된 클래스 매트릭스 형태로 데이터를 저장할 수 있다.
S640 단계가 수행되면, 고장 이벤트 처리부(130)는 고장 발생 시점의 고장 이벤트 벡터를 계산하고(S650), 고장 이벤트 벡터와 시계열 클래스 매트릭스를 연산하여 클래스 매트릭스를 계산한다(S660). 즉, 전력파형내에서 이벤트 정보는 이산정보(binary signal)로 저장되므로, 고장 이벤트 처리부(130)는 이벤트 정보를 구조정보 시계열 클래스 배열로 변환하여 고장 발생 시점을 특정할 수 있다. 그런 후, 고장 이벤트 처리부(130)는 시계열 클래스 매트릭스와 고장 이벤트 벡터를 곱연산하여 고장 이벤트가 발생한 클래스 매트릭스를 계산할 수 있다.
유형 분류 처리부(120)와 고장 이벤트 처리부(130)의 동작에 동시에 수행될 수 있다.
S630 단계 및 S660 단계가 수행되면, 사전고장패턴 추출부(140)는 클래스 벡터와 이벤트 추출 벡터를 연산하여 지정된 기간만큼의 클래스 패턴을 추출하고, 추출된 클래스 패턴을 사전고장패턴으로 저장한다(S670).
도 7은 본 발명의 일 실시예에 따른 배전선로의 고장 예지 방법을 설명하기 위한 흐름도이다.
도 7을 참조하면, 수집부(110)는 배전선로의 기기로부터 전력 파형을 실시간으로 수집한다(S710).
S710 단계가 수행되면, 고장 예지부(160)는 수집부(110)를 통해 취득된 전력 파형의 유형을 분류하고, 유형이 분류된 전력 파형을 시계열 클래스 매트릭스로 저장한다(S720). 이때, 고장 예지부(160)는 전력 파형을 정상상태, Fluctuation, Ocillation, 고조파, Swell, Interruption, 플리커, 및 Notch 중 적어도 하나의 유형으로 분류할 수 있다. 또한, 유형 분류 처리부(120)는 유형이 분류된 전력 파형을 기기의 위치 및 선로의 연결관계가 반영된 클래스 매트릭스 형태로 저장할 수 있다.
S720 단계가 수행되면, 고장 예지부(160)는 저장된 시계열 클래스 매트릭스를 데이터베이스(150)에 저장된 사전고장패턴과 비교하여(S730), 동일유사 패턴이 검출된 경우(S740), 고장 발생 가능성을 예지한다(S750). 즉, 고장 예지부(160)는 고장 이벤트를 기준으로 추출된 사전고장패턴을 이용하여, 동일·유사 패턴이 존재하는 경우 고장 발생을 예지하고, 그 정보를 알릴 수 있다.
상술한 바와 같이, 본 발명의 일 실시예에 따른 배전선로의 고장 예지 장치 및 방법은, 배전선로의 기기로부터 취득된 전력파형을 분석하여 고장발생 사전징후를 찾고, 고장발생 사전징후를 패턴화함으로써, 배전선로 고장을 예지할 수 있다.
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 특허청구범위에 의해서 정하여져야 할 것이다.
100 : 고장 예지 장치
110 : 수집부
120 : 유형 분류 처리부
130 : 고장 이벤트 처리부
140 : 사전고장패턴 추출부
150 : 데이터베이스
160 : 고장 예지부
170 : 제어부

Claims (14)

  1. 배전선로의 기기로부터 취득된 전력 파형의 유형을 분류하고, 상기 유형이 분류된 전력 파형을 시계열 클래스 매트릭스로 저장하는 유형 분류 처리부;
    상기 취득된 전력 파형에 고장 이벤트가 존재하는 경우, 고장 발생 시점의 고장 이벤트 벡터를 계산하고, 상기 고장 이벤트 벡터와 상기 시계열 클래스 매트릭스를 연산하여 클래스 매트릭스를 계산하는 고장 이벤트 처리부; 및
    상기 클래스 매트릭스를 이용하여 사전고장패턴을 추출하는 사전고장패턴 추출부
    를 포함하는 배전선로의 고장 예지 장치.
  2. 제1항에 있어서,
    상기 유형 분류 처리부는,
    상기 전력 파형을 정상상태, Fluctuation, Ocillation, 고조파, Swell, Interruption, 플리커, 및 Notch 중 적어도 하나의 유형으로 분류하는 것을 특징으로 하는 배전선로의 고장 예지 장치.
  3. 제1항에 있어서,
    상기 유형 분류 처리부는,
    상기 유형이 분류된 전력 파형을 상기 기기의 위치 및 선로의 연결 관계를 고려하여 시간 기준으로 시계열 배열하여 클래스 매트릭스인 CLS(Class Learning Structure)로 저장하는 것을 특징으로 하는 배전선로의 고장 예지 장치.
  4. 제1항에 있어서,
    상기 고장 이벤트 처리부는,
    상기 전력 파형내에서 이벤트 정보가 저장된 이산 정보(binary signal)에 기초하여 고장 발생 시점에 대한 고장 이벤트 벡터를 계산하는 것을 특징으로 하는 배전선로의 고장 예지 장치.
  5. 제4항에 있어서,
    상기 고장 이벤트 처리부는,
    상기 유형 분류 처리부에서 저장된 시계열 클래스 매트릭스와 상기 고장 이벤트 벡터를 연산하여 고장 이벤트가 발생한 클래스 매트릭스를 계산하는 것을 특징으로 하는 배전선로의 고장 예지 장치.
  6. 제1항에 있어서,
    상기 사전고장패턴 추출부는,
    상기 고장 이벤트 발생 이전에 발생된 이벤트 플래그를 매트릭스화하여 이벤트 추출 벡터를 생성하고, 상기 이벤트 추출 벡터와 고장 시점에 대한 클래스 벡터를 이용하여 기 설정된 기간동안의 클래스 패턴을 추출하며, 상기 추출된 클래스 패턴을 사전고장패턴으로 저장하는 것을 특징으로 하는 배전선로의 고장 예지 장치.
  7. 제1항에 있어서,
    상기 취득된 전력 파형의 유형을 분류하고, 상기 유형이 분류된 전력 파형을 시계열 클래스 매트릭스로 저장하며, 상기 저장된 시계열 클래스 매트릭스를 상기 사전고장패턴과 비교하여, 동일 또는 유사한 패턴이 검출되는 경우, 고장 발생을 예지하는 고장 예지부를 더 포함하는 것을 특징으로 하는 배전선로의 고장 예지 장치.
  8. 수집부가 배전선로의 기기로부터 전력 파형을 실시간으로 수집하는 단계;
    유형 분류 처리부가 상기 수집된 전력 파형의 유형을 분류하고, 상기 유형이 분류된 전력 파형을 시계열 클래스 매트릭스로 저장하는 단계;
    고장 이벤트 처리부가 상기 취득된 전력 파형에 고장 이벤트가 존재하는 경우, 고장 발생 시점의 고장 이벤트 벡터를 계산하고, 상기 고장 이벤트 벡터와 상기 시계열 클래스 매트릭스를 연산하여 클래스 매트릭스를 계산하는 단계; 및
    사전고장패턴 추출부가 상기 클래스 매트릭스를 이용하여 사전고장패턴을 추출하는 단계
    를 포함하는 배전선로의 고장 예지 방법.
  9. 제8항에 있어서,
    상기 유형이 분류된 전력 파형을 시계열 클래스 매트릭스로 저장하는 단계에서,
    상기 유형 분류 처리부는, 상기 전력 파형을 정상상태, Fluctuation, Ocillation, 고조파, Swell, Interruption, 플리커, 및 Notch 중 적어도 하나의 유형으로 분류하는 것을 특징으로 하는 배전선로의 고장 예지 방법.
  10. 제8항에 있어서,
    상기 유형이 분류된 전력 파형을 시계열 클래스 매트릭스로 저장하는 단계에서,
    상기 유형 분류 처리부는, 상기 유형이 분류된 전력 파형을 상기 기기의 위치 및 선로의 연결 관계를 고려하여 시간 기준으로 시계열 배열하여 클래스 매트릭스인 CLS(Class Learning Structure)로 저장하는 것을 특징으로 하는 배전선로의 고장 예지 방법.
  11. 제8항에 있어서,
    상기 클래스 매트릭스를 계산하는 단계에서,
    상기 고장 이벤트 처리부는, 상기 전력 파형내에서 이벤트 정보가 저장된 이산 정보(binary signal)에 기초하여 고장 발생 시점에 대한 고장 이벤트 벡터를 계산하는 것을 특징으로 하는 배전선로의 고장 예지 방법.
  12. 제11항에 있어서,
    상기 클래스 매트릭스를 계산하는 단계에서,
    상기 고장 이벤트 처리부는, 상기 유형 분류 처리부에서 저장된 시계열 클래스 매트릭스와 상기 고장 이벤트 벡터를 연산하여 고장 이벤트가 발생한 클래스 매트릭스를 계산하는 것을 특징으로 하는 배전선로의 고장 예지 방법.
  13. 제8항에 있어서,
    상기 사전고장패턴을 추출하는 단계에서,
    상기 사전고장패턴 추출부는, 상기 고장 이벤트 발생 이전에 발생된 이벤트 플래그를 매트릭스화하여 이벤트 추출 벡터를 생성하고, 상기 이벤트 추출 벡터와 고장 시점에 대한 클래스 벡터를 이용하여 기 설정된 기간동안의 클래스 패턴을 추출하며, 상기 추출된 클래스 패턴을 사전고장패턴으로 저장하는 것을 특징으로 하는 배전선로의 고장 예지 방법.
  14. 제8항에 있어서,
    고장 예지부가 상기 취득된 전력 파형의 유형을 분류하고, 상기 유형이 분류된 전력 파형을 시계열 클래스 매트릭스로 저장하며, 상기 저장된 시계열 클래스 매트릭스를 상기 사전고장패턴과 비교하여, 동일 또는 유사한 패턴이 검출되는 경우, 고장 발생을 예지하는 단계를 더 포함하는 것을 특징으로 하는 배전선로의 고장 예지 방법.
KR1020210064800A 2021-05-20 2021-05-20 배전선로의 고장 예지 장치 및 방법 KR20220157131A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210064800A KR20220157131A (ko) 2021-05-20 2021-05-20 배전선로의 고장 예지 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210064800A KR20220157131A (ko) 2021-05-20 2021-05-20 배전선로의 고장 예지 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20220157131A true KR20220157131A (ko) 2022-11-29

Family

ID=84235397

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210064800A KR20220157131A (ko) 2021-05-20 2021-05-20 배전선로의 고장 예지 장치 및 방법

Country Status (1)

Country Link
KR (1) KR20220157131A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102630910B1 (ko) * 2022-12-29 2024-01-31 최태식 전기안전 원격점검 기능을 구비한 가로등 원격감시시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102630910B1 (ko) * 2022-12-29 2024-01-31 최태식 전기안전 원격점검 기능을 구비한 가로등 원격감시시스템

Similar Documents

Publication Publication Date Title
EP2156203B1 (en) Method and device to predict a state of a power system in the time domain
US9910093B2 (en) Generator neutral ground monitoring device utilizing direct current component measurement and analysis
KR20180070208A (ko) 전력선 및 배전 설비의 이상 검출 시스템
US20160216308A1 (en) Diagnosis and position identification for remote capacitor banks
KR20220157131A (ko) 배전선로의 고장 예지 장치 및 방법
CN115077605A (zh) 智能变电站管理系统
KR100231522B1 (ko) 가스절연개폐시스템의 감시장치
US11249137B2 (en) Diagnostic method of switchgear and device thereof
JP2009081905A (ja) 配電線の断線検出装置および断線検出方法
KR100692586B1 (ko) 전기차단기의 이상 진단시스템 및 그 진단방법
KR101277141B1 (ko) 전자식 전력량계와 이의 배전계통 감시방법
CN212341343U (zh) 低压电器检测、故障预测、分析及排查系统
KR20220133048A (ko) 전력기기 자가진단 시스템 및 방법
KR101413788B1 (ko) 변압기 이상 진단 방법 및 장치
US6807495B2 (en) Plausibility checking of voltage transformers in substations
CN112904226A (zh) 一种基于感应电的快速判断高压母线短路故障的方法
KR100231523B1 (ko) 가스절연개폐시스템의 감시방법
KR102604708B1 (ko) 인공 지능 기반 수배전반 진단 시스템 및 방법
JPH07264773A (ja) 高圧配電線の断線箇所決定方法及び装置
KR102671873B1 (ko) 이상징후, 화재, 및 고장 예측 기능을 가진 인공지능 기반 수배전반 장치
CN117335578B (zh) 一种用于低压配电的合环转电的检测与调控系统
JPH0587863A (ja) 変電機器の予防保全システム
EP3893344A1 (en) Fault level monitoring in electrical power systems
KR20220154300A (ko) 철도 전기설비의 고장 예측장치 및 그 방법
CN118209853A (zh) 一种高压断路器的有效剩余电寿命预测方法和系统