KR20230051950A - 지중케이블 부분 방전 진단 장치 - Google Patents

지중케이블 부분 방전 진단 장치 Download PDF

Info

Publication number
KR20230051950A
KR20230051950A KR1020210134955A KR20210134955A KR20230051950A KR 20230051950 A KR20230051950 A KR 20230051950A KR 1020210134955 A KR1020210134955 A KR 1020210134955A KR 20210134955 A KR20210134955 A KR 20210134955A KR 20230051950 A KR20230051950 A KR 20230051950A
Authority
KR
South Korea
Prior art keywords
partial discharge
signal
neural network
underground cable
pattern
Prior art date
Application number
KR1020210134955A
Other languages
English (en)
Other versions
KR102615266B1 (ko
Inventor
이지훈
양희성
김창석
정수옥
Original Assignee
한전케이디엔주식회사
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 한전케이디엔주식회사 filed Critical 한전케이디엔주식회사
Priority to KR1020210134955A priority Critical patent/KR102615266B1/ko
Publication of KR20230051950A publication Critical patent/KR20230051950A/ko
Application granted granted Critical
Publication of KR102615266B1 publication Critical patent/KR102615266B1/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
    • G01R31/1209—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 using acoustic measurements
    • 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
    • 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
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Acoustics & Sound (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

본 발명은 지중케이블의 설치 현장에서 신경망 모델을 이용한 부분 방전 진단을 수행하여 진단 정확도가 낮은 데이터만을 서버에 업로드하고, 서버에서 생성된 신규 신경망 모델을 다운로드하여 부분 방전 진단에 적용하는 지중케이블 부분 방전 진단 장치에 관한 것이다. 본 발명의 일 실시예에 따른 지중케이블 부분 방전 진단 장치는 지중케이블의 부분방전신호를 검출하는 센서부, 상기 부분방전신호의 패턴을 진단 신경망에 입력하여 상기 지중케이블의 부분 방전을 진단하고, 상기 진단 결과에 기초하여 진단불명신호를 선별하는 진단부 및 상기 진단불명신호를 서버에 업로드하고, 상기 서버로부터 신규 신경망 모델을 다운로드하는 통신부를 포함하고, 상기 진단부는 상기 진단 신경망을 상기 신규 신경망 모델로 갱신하는 것을 특징으로 한다.

Description

지중케이블 부분 방전 진단 장치{APPARATUS FOR DIAGNOSING PARTIAL DISCHARGE OF UNDERGROUND CABLE}
본 발명은 지중케이블의 설치 현장에서 신경망 모델을 이용한 부분 방전 진단을 수행하여 진단 정확도가 낮은 데이터만을 서버에 업로드하고, 서버에서 생성된 신규 신경망 모델을 다운로드하여 부분 방전 진단에 적용하는 지중케이블 부분 방전 진단 장치에 관한 것이다.
지중케이블의 부분 방전(Partial Discharge; PD)은 케이블 접속점의 시공불량, 경련열화에 의한 절연체 파괴 등 지중설비의 절연이 파괴되어 발생하는 현상이다. 이러한 부분 방전은 국부 열화를 발생시켜 화재 등의 원인이 될 수 있다.
보다 구체적으로, 부분 방전은 최초에는 미소 방전 형태로 간헐적으로 발생하다가, 절연 파괴가 진행될수록 부분 방전의 신호가 점진적으로 커지고 발생 횟수가 많아지면서 국부 열화가 급속도로 진전되어 화재로 이어질 수 있다.
기존에는 이러한 부분 방전을 진단하기 위해 휴대용 진단 장비를 이용하여 부분방전신호, 위상누적신호(Phase Resolved Partial Discharge; PRPD) 신호를 검출하고, 해당 신호의 패턴을 관찰하여 부분 방전의 발생 유무와 발생 유형을 파악해왔다.
최근에는 인공지능 신경망을 이용하여 부분 방전을 진단하기 위한 시도가 발생하고 있다. 다만, 현재 구축되고 있는 인공지능 진단 시스템에서는 현장에서 계측된 모든 부분방전신호가 중앙 서버로 전송되고, 중앙 서버에서 모든 신호를 분석하는 방식을 취하고 있어, 네트워크 트래픽이 매우 높고 부분 방전 진단을 위한 인공지능 신경망 모델의 학습 속도가 매우 느리다는 문제가 있다.
본 발명은 지중케이블의 설치 현장에서 신경망 모델을 이용한 부분 방전 진단을 수행하여 진단 정확도가 낮은 데이터만을 서버에 업로드하고, 서버에서 생성된 신규 신경망 모델을 다운로드하여 부분 방전 진단에 적용하는 것을 목적으로 한다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
전술한 목적을 달성하기 위한 본 발명의 일 실시예에 따른 지중케이블 부분 방전 진단 장치는 지중케이블의 부분방전신호를 검출하는 센서부, 상기 부분방전신호의 패턴을 진단 신경망에 입력하여 상기 지중케이블의 부분 방전을 진단하고, 상기 진단 결과에 기초하여 진단불명신호를 선별하는 진단부 및 상기 진단불명신호를 서버에 업로드하고, 상기 서버로부터 신규 신경망 모델을 다운로드하는 통신부를 포함하고, 상기 진단부는 상기 진단 신경망을 상기 신규 신경망 모델로 갱신하는 것을 특징으로 한다.
일 실시예에서, 상기 센서부는 고주파 신호 중 미리 설정된 대역의 신호를 식별하여 상기 부분방전신호를 검출하는 것을 특징으로 한다.
일 실시예에서, 상기 부분방전신호는 상기 지중케이블에 흐르는 전원의 위상별로 측정된 방전량을 나타내는 것을 특징으로 한다.
일 실시예에서, 상기 부분방전신호는 위상누적신호(Phase Resolved Partial Discharge; PRPD)인 것을 특징으로 한다.
일 실시예에서, 상기 진단부는 상기 부분방전신호의 패턴을 미리 설정된 너비 및 높이를 갖는 이미지로 변환하고, 상기 이미지를 상기 진단 신경망에 입력하여 부분 방전을 진단하는 것을 특징으로 한다.
일 실시예에서, 상기 진단부는 상기 부분방전신호의 패턴을 미리 설정된 너비 및 높이를 갖고 RGB 색상에 따라 분류되는 세 개의 이미지로 변환하고, 상기 이미지를 상기 진단 신경망에 입력하여 부분 방전을 진단하는 것을 특징으로 한다.
일 실시예에서, 상기 진단부는 상기 진단 신경망을 통해 상기 부분방전신호의 패턴과 상기 지중케이블의 부분 방전 타입별 패턴 간의 일치도를 식별하고, 상기 일치도에 기초하여 부분 방전을 진단하거나 상기 진단불명신호를 선별하는 것을 특징으로 한다.
일 실시예에서, 상기 진단부는 상기 지중케이블의 부분 방전 타입을 연면(surface) 방전, 보이드(void) 방전, 코로나(corona) 방전, 플로팅(floating) 방전 중 적어도 하나로 진단하는 것을 특징으로 한다.
일 실시예에서, 상기 진단 신경망은 부분 방전 타입별 일치도를 소프트맥스(softmax) 함수를 통해 출력하는 것을 특징으로 한다.
일 실시예에서, 상기 진단부는 상기 부분방전신호의 패턴과 특정 부분 방전 타입의 패턴 간의 일치도가 제1 기준값 이상이면 상기 지중케이블의 부분 방전을 상기 특정 부분 방전 타입으로 진단하고, 상기 부분방전신호의 패턴과 부분 방전 타입별 패턴 간의 일치도가 모두 제2 기준값 미만이면 상기 지중케이블을 정상으로 진단하는 것을 특징으로 한다.
일 실시예에서, 상기 진단부는 상기 부분방전신호의 패턴과 상기 부분 방전 타입별 패턴 간의 일치도 중 적어도 하나가 미리 설정된 범위 이내이면 상기 부분방전신호의 패턴을 상기 진단불명신호로 선별하는 것을 특징으로 한다.
일 실시예에서, 상기 서버는 사용자 명령에 따라 라벨링(labeling)된 상기 진단불명신호를 학습하여 상기 신규 신경망 모델을 생성하는 것을 특징으로 한다.
본 발명에 의하면 진단 신경망을 통해 지중케이블의 부분 방전을 진단하되, 진단이 모호한 신호를 서버에 업로드하여 서버가 해당 신호를 학습하도록 하고, 이후 서버로부터 신규 신경망 모델을 다운로드하여 이를 향후 진단 동작에 적용함으로써 지중케이블의 설치 현장에서 수행되는 진단의 정확도를 지속적으로 향상시킬 수 있다.
또한, 본 발명에 의하면 지중케이블의 설치 현장에 구비되어 해당 현장에서 발생하는 부분 방전만을 진단하게 되므로, 중앙 서버에서 모든 현장의 부분 방전을 진단하던 기존 방식에 대비하여 네트워크 트래픽을 현저히 감소시킬 수 있다.
상술한 효과와 더불어 본 발명의 구체적인 효과는 이하 발명을 실시하기 위한 구체적인 사항을 설명하면서 함께 기술한다.
도 1은 본 발명의 일 실시예에 따른 지중케이블 부분 방전 진단 장치를 도시한 도면.
도 2는 지중케이블 부분 방전 진단 장치가 서버에 진단불명신호를 업로드하고, 서버로부터 신규 신경망 모델을 다운로드하는 모습을 도시한 도면.
도 3은 도 1에 도시된 센서부와 진단부의 동작을 설명하기 위한 도면.
도 4는 부분방전신호의 패턴을 변환하여 생성된 이미지를 도시한 도면.
도 5는 부분 방전 타입별 위상누적신호(PRPD)의 패턴을 도시한 도면.
도 6은 진단 신경망의 동작을 설명하기 위한 순서도.
도 7은 본 발명의 일 실시예에 따른 지중케이블 부분 방전 진단 방법을 도시한 순서도.
전술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되며, 이에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 도면에서 동일한 참조부호는 동일 또는 유사한 구성요소를 가리키는 것으로 사용된다.
본 명세서에서 제1, 제2 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것으로, 특별히 반대되는 기재가 없는 한, 제1 구성요소는 제2 구성요소일 수도 있음은 물론이다.
또한, 본 명세서에서 어떤 구성요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 상기 구성요소들은 서로 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성요소 사이에 다른 구성요소가 "개재"되거나, 각 구성요소가 다른 구성요소를 통해 "연결", "결합" 또는 "접속"될 수도 있는 것으로 이해되어야 할 것이다.
또한, 본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "구성된다" 또는 "포함한다" 등의 용어는 명세서 상에 기재된 여러 구성 요소들, 또는 여러 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.
또한, 본 명세서에서, "A 및/또는 B" 라고 할 때, 이는 특별한 반대되는 기재가 없는 한, A, B 또는 A 및 B 를 의미하며, "C 내지 D" 라고 할 때, 이는 특별한 반대되는 기재가 없는 한, C 이상이고 D 이하인 것을 의미한다
본 발명은 지중케이블의 설치 현장에서 신경망 모델을 이용한 부분 방전 진단을 수행하여 진단 정확도가 낮은 데이터만을 서버에 업로드하고, 서버에서 생성된 신규 신경망 모델을 다운로드하여 부분 방전 진단에 적용하는 지중케이블 부분 방전 진단 장치에 관한 것이다. 이하, 도 1 내지 도 6을 참조하여 본 발명의 일 실시예에 따른 지중케이블 부분 방전 진단 장치(이하, 부분 방전 진단 장치)를 구체적으로 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른 지중케이블 부분 방전 진단 장치를 도시한 도면이고, 도 2는 지중케이블 부분 방전 진단 장치가 서버에 진단불명신호를 업로드하고, 서버로부터 신규 신경망 모델을 다운로드하는 모습을 도시한 도면이다.
도 3은 도 1에 도시된 센서부와 진단부의 동작을 설명하기 위한 도면이다.
도 4는 부분방전신호의 패턴을 변환하여 생성된 이미지를 도시한 도면이고, 도 5는 부분 방전 타입별 위상누적신호(PRPD)의 패턴을 도시한 도면이다.
도 6은 진단 신경망의 동작을 설명하기 위한 순서도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 부분 방전 진단 장치(1)는 센서부(11), 진단부(12) 및 통신부(13)를 포함할 수 있다. 다만, 도 1에 도시된 부분 방전 진단 장치(1)는 일 실시예에 따른 것이고, 그 구성요소들이 도 1에 도시된 실시예에 한정되는 것은 아니며, 필요에 따라 일부 구성요소가 부가, 변경 또는 삭제될 수 있다.
한편, 후술되는 센서부(11), 진단부(12) 및 통신부(13)는 기능을 표현하도록 지칭되나, 각 구성요소들은 ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors) 중 적어도 하나의 물리적인 요소를 포함하여 구현될 수 있다.
도 2를 참조하면, 부분 방전 진단 장치(1)는 진단부(12)에 의해 선별된 진단불명신호를 통신부(13)를 통해 서버(2)에 업로드함으로써 서버(2)가 해당 진단불명신호를 학습하도록 하고, 이후 통신부(13)를 통해 서버(2)로부터 신규 신경망 모델을 다운로드하며, 다운로드된 신규 신경망 모델을 진단부(12) 진단 동작에 적용함으로써 진단 정확도를 지속적으로 향상시키기 위한 장치이다.
이하에서는 전술한 목적을 달성하기 위한 각 구성요소의 동작을 구체적으로 설명하도록 한다.
센서부(11)는 지중케이블의 부분방전신호를 검출할 수 있다. 여기서 부분방전신호는 지중설비의 부분 방전을 나타내는 임의의 신호를 포함할 수 있다.
지중케이블의 부분 방전(Partial Discharge; PD)은 케이블 접속점의 시공불량, 경련열화에 의한 절연체 파괴 등 지중설비의 절연이 파괴되어 발생할 수 있다. 이러한 부분 방전은 지중케이블을 구성하는 임의의 설비에 발생할 수 있으므로, 본 발명은 복수의 센서부(11)를 포함하여 각 설비에서 발생하는 부분방전신호를 검출할 수 있다.
도 3을 예로 들면, 센서부(11)는 지중케이블을 구성하는 각 지중설비, 예컨대, 배전선, 송전선, 접속함 등에 설치되어 각 설비에서 발생하는 부분방전신호를 검출할 수 있다.
센서부(11)는 전자파를 감지함으로써 부분방전신호를 검출할 수 있다. 구체적으로, 센서부(11)는 고주파 신호 중 미리 설정된 대역의 신호를 식별함으로써 부분방전신호를 검출할 수 있다.
일 예에서, 센서부(11)는 1~500[MHz]의 광대역 고주파 신호를 측정하되, 200[MHz] 내지 500[MHz] 대역의 신호를 식별하여 부분방전신호를 검출할 수 있다. 센서부(11)는 부분방전신호의 SNR(Signal to Noise Ratio)을 개선하기 위하여 증폭기 및/또는 대역통과필터(Band Pass Filter; BPF)를 추가적으로 포함할 수 있다.
이와 같이 센서부(11)는 특정 대역의 고주파를 식별함으로써 부분방전신호를 검출할 수 있는데, 일 예에서, 부분방전신호는 지중케이블에 흐르는 전원의 위상별로 측정된 방전량을 나타낼 수 있다.
지중케이블에는 교류전원이 흐를 수 있고 부분방전신호는 교류전원의 한 주기 위상에 대한 방전량에 대한 정보를 포함할 수 있다. 예컨대, 교류전원이 60[Hz]인 경우, 한 주기는 1/60초이고, 한 주기는 0에서 360도의 위상으로 구성될 수 있다. 이 때, 부분방전신호는 0에서 360도의 위상별로 측정된 펄스 형태의 방전량에 대한 정보를 포함할 수 있다.
진단부(12)는 부분방전신호의 패턴을 진단 신경망에 입력하여 지중케이블의 부분 방전을 진단하고, 진단 결과에 기초하여 진단불명신호를 선별할 수 있다.
도 3을 참조하면, 진단부(12)는 변환부(12a), 신호처리부(12b), 프로세서(12c) 및 메모리(12d)를 포함할 수 있다. 다만, 도 3에 도시된 진단부(12)는 일 실시예에 따른 것이고, 그 구성요소들이 도 3에 도시된 실시예에 한정되는 것은 아니며, 필요에 따라 일부 구성요소가 부가, 변경 또는 삭제될 수 있다. 이하에서는 진단부(12)에 포함되는 각 구성요소의 동작을 설명하되, 각 구성요소는 진단부(12)로 통칭될 수도 있다.
변환부(12a)는 센서부(11)에서 검출된 아날로그의 부분방전신호를 디지털 신호로 변환할 수 있다. 이를 위해, 변환부(12a)는 당해 기술분야에서 이용되는 임의의 ADC(Analog Digital Converter)를 포함할 수 있다.
신호처리부(12b)는 변환부(12a)에서 변환된 디지털 부분방전신호를 처리할 수 있다. 예컨대, 신호처리부(12b)는 FPGA(Field Programmable Gate Array) 방식으로 설계되어 디지털 신호에 대한 신호처리 동작을 수행할 수 있다.
신호처리부(12b)는 센서부(11)가 검출한 부분방전신호를 위상에 따라 누적하여 위상누적신호를 생성할 수 있다. 즉, 센서부(11)에 의해 검출된 부분방전신호는 위상누적신호(Phase Resolved Partial Discharge; PRPD)로 변환될 수 있다.
위상누적신호는 센서부(11)가 검출한 위상별 방전량이 한 주기의 위상에 누적된 신호일 수 있다. 신호처리부(12b)는 교류전원에 대응하는 연속적인 사인파형에 분포되는 펄스 형태의 방전량을 한 주기의 사인파영에 누적함으로써 위상누적신호를 생성할 수 있다.
부분방전신호로서 위상누적신호를 이용하는 경우, 지중케이블의 부분 방전을 계속적으로 감지할 때, 부분방전신호의 데이터 크기를 감소시킬 수 있을 뿐만 아니라 데이터 크기를 균일하게 유지할 수 있어, 추후 부분방전신호를 진단 신경망에 입력시키는 동작에서 신경망 입력 데이터의 균일성을 확보함으로써 진단 정확도를 향상시킬 수 있다는 장점이 있다.
이에 따라, 이하에서는 부분방전신호가 위상누적신호인 것으로 가정하여 설명하도록 한다.
프로세서(12c)는 신호처리부(12b)에서 생성된 부분방전신호의 패턴을 메모리(12d)에 저장된 진단 신경망에 입력함으로써 지중케이블의 부분 방전을 진단할 수 있다. 여기서 진단 신경망은 지도 학습된 딥러닝 신경망(Deep Learning Neural Network)으로서, 부분방전신호의 패턴을 입력받고 부분 방전 여부 및/또는 부분 방전 타입을 출력할 수 있다.
프로세서(12c)는 부분방전신호의 패턴을 진단 신경망에 입력되는 데이터로 변환하기 위하여, 부분방전신호의 패턴을 픽셀로 구성되는 이미지로 변환할 수 있다. 구체적으로, 프로세서(12c)는 부분방전신호의 패턴을 미리 설정된 너비 및 높이를 갖는 이미지로 변환하고, 변환된 이미지를 진단 신경망에 입력함으로써 부분 방전을 진단할 수 있다.
여기서 너비와 높이는 픽셀의 개수를 의미할 수 있다. 예컨대, 미리 설정된 너비 및 높이가 각각 256인 경우, 프로세서(12c)는 부분방전신호의 패턴을 256
Figure pat00001
256 픽셀의 이미지로 변환할 수 있다.
한편, 부분방전신호의 패턴은 색상으로 표현될 수 있다. 구체적으로, 부분방전신호가 위상누적신호일 때, 위상누적신호의 패턴은 누적 횟수에 따른 색상으로 표현될 수 있다. 예컨대, 특정 위상에서 방전량이 지속적으로 감지되는 경우 해당 위상에서의 패턴은 붉은색으로 표현될 수 있고, 특정 위상에서 방전량이 간헐적으로 감지되는 경우 파란색으로 표현될 수 있다.
이와 같이, 부분방전신호가 색상을 갖는 경우 프로세서(12c)는 부분방전신호의 패턴을 미리 설정된 너비 및 높이를 갖고 RGB 색상에 따라 분류되는 세 개의 이미지로 변환하고, 변환된 이미지를 진단 신경망에 입력함으로써 부분 방전을 진단할 수 있다.
도 4를 참조하면, 프로세서(12c)는 부분방전신호의 패턴을 256
Figure pat00002
256 픽셀의 이미지(50)로 변환하되, 부분방전신호의 색상에 따라 R 성분을 나타내는 이미지(50R), G 성분을 나타내는 이미지(50G), B 성분을 나타내는 이미지(50B)를 생성할 수 있다. 이어서, 프로세서(12c)는 세개의 채널(R, G, B)을 갖는 이미지(50)를 진단 신경망의 입력 데이터(input data)로 활용할 수 있다.
프로세서(12c)는 진단 신경망을 통해 부분방전신호의 패턴이 기존에 알려진 부분 방전 타입별 패턴과 유사한지를 판단할 수 있고, 판단 결과에 따라 부분 방전 여부 및 부분 방전 타입을 진단할 수 있다.
부분 방전 타입은 크게 4가지로 구분될 수 있으며, 진단부(12)는 지중케이블의 부분 방전 타입을 연면(surface) 방전, 보이드(void) 방전, 코로나(corona) 방전, 플로팅(floating) 방전 중 적어도 하나로 진단할 수 있다.
보이드 방전은 지중설비 내 절연체의 공극이나 표면 오염 등으로 인해 발생하는 방전으로 지중케이블에 흐르는 전압이 최대일 때 가장 큰 펄스를 가질 수 있다. 또한, 연면 방전은 절연체의 흡습과 표면 오손 등으로 인해 절연체 표면에서 발생하는 방전으로 지중케이블에 흐르는 전압이 일정값 이상일 때 큰 펄스를 가질 수 있다.
코로나 방전은 기체나 액체 절연체 내부 돌기 부분이나 도체의 가장자리 등에서 발생하는 방전으로 불평형한 전계에 의해 발생하며, 지중케이블에 흐르는 전압이 양의 값을 가질 때보다 음의 값을 가질 때 빨리 발생할 수 있다. 또한, 플로팅 방전은 접지 또는 도체와의 전기적 접속이 불완전한 상태에서 금속체 사이에 발생하는 방전으로 지중케이블에 흐르는 전압의 위상 중 90도, 270도에 집중되는 경향을 보일 수 있다.
도 5를 참조하면, 부분방전신호는 부분 방전 타입별로 일정한 패턴을 가질 수 있다. 진단 신경망은 부분 방전 타입(보이드 방전, 연면 방전, 코로나 방전, 플로팅 방전 등)과 부분 방전 타입별 패턴을 학습하여 생성된 신경망일 수 있다. 이에 따라, 진단 신경망은 임의의 부분방전신호의 패턴을 입력받고 부분 방전 여부(예컨대, 이진 출력) 및/또는 부분 방전 타입(예컨대, 4진 출력)을 결과값으로 출력할 수 있다.
한편, 진단부(12)는 진단 신경망을 통해 부분방전신호의 패턴과 지중케이블의 부분 방전 타입별 패턴 간의 일치도를 식별할 수 있고, 식별된 일치도에 기초하여 부분 방전을 진단하거나 진단불명신호를 선별할 수 있다.
이를 위해, 진단 신경망은 임의의 부분방전신호의 패턴을 입력받고 부분 방전 타입별 패턴 간의 일치도를 출력할 수 있다. 여기서 일치도는 각 부분 방전 타입별로 결정될 수 있다. 부분 방전 타입별 패턴 간의 일치도와 노이즈와의 일치도의 총 합은 1(100%)일 수 있고, 이와 같은 결과값을 출력하기 위하여 진단 신경망은 소프트맥스(softmax) 함수를 이용할 수 있다.
다시 말해, 진단 신경망은 부분 방전 타입별 일치도를 소프트맥스 함수를 통해 출력할 수 있다. 예컨대, 진단 신경망은 부분방전신호의 패턴을 입력받고, 아래 [표 1]의 일치도를 출력할 수 있다.
결과값(output data)
타입 일치도
노이즈: 0 0.05
보이드 방전: 1 0.05
연면 방전: 2 0.1
코로나 방전: 3 0.7
플로팅 방전: 4 0.1
이하에서는 진단 신경망의 세부 동작을 구체적으로 설명하도록 한다.
도 6을 참조하면, 진단 신경망에는 입력 데이터, 예컨대 도 4에서 설명한 256
Figure pat00003
256 픽셀을 갖는 세 개의 이미지(50R, 50G, 50B)가 입력될 수 있다. 진단 신경망에는 CNN MobileNet V1 모델이 적용될 수 있고, 해당 모델을 이용하여 1024개의 특징 맵을 추출(feature map extraction)할 수 있다.
이어서, 진단 신경망은 추출된 특징 맵을 필터(filter) 및/또는 커널(kernel)을 이용한 풀링(pooling) 기법을 통해 컨볼루션할 수 있다. 이 때, 연산량을 줄이기 위해 Depthwise-separable convolution(DSC)와 Inverted residual block(IRB)가 이용될 수 있다.
최종적으로 진단 신경망은 소프트맥스 함수를 통해 5개의 부분 방전 타입(노이즈, 보이드 방전, 연면 방전, 코로나 방전, 플로팅 방전)별 일치도(matching rate to each PD type)를 출력할 수 있다.
도 6에 도시된 순서도는 신경망 동작 과정의 일 예시로서, 진단 신경망을 구성하는 레이어(layer)와, 진단 신경망이 이용하는 기법 등은 당해 기술분야에서 이용되는 다양한 것들이 적용될 수 있다.
진단부(12)는 부분방전신호의 패턴과 특정 부분 방전 타입의 패턴 간의 일치도가 제1 기준값 이상이면 지중케이블의 부분 방전을 특정 부분 방전 타입으로 진단할 수 있다. 여기서 제1 기준값은 사용자에 의해 임의로 설정될 수 있고, 예컨데 0.7(70%)로 설정될 수 있다.
전술한 [표 1]과 같이 출력값이 생성된 경우, 프로세서(12c)는 부분방전신호의 패턴과 코로나 방전 타입의 패턴 간의 일치도가 0.7임을 식별할 수 있다. 이 때, 프로세서(12c)는 0.7과 제1 기준값(0.7)을 비교하고 일치도가 제1 기준값 이상이므로 지중케이블의 부분 방전을 코로나 방전 타입으로 진단할 수 있다.
또한, 진단부(12)는 부분방전신호의 패턴과 부분 방전 타입별 패턴 간의 일치도가 모두 제2 기준값 미만이면 지중케이블을 정상으로 진단할 수 있다. 여기서 제2 기준값 역시 사용자에 의해 임의로 설정될 수 있고, 예컨데 0.3(30%)로 설정될 수 있다.
예를 들어, 진단 신경망은 부분방전신호의 패턴을 입력받고, 아래 [표 2]의 일치도를 출력할 수 있다.
결과값(output data)
타입 일치도
노이즈: 0 0.6
보이드 방전: 1 0.05
연면 방전: 2 0.15
코로나 방전: 3 0.15
플로팅 방전: 4 0.05
이 때, 프로세서(12c)는 부분방전신호의 패턴과 부분 방전 타입별 패턴 간의 일치도 각각을 제2 기준값과 비교할 수 있다. 구체적으로, 프로세서(12c)는 보이드 방전 타입과의 일치도(0.05), 연면 방전 타입과의 일치도(0.15), 코로나 방전 타입과의 일치도(0.15), 플로팅 방전 타입과의 일치도(0.05)를 각각 제2 기준값(0.3)과 비교할 수 있다.
비교 결과, 모든 부분 방전 타입별 일치도가 제2 기준값 미만이므로, 프로세서(12c)는 지중케이블을 정상으로 진단할 수 있다.
한편, 진단부(12)는 부분방전신호의 패턴과 부분 방전 타입별 패턴 간의 일치도 중 적어도 하나가 미리 설정된 범위 이내이면 부분방전신호의 패턴을 진단불명신호로 선별할 수 있다. 여기서 미리 설정된 범위는 사용자에 의해 임의로 설정될 수 있고, 예컨대 0.3 내지 0.7로 설정될 수 있다.
예를 들어, 진단 신경망은 부분방전신호의 패턴을 입력받고, 아래 [표 3]의 일치도를 출력할 수 있다.
결과값(output data)
타입 일치도
노이즈: 0 0.1
보이드 방전: 1 0.4
연면 방전: 2 0.4
코로나 방전: 3 0.05
플로팅 방전: 4 0.05
이 때, 프로세서(12c)는 부분방전신호의 패턴과 부분 방전 타입별 패턴 간의 일치도 각각을 미리 설정된 범위와 비교할 수 있다. 구체적으로, 프로세서(12c)는 보이드 방전 타입과의 일치도(0.4), 연면 방전 타입과의 일치도(0.4), 코로나 방전 타입과의 일치도(0.05), 플로팅 방전 타입과의 일치도(0.05)를 각각 미리 설정된 범위(0.3~0.7)와 비교할 수 있다.
비교 결과, 보이드 방전 타입 및 연면 방전 타입과의 일치도(0.4, 0.4)가 미리 설정된 범위 이내이므로, 프로세서(12c)는 해당 부분방전신호를 진단불명신호로 선별할 수 있다.
앞서 설명한 바와 같이 본 발명의 부분 방전 진단 장치(1)는 지중케이블의 설치 현장에 구비되는 것으로, 소형화 및 경량화를 위하여 상대적으로 낮은 성능의 프로세서(12c)(예컨대, GPU(Graphic Processing Unit))를 활용하여 진단 신경망을 동작시킬 수 있다. 이에 따라, 부분 방전 타입들에 대한 구별성(distinctness)이 저하될 수 있는 바, 서버(2)로 하여금 구별이 모호한 부분방전신호를 추가 학습하게 할 수 있다.
다시 도 2를 참조하면, 통신부(13)는 전술한 과정에 따라 선별된 진단불명신호를 서버(2)에 업로드(upload)할 수 있다. 여기서 서버(2)는 지중케이블을 설치 및 관리하는 기관의 서버(2)일 수 있다.
서버(2)는 부분 방전 진단 장치(1)에 적용된 진단 신경망을 이용하여 진단불명신호를 추가로 학습할 수 있고, 신규 신경망 모델을 생성할 수 있다. 보다 구체적으로, 서버(2)는 사용자 명령에 따라 라벨링(labeling)된 진단불명신호를 학습하여 신규 신경망 모델을 생성할 수 있다.
진단불명신호가 업로드되면 서버(2)는 각 진단불명신호를 라벨링하기 위하여 사용자 명령을 수신할 수 있다. 사용자는 진단불명신호가 생성된 현장을 방문하여 부분 방전의 원인을 직접 진단하거나 진단불명신호 자체를 분석하여 해당 신호가 어떠한 부분 방전 타입의 패턴인지를 판단하고, 서버(2)에 사용자 명령을 제공함으로써 해당 신호에 라벨링할 수 있다.
예컨대, [표 1] 내지 [표 3]과 같이 각 부분 방전 타입을 나타내는 라벨링 값(1~4)이 설정되어 있을 때, 사용자는 진단불명신호를 해당 값들 중 어느 하나로 라벨링할 수 있다. 보다 구체적인 예에서, 사용자는 진단불명신호가 생성된 현장을 방문하여 해당 신호가 전기적 접속이 불완전한 금속체 사이에서 발생하는 플로팅 방전에 의해 발생하였음을 식별할 수 있다. 이 때, 사용자는 진단불명신호에 대응하는 값을 4로 라벨링할 수 있다.
앞서 설명한 방법에 따라 각 진단불명신호가 라벨링되면, 진단불명신호와 라벨링 값을 데이터 셋(data set)으로 구성하고, 해당 데이터 셋을 진단 신경망의 학습 데이터로 이용하여 신규 신경망 모델을 생성할 수 있다.
다시 도 2를 참조하면, 통신부(13)는 서버(2)에 의해 생성된 신규 신경망 모델을 다운로드할 수 있다. 이어서, 진단부(12)는 진단 신경망을, 다운로드된 신규 신경망 모델로 갱신할 수 있다. 다시 말해, 진단부(12)는 현재 사용중인 진단 신경망을 서버(2)에 의해 생성된 신규 신경망 모델로 업데이트할 수 있다.
도 7은 본 발명의 일 실시예에 따른 지중케이블 부분 방전 진단 방법을 도시한 순서도이다. 이하, 도 7을 참조하여 본 발명의 동작 과정의 일 예시를 설명하도록 한다.
센서부(11)는 지중케이블의 지중설비에 설치되어 부분방전신호(SPD)를 검출할 수 있다(S1). 진단부(12)는 해당 부분방전신호(SPD)의 패턴을 진단 신경망에 입력할 수 있고(S2), 진단 신경망의 출력값을 통해 부분 방전(PD) 타입별 일치도(MPD)를 식별할 수 있다.
진단부(12)는 부분방전신호의 패턴과 어느 하나의 부분 방전 타입의 패턴 간의 일치도(Any one MPD)와 제1 기준값을 비교하고(S4), 해당 일치도가 제1 기준값 이상이라고 판단되면, 지중케이블에 해당 부분 방전 타입의 부분 방전이 발생하였다고 진단할 수 있다(S5).
동시에 진단부(12)는 부분방전신호의 패턴과 부분 방전 타입별 패턴 간의 모든 일치도(All MPD)와 제2 기준값을 비교하고(S6), 모든 일치도가 제2 기준값 미만이라고 판단되면, 지중케이블을 정상으로 진단할 수 있다(S7).
한편, 진단부(12)는 부분방전신호의 패턴과 부분 방전 타입의 패턴 간의 일치도 중 어느 하나가 미리 설정된 범위, 예컨대 제1 기준값 이상 제2 기준값 미만의 범위 내라고 판단되면, 해당 부분방전신호를 진단불명신호로 선별할 수 있다(S8).
통신부(13)는 진단불명신호를 서버(2)에 업로드할 수 있고(S9), 서버(2)가 진단불명신호를 이용하여 진단 신경망을 추가 학습시킴으로써 신규 신경망 모델을 생성하면, 서버(2)로부터 신규 신경망 모델을 다운로드할 수 있다(S10).
진단부(12)는 다운로드된 신규 신경망 모델을 이용하여 기존의 진단 신경망을 갱신할 수 있고(S11), 이후 갱신된 진단 신경망을 이용하여 부분 방전을 계속적으로 진단할 수 있다.
전술한 바와 같이, 본 발명은 진단 신경망을 통해 지중케이블의 부분 방전을 진단하되, 진단이 모호한 신호를 서버(2)에 업로드하여 서버(2)가 해당 신호를 학습하도록 하고, 이후 서버(2)로부터 신규 신경망 모델을 다운로드하여 이를 진단 동작에 적용함으로써 지중케이블의 설치 현장에서 수행되는 진단의 정확도를 지속적으로 향상시킬 수 있다.
또한, 본 발명은 지중케이블의 설치 현장에 구비되어 해당 현장에서 발생하는 부분 방전만을 진단하게 되므로, 중앙 서버(2)에서 모든 현장의 부분 방전을 진단하던 기존 방식에 대비하여 네트워크 트래픽을 현저히 감소시킬 수 있다.
이상과 같이 본 발명에 대해서 예시한 도면을 참조로 하여 설명하였으나, 본 명세서에 개시된 실시 예와 도면에 의해 본 발명이 한정되는 것은 아니며, 본 발명의 기술사상의 범위 내에서 통상의 기술자에 의해 다양한 변형이 이루어질 수 있음은 자명하다. 아울러 앞서 본 발명의 실시 예를 설명하면서 본 발명의 구성에 따른 작용 효과를 명시적으로 기재하여 설명하지 않았을 지라도, 해당 구성에 의해 예측 가능한 효과 또한 인정되어야 함은 당연하다.

Claims (12)

  1. 지중케이블의 부분방전신호를 검출하는 센서부;
    상기 부분방전신호의 패턴을 진단 신경망에 입력하여 상기 지중케이블의 부분 방전을 진단하고, 상기 진단 결과에 기초하여 진단불명신호를 선별하는 진단부; 및
    상기 진단불명신호를 서버에 업로드하고, 상기 서버로부터 신규 신경망 모델을 다운로드하는 통신부를 포함하고,
    상기 진단부는 상기 진단 신경망을 상기 신규 신경망 모델로 갱신하는
    지중케이블 부분 방전 진단 장치.
  2. 제1항에 있어서,
    상기 센서부는 고주파 신호 중 미리 설정된 대역의 신호를 식별하여 상기 부분방전신호를 검출하는 지중케이블 부분 방전 진단 장치.
  3. 제1항에 있어서,
    상기 부분방전신호는 상기 지중케이블에 흐르는 전원의 위상별로 측정된 방전량을 나타내는 지중케이블 부분 방전 진단 장치.
  4. 제1항에 있어서,
    상기 부분방전신호는 위상누적신호(Phase Resolved Partial Discharge; PRPD)인 지중케이블 부분 방전 진단 장치.
  5. 제1항에 있어서,
    상기 진단부는 상기 부분방전신호의 패턴을 미리 설정된 너비 및 높이를 갖는 이미지로 변환하고, 상기 이미지를 상기 진단 신경망에 입력하여 부분 방전을 진단하는 지중케이블 부분 방전 진단 장치.
  6. 제1항에 있어서,
    상기 진단부는 상기 부분방전신호의 패턴을 미리 설정된 너비 및 높이를 갖고 RGB 색상에 따라 분류되는 세 개의 이미지로 변환하고, 상기 이미지를 상기 진단 신경망에 입력하여 부분 방전을 진단하는 지중케이블 부분 방전 진단 장치.
  7. 제1항에 있어서,
    상기 진단부는 상기 진단 신경망을 통해 상기 부분방전신호의 패턴과 상기 지중케이블의 부분 방전 타입별 패턴 간의 일치도를 식별하고, 상기 일치도에 기초하여 부분 방전을 진단하거나 상기 진단불명신호를 선별하는 지중케이블 부분 방전 진단 장치.
  8. 제7항에 있어서,
    상기 진단부는 상기 지중케이블의 부분 방전 타입을 연면(surface) 방전, 보이드(void) 방전, 코로나(corona) 방전, 플로팅(floating) 방전 중 적어도 하나로 진단하는 지중케이블 부분 방전 진단 장치.
  9. 제1항에 있어서,
    상기 진단 신경망은 부분 방전 타입별 일치도를 소프트맥스(softmax) 함수를 통해 출력하는 지중케이블 부분 방전 진단 장치.
  10. 제7항에 있어서,
    상기 진단부는 상기 부분방전신호의 패턴과 특정 부분 방전 타입의 패턴 간의 일치도가 제1 기준값 이상이면 상기 지중케이블의 부분 방전을 상기 특정 부분 방전 타입으로 진단하고, 상기 부분방전신호의 패턴과 부분 방전 타입별 패턴 간의 일치도가 모두 제2 기준값 미만이면 상기 지중케이블을 정상으로 진단하는 지중케이블 부분 방전 진단 장치.
  11. 제7항에 있어서,
    상기 진단부는 상기 부분방전신호의 패턴과 상기 부분 방전 타입별 패턴 간의 일치도 중 적어도 하나가 미리 설정된 범위 이내이면 상기 부분방전신호의 패턴을 상기 진단불명신호로 선별하는 지중케이블 부분 방전 진단 장치.
  12. 제1항에 있어서,
    상기 서버는 사용자 명령에 따라 라벨링(labeling)된 상기 진단불명신호를 학습하여 상기 신규 신경망 모델을 생성하는 지중케이블 부분 방전 진단 장치.
KR1020210134955A 2021-10-12 2021-10-12 지중케이블 부분 방전 진단 장치 KR102615266B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210134955A KR102615266B1 (ko) 2021-10-12 2021-10-12 지중케이블 부분 방전 진단 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210134955A KR102615266B1 (ko) 2021-10-12 2021-10-12 지중케이블 부분 방전 진단 장치

Publications (2)

Publication Number Publication Date
KR20230051950A true KR20230051950A (ko) 2023-04-19
KR102615266B1 KR102615266B1 (ko) 2023-12-15

Family

ID=86142225

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210134955A KR102615266B1 (ko) 2021-10-12 2021-10-12 지중케이블 부분 방전 진단 장치

Country Status (1)

Country Link
KR (1) KR102615266B1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008051737A (ja) * 2006-08-28 2008-03-06 A-Tec Co Ltd 電気設備の異常劣化診断システム
JP2008306605A (ja) * 2007-06-08 2008-12-18 Kitakyushu Foundation For The Advancement Of Industry Science & Technology 混合信号分離装置及び混合信号分離方法、並びにｏｆｄｍ受信装置及びｏｆｄｍ受信方法
KR20100002964A (ko) * 2008-06-30 2010-01-07 현대중공업 주식회사 Ｇｉｓ 예방진단 시스템용 원격관리시스템 및 그 방법
KR101822829B1 (ko) * 2017-08-11 2018-01-29 문경훈 머신러닝을 이용한 차단기 부분방전 유형진단 및 노이즈 판별 방법
JP2019200068A (ja) * 2018-05-14 2019-11-21 日新電機株式会社 部分放電診断装置
KR20210046356A (ko) * 2019-10-18 2021-04-28 한전케이디엔주식회사 부분방전 진단 장치 및 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008051737A (ja) * 2006-08-28 2008-03-06 A-Tec Co Ltd 電気設備の異常劣化診断システム
JP2008306605A (ja) * 2007-06-08 2008-12-18 Kitakyushu Foundation For The Advancement Of Industry Science & Technology 混合信号分離装置及び混合信号分離方法、並びにｏｆｄｍ受信装置及びｏｆｄｍ受信方法
KR20100002964A (ko) * 2008-06-30 2010-01-07 현대중공업 주식회사 Ｇｉｓ 예방진단 시스템용 원격관리시스템 및 그 방법
KR101822829B1 (ko) * 2017-08-11 2018-01-29 문경훈 머신러닝을 이용한 차단기 부분방전 유형진단 및 노이즈 판별 방법
JP2019200068A (ja) * 2018-05-14 2019-11-21 日新電機株式会社 部分放電診断装置
KR20210046356A (ko) * 2019-10-18 2021-04-28 한전케이디엔주식회사 부분방전 진단 장치 및 방법

Also Published As

Publication number Publication date
KR102615266B1 (ko) 2023-12-15

Similar Documents

Publication Publication Date Title
US20150120218A1 (en) Novel method for real time tests and diagnosis of partial discharge sources in high voltage equipment and installations, which are in service or out of service, and physical system for the practical use of the method
CN112329751A (zh) 一种基于深度学习的多尺度遥感影像目标识别系统及方法
KR20230051950A (ko) 지중케이블 부분 방전 진단 장치
Surya Prasad et al. Condition monitoring of 11 kV overhead power distribution line insulators using combined wavelet and LBP‐HF features
CN105374029A (zh) 变电站设备红外图像感兴趣区域的分割方法及系统
CN111161236A (zh) 复合绝缘子憎水性检测方法、装置、介质和设备
JPH10319084A (ja) 碍子汚染診断装置
CN117420393A (zh) 开关柜局部放电缺陷识别方法、系统、设备及存储介质
KR20210118707A (ko) 지중 케이블의 부분방전 분석 장치 및 그 방법
CN113096129B (zh) 高光谱卫星影像中的云量检测方法和装置
CN108344925A (zh) 一种电力电缆局部放电监测装置及方法
Wang et al. Exploration on Automatic Management of GIS Using TL-CNN and IoT
CN114370898A (zh) 一种覆冰舞动综合监测系统
CN113884827A (zh) 一种基于yolo的绝缘子紫外故障诊断方法及装置
CN109242015B (zh) 基于空基平台视觉监视的水域面积检测方法与装置
TWI781006B (zh) 遠端電力電纜瑕疵故障檢測方法
Zhao et al. Expansion and Identification of High Voltage Cable Joint Defect Partial Discharge Data
Rahim et al. Ultraviolet pulse pattern for different types of insulator material during surface discharge activities
CN110729732A (zh) 一种构建配电网统一量测模型的方法
Chang et al. Application of Convolutional Neural Networks on Insulation Status Prediction Using Partial discharges for Underground Cable Joints
Chen et al. Development of a high function portable PD measurement system for periodic inspection of power cable circuits
CN115184744B (zh) 一种基于Faster-RCNN的GIS特高频放电信号检测装置及方法
EP4354096A1 (en) Measurement apparatus, measurement system, and method
US20240230392A1 (en) Measurement device, measurement system and method
CN117685929B (zh) 一种用于监测光伏板空间分布信息的方法和终端设备

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant