KR20230061480A

KR20230061480A - 진단 파라미터 예측 에러의 변동을 이용한 전기 장비의 상태 결정

Info

Publication number: KR20230061480A
Application number: KR1020237011225A
Authority: KR
Inventors: 루이스 체임; 로베르토 자놀; 닐랑가 아베이위크라마
Original assignee: 히타치 에너지 스위처랜드 아게
Priority date: 2021-04-09
Filing date: 2021-04-09
Publication date: 2023-05-08
Also published as: US20230273269A1; JP2023547017A; EP4193158A1; CN116057397A; CA3192512A1; WO2022214201A1

Abstract

진단 파라미터 예측 에러를 이용한 전기 장비의 상태를 결정하기 위한 실시형태들이 개시된다. 예측 에러 값은 전기 장비의 적어도 하나의 컴포넌트에 대해 미리 결정된 시간 주기에 걸쳐 복수의 예측된 진단 파라미터 값에 대해 결정된다. 예측 에러 값은 적어도 하나의 컴포넌트의 거동에서 관찰된 변동을 억제한다. 결정된 예측 에러 값은 예상된 예측 에러 값과 비교된다. 그 비교에 기초하여 적어도 하나의 컴포넌트의 상태의 표시가 선택적으로 생성된다.

Description

진단 파라미터 예측 에러의 변동을 이용한 전기 장비의 상태 결정

본 발명은 고전압 변압기와 같은 전기 장비의 분석에 관한 것이다. 특히, 본 발명은 진단 파라미터 예측 에러를 이용한 전기 장비의 상태를 결정하는 것에 관한 것이다.

전기 장비의 컴포넌트에 대한 많은 진단 파라미터는 주변 및 기타 현장 조건으로 인해 컴포넌트의 근본적인 문제들의 검출을 복잡하게 하거나 지연시키는 변동을 나타낸다. 예를 들어 커패시턴스 또는 역률과 같은 고전압 변압기용 절연 부싱의 절연 파라미터의 변동은 부싱 열화 또는 고장을 나타낼 수 있다. 그러나 이러한 절연 파라미터는 또한 온도, 습도, 과전압 또는 전기 장비 내부 및 주변의 기타 변화하는 환경, 전기 및/또는 열 조건과 같은 주변 조건에 매우 민감할 수 있다. 그 결과, 이러한 민감한 진단 파라미터에 기초한 종래의 진단 기술은 결함 발생을 사전에 검출하지 못하거나 컴포넌트의 상태 검출에 있어서 부정확할 수 있다. 따라서 이러한 기술은 컴포넌트의 상태를 정확하게 검출하기 위해 변압기를 오프라인 상태로 전환해야 할 수 있다.

일부 실시형태에 따르면, 방법은 프로세서 회로에 의해 전기 장비의 적어도 하나의 컴포넌트에 대한 미리 결정된 시간 주기에 걸친 복수의 예측된 진단 파라미터 값들에 대한 예측 에러 값을 결정하는 단계를 포함하며, 예측 에러 값은 적어도 하나의 컴포넌트의 거동에서 관찰된 주변 변동을 억제한다. 이 방법은 결정된 예측 에러 값을 예상 예측 에러 값과 비교하는 단계를 더 포함한다. 방법은 프로세서 회로에 의해 비교에 기초하여 적어도 하나의 컴포넌트의 상태의 표시를 선택적으로 생성하는 단계를 더 포함한다.

일부 실시형태에 따르면, 적어도 하나의 컴포넌트는 전기 장비의 절연 컴포넌트를 포함한다. 복수의 예측된 진단 파라미터 값은 복수의 예측된 절연 진단 파라미터 값을 포함한다.

일부 실시형태에 따르면, 복수의 예측된 절연 진단 파라미터 값은 적어도 하나의 절연 컴포넌트의 예측된 커패시턴스 값, 예측된 용량성 전류 값, 예측된 손실 계수 값 및 예측된 역률 값 중 적어도 하나의 복수를 포함한다.

일부 실시형태에 따르면, 전기 장비는 변압기를 포함하고, 적어도 하나의 컴포넌트는 변압기의 고전압 부싱을 포함한다.

일부 실시형태에 따르면, 적어도 하나의 컴포넌트의 거동에서 관찰된 억제된 변동은 주변 조건으로 인한 변동을 포함한다.

일부 실시형태에 따르면, 주변 조건으로 인한 변동은 환경 조건, 소음, 진동 및 특수 원인 변동 중 적어도 하나로 인한 변동을 포함한다.

일부 실시형태에 따르면, 예측 에러 값을 결정하는 것은 다음 중 적어도 하나를 더 포함한다: 프로세서 회로에 의해, 복수의 예측된 진단 파라미터 값에 대한 적어도 하나의 에러 값을 예측하는 것; 적어도 하나의 컴포넌트의 거동에서 관찰된 주변 조건으로 인한 적어도 하나의 에러 값의 변동을 결정하는 것; 및 상기 적어도 하나의 에러 값 및 결정된 변동에 기초하여 예측 에러 값을 생성하는 것을 포함한다.

일부 실시형태에 따르면, 예측 에러 값을 결정하는 것은 획득된 진단 파라미터 값에 기초하여 미리 결정된 시간 주기의 복수의 각각의 순간들에 대한 복수의 예측된 진단 파라미터 값을 예측하는 것을 더 포함한다. 예측 에러 값을 결정하는 것은 각각의 순간에 획득된 복수의 실제 진단 파라미터 값과 각각의 순간에 대한 복수의 예측 진단 파라미터 값의 비교에 기초하여 복수의 에러 값을 결정하는 것을 더 포함하며, 여기서 예측 에러 값은 복수의 에러 값에 대한 평균 에러 값을 포함한다.

일부 실시형태에 따르면, 복수의 실제 진단 파라미터 값은 적어도 하나의 컴포넌트와 연관된 장치로부터 생성된 파라미터 값 데이터 스트림으로부터 얻어진다.

일부 실시형태에 따르면, 복수의 순간은 미리 결정된 시간 주기의 적어도 100개의 순간들을 포함한다.

일부 실시형태에 따르면, 복수의 예측된 진단 파라미터 값은 적어도 하나의 컴포넌트의 예상된 거동과 연관된다. 예측 에러 값은 적어도 하나의 컴포넌트의 예상된 거동으로부터 적어도 하나의 컴포넌트의 관찰된 거동의 편차를 나타낸다.

일부 실시형태에 따르면, 예상된 예측 에러 값은 복수의 이전에 예측된 진단 파라미터 값과 대응하는 복수의 이전에 획득된 진단 파라미터 값의 비교에 기초하여 결정된다.

일부 실시형태에 따르면, 복수의 예측된 진단 파라미터 값은 복수의 이전에 획득된 진단 파라미터 값의 사전 정의된 수의 진단 파라미터 값과 복수의 이전에 획득된 진단 파라미터 값 중 적어도 하나의 후속 파라미터 값 사이의 복수의 결정된 관계에 기초하여 결정된다.

일부 실시형태에 따르면, 복수의 이전에 획득된 진단 파라미터 값은 적어도 하나의 컴포넌트와는 상이한 컴포넌트로부터 획득된다.

일부 실시형태에 따르면, 복수의 예측된 진단 파라미터 값은 머신 러닝 모델 및 통계 모델 중 적어도 하나에 기초하여 결정된다.

일부 실시형태에 따르면, 예상 예측 에러 값은 머신 러닝 모델 및 통계 모델 중 적어도 하나에 기초하여 결정된다.

일부 실시형태에 따르면, 표시를 선택적으로 생성하는 것은 프로세서 회로에 의해 예측 에러 값이 미리 결정된 예측 에러 임계값을 충족하는지 여부를 결정하는 것을 더 포함하고, 미리 결정된 예측 에러 임계값은 예상 예측 에러 값에 기초한다. 표시를 선택적으로 생성하는 것은 미리 결정된 예측 에러 임계값을 충족하는 예측 에러 값에 응답하여 제1 경보 표시를 생성하는 것을 더 포함한다.

일부 실시형태에 따르면, 표시를 선택적으로 생성하는 것은 미리 결정된 예측 에러 임계값을 충족하지 못하는 예측 에러 값에 응답하여 제2 경보 표시를 생성하는 것을 더 포함한다.

일부 실시형태에 따르면, 절연 진단 시스템은 프로세서 회로 및 기계 판독 가능 명령을 포함하는 메모리를 포함한다. 프로세서 회로에 의해 실행될 때, 명령은 프로세서 회로로 하여금 전기 장비의 적어도 하나의 컴포넌트에 대해 미리 결정된 시간 주기에 걸쳐 복수의 예측된 진단 파라미터 값을 결정하게 한다. 명령은 또한 프로세서 회로가 적어도 하나의 컴포넌트로부터 미리 결정된 시간 주기에 걸쳐 복수의 실제 진단 파라미터 값을 얻도록 한다. 명령은 또한 프로세서 회로가 복수의 예측된 진단 파라미터 값 및 복수의 실제 파라미터 값에 기초하여 예측 에러 값을 결정하게 하고, 예측 에러 값은 적어도 하나의 컴포넌트의 거동에서 관찰되는 주변 변동을 억제한다. 명령은 또한 프로세서 회로가 결정된 예측 에러 값을 예상 예측 에러 값과 비교하게 한다. 명령은 또한 프로세서 회로가 그 비교에 기초하여 전기 장비에 적어도 하나의 컴포넌트의 상태의 표시를 선택적으로 전송하게 한다.

일부 실시형태에 따르면, 적어도 하나의 컴포넌트는 전기 장비의 절연 컴포넌트를 포함한다. 복수의 예측된 진단 파라미터 값은 복수의 예측된 절연 진단 파라미터 값을 포함한다. 복수의 실제 진단 파라미터 값은 복수의 실제 절연 진단 파라미터 값을 포함한다.

일부 실시형태에 따르면, 복수의 예측된 절연 진단 파라미터 값은 적어도 하나의 절연 컴포넌트의 예측된 커패시턴스 값, 예측된 용량성 전류 값, 예측된 손실 계수 값 및 예측된 역률 값 중 적어도 하나의 복수를 포함한다. 복수의 실제 절연 진단 파라미터 값은 적어도 하나의 절연 컴포넌트의 실제 커패시턴스 값, 실제 용량성 전류 값, 실제 손실 계수 및 실제 역률 중 적어도 하나의 복수를 나타낸다.

본 발명의 추가 이해를 제공하기 위해 포함되고 본 출원의 일부를 구성하는 데 포함되는 첨부 도면은 본 발명의 개념의 특정 비제한적 실시형태를 예시한다.
도 1a 내지 도 1c는 일부 실시형태에 따라 절연 컴포넌트에 대한 진단 파라미터 값을 얻기 위한 기술을 도시한다.
도 2a 및 도 2b는 일부 실시형태에 따라 전기 장비에 대한 예측된 진단 파라미터 값에 대한 예측 에러에 기초하여 전기 장비의 상태를 결정하기 위한 동작을 도시한다.
도 3은 일부 실시형태에 따라 도 2b의 동작의 일부로서 예상 예측 에러 값을 결정하기 위한 동작을 도시한다.
도 4a는 일부 실시형태에 따른 변압기 부싱에 대한 이력 역률 데이터의 그래픽 플롯이다.
도 4b는 일부 실시형태에 따라 머신 러닝 모델에 의해 사용하기 위한 회귀 모델 플랫 테이블로의 도 3의 이력 역률 데이터에 대한 시계열 데이터 스트림의 변환을 도시한다.
도 5a는 일부 실시형태에 따라 정상적으로 기능하고 있는 변압기 부싱에 대한 일정 시간 주기 동안의 실제 역률과 예상 역률의 비교를 나타내는 그래픽 플롯이다.
도 5b는 일부 실시형태에 따라 정상적으로 기능하는 변압기 부싱에 대한 시간 주기에 걸쳐 도 5a의 비교를 위한 역률 예측 에러를 나타내는 그래픽 플롯이다.
도 6a 및 도 6b는 일부 실시형태에 따라, 정상적으로 기능하는 변압기 부싱에 대한 시간에 따른 변압기 부싱에 대한 예측 및 실제 커패시턴스의 비교 및 시간에 따른 커패시턴스 예측 에러를 도시하는 그래픽 플롯이다.
도 7은 일부 실시형태에 따라 도 2b의 동작의 일부로서 예측 에러 값을 결정하기 위한 동작을 도시한다.
도 8a 및 도 8b는 일부 실시형태에 따라, 실제 커패시턴스가 급격한 증가를 나타내는 경우 시간 경과에 따른 변압기 부싱에 대한 예측 및 실제 커패시턴스의 비교 및 변압기 부싱에 대한 시간 경과에 따른 커패시턴스 예측 에러를 도시하는 그래픽 플롯이다.
도 9a 및 도 9b는 일부 실시형태에 따라, 실제 커패시턴스가 시간의 경과에 따라 선형 증가를 나타내는 경우 시간의 경과에 따른 변압기 부싱에 대한 예측 및 실제 커패시턴스의 비교 및 변압기 부싱에 대한 시간에 따른 커패시턴스 예측 에러를 도시하는 그래픽 플롯이다.
도 10a 및 도 10b는 일부 실시형태에 따라, 실제 역률이 시간의 경과에 따라 선형 증가를 나타내는 경우 시간에 따른 변압기 부싱에 대한 예측 및 실제 역률의 비교 및 변압기 부싱에 대한 시간에 따른 역률 예측 에러를 도시하는 그래픽 플롯이다.
도 11은 일부 실시형태에 따라, 평균 예측 진단 파라미터 값 및 평균 획득 예측 에러 값에 기초하여 예측 에러를 결정하기 위한 동작을 도시한다.
도 12a 및 도 12b는 일부 실시형태에 따라 진단 파라미터 값의 시계열 데이터 스트림으로부터의 평균 값의 계산을 도시한다.
도 13a 및 도 13b는 일부 실시형태에 따라, 정상적으로 기능하는 변압기 부싱에 대한 시간에 따른 변압기 부싱에 대한 복수의 평균 예측 및 실제 역률의 비교 및 시간에 따른 평균 역률 예측 에러 값을 도시하는 그래픽 플롯이다.
도 14a 및 도 14b는 일부 실시형태에 따라, 실제 역률이 시간의 경과에 따라 지수적 증가를 나타내는 경우 시간에 따른 변압기 부싱에 대한 평균 예측 역률 및 평균 실제 역률의 비교 및 변압기 부싱에 대한 시간에 따른 평균 역률 예측 에러 값를 도시하는 그래픽 플롯이다.
도 15 는 일부 실시형태들에 따른 동작을 수행하기 위한 변압기 모니터링 시스템을 도시한 블록 다이어그램이다.

발명의 개념들이 이제 발명의 개념들의 실시형태들의 예들이 도시되는 첨부 도면들을 참조하여 이하에 보다 완전히 설명될 것이다. 하지만, 발명의 개념들은 다수의 상이한 형태들로 구현될 수도 있으며, 본 명세서에 기술된 실시양태들로 한정되는 것으로 해석되지 않아야 한다. 오히려, 본 개시가 철저하도록, 완벽하도록 그리고 당업자에게 본 발명의 개념들의 범위를 완전히 전달하도록 이들 실시양태들이 제공된다. 또한 이들 실시형태는 상호 배타적이지 않다는 점에 유의해야 한다. 한 실시형태로부터의 컴포넌트는 다른 실시형태에서 존재/사용되는 것으로 암묵적으로 가정될 수 있다.

다음 설명은 개시된 주제의 다양한 실시형태를 제시한다. 이들 실시형태는 교시 예로서 제공되며 개시된 주제의 범위를 제한하는 것으로 해석되어서는 안 된다. 예를 들어, 설명된 실시형태의 특정 세부 사항은 설명된 주제의 범위를 벗어나지 않고 수정, 생략 또는 확장될 수 있다.

실시형태는 컴포넌트의 진단 파라미터 값에 대한 예측 에러의 변화를 검출함으로써 전기 장비의 컴포넌트의 상태를 결정하는 방법을 포함한다. 예를 들어, 예측 에러 값은 전기 장비의 적어도 하나의 컴포넌트에 대해 미리 결정된 시간 주기에 걸쳐 복수의 예측된 진단 파라미터 값에 대해 결정될 수 있다. 예측 에러 값은 또한 적어도 하나의 컴포넌트의 거동에서 관찰되는 주변 변동을 억제할 수 있으며, 이는 더 안정적이고/거나 신뢰할 수 있는 결정을 초래할 수 있다. 본 명세서에서 사용되는 바와 같이, "주변 변동"이라는 용어는 예를 들어 환경 온도, 소음,진동, 습도, 공간/표면 전하 효과, 컴포넌트 온도, 유체 압력(예를 들어, 밀봉 컴포넌트 또는 변압기 하우징을 통한 가스 누출), 진동, 전기 부하 및/또는 특수 원인 변동과 같은 주변 조건들에 기인한 변동들을 지칭한다.

결정된 예측 에러 값은 예상된 예측 에러 값과 비교될 수 있다. 그 비교에 기초하여 컴포넌트의 상태의 표시가 선택적으로 생성될 수 있다.

설명의 목적을 위해, 여기에 설명된 많은 예는 여기에 개시된 특징을 사용하여 고전압 변압기용 부싱 또는 다른 절연 컴포넌트의 상태를 결정하는 것에 관한 것이다. 그러나 개시내용 및 청구범위는 그렇게 제한되지 않으며 본원에 제공된 특정 예를 넘어서는 광범위한 적용 가능성을 가짐을 이해해야 한다. 본 명세서에서 사용되는 바와 같이, "진단 파라미터 값"이라는 용어는 전기 장비에 대한 임의의 파라미터를 의미할 수 있다.

개시된 실시형태의 특징을 설명하기 전에, 도 1a 내지 도 1c 는 절연 컴포넌트에 대한 진단 파라미터의 일부 예를 도시한다. 도 1a는 한 쌍의 금속판(102)을 분리하는 절연체(100)를 도시한다. 도 1b의 회로도에 도시된 바와 같이, 절연체(100) 양단에 전압 V가 인가될 때, 총 전류 i는 자연 용량성 전류 i_C 컴포넌트 및 저항 손실 전류 i_R컴포넌트 사이에서 분할된다. 정상적으로 기능하는, 예를 들어, 손상되지 않은 절연체 (100) 의 경우, i_C 는 손실 전류 i_R 에 비해 매우 높아야 한다. 결과적으로 두 파라미터 간의 비율은 절연체 (100) 의 실제 상태 또는 품질의 신뢰할 수 있는 지표가 될 수 있다. 도 1c 의 벡터 다이어그램에서 볼 수 있듯이 이러한 방식으로 여러 파라미터를 측정하거나 도출할 수 있다. 예를 들어, 용량성 전류 i_C 와 총 전류 i 사이의 각도 δ 는 손실 계수 (dissipation factor) (tan δ) 를 정의하며, tan δ = i_R/i_C 이다. 손실 전류 i_R 과 총 전류 i 사이의 여각 φ 는 역률 (cos φ) 을 정의하며, cos φ = i_R/i 이다. δ 가 작은 고품질 절연체(100)의 경우 손실 계수와 역률은 매우 작을 것이며 수치적으로 매우 근접할 것이다.

그러나, 절연체(100)가 쇼트 플레이트, 천공 플레이트, 공극, 습기 및/또는 입자 오염과 같은 결함을 포함하는 경우, 예를 들어 용량성 전류 및 총 전류에 대한 손실 전류의 비율이 상당히 높아진다. 그 결과, 커패시턴스, 용량성 전류, 손실 계수 및 역률은 모두 절연체(100)의 상태를 판단하는 데 유용한 진단 파라미터가 된다.

예를 들어 변압기 부싱과 같은 절연 컴포넌트에 대한 기존의 많은 진단 기술에는 변압기가 분리되고 오프라인인 상태에서 커패시턴스, 역률 및/또는 기타 진단 파라미터를 측정하는 것이 수반된다. 변압기가 온라인 상태인 동안 이러한 진단 파라미터를 측정할 수 있지만 이것은 일반적으로 주변 조건(예를 들어, 환경 조건, 온도, 소음, 진동, 특수 원인 변동 등)으로 인한 변동과 같은 많은 변동을 측정된 파라미터 값으로 도입하여, 정확한 판독값을 얻기 어렵게 만들고, 그것은 차례로 변압기가 온라인 상태인 동안 부싱 또는 기타 절연 컴포넌트의 문제를 검출하기 어렵게 만든다.

이 문제를 해결하기 위해, 일부 실시형태에 따르면, 미리 결정된 시간 주기 동안 복수의 예측된 진단 파라미터 값이 획득되고, 동일한 시간 주기 동안 대응하는 복수의 실제 진단 파라미터 값이 획득된다. 예측된 진단 파라미터 값은 실제 진단 파라미터 값과 비교되어 예측된 진단 파라미터 값에 대한 예측 에러 값을 얻는다. 그런 다음 이 예측 에러 값을 예상 예측 에러 값과 비교하여 변압기 또는 기타 전기 장비를 오프라인으로 전환할 필요 없이 절연 컴포넌트의 상태를 정확하게 결정한다.

예측된 진단 파라미터 값, 예측 에러 값 및 예상 예측 에러 값은 여러 가지 방법으로 얻을 수 있다. 예를 들어, 일부 실시형태에서, 예상 예측 에러 값은 이력 데이터에 기초하여 진단 파라미터 값을 예측하기 위해 머신 러닝 모델을 훈련함으로써 얻어질 수 있다. 예를 들어, 훈련은 복수의 이전에 획득된 진단 파라미터 값의 사전 정의된 수의 진단 파라미터 값과 복수의 이전에 획득된 진단 파라미터 값 중 적어도 하나의 후속 파라미터 값 사이의 복수의 관계를 결정하는 것에 기초할 수 있다. 이전에 획득된 진단 파라미터 값은 원하는 대로 동일한 컴포넌트 또는 다른 컴포넌트로부터 획득될 수 있다.

훈련된 머신 러닝 모델은 예를 들어, 복수의 결정된 관계에 기초하여 정상적으로 기능하는 것으로 알려진 절연 컴포넌트에 대한 복수의 진단 파라미터 값을 예측하고 이들 예측된 값을 정상적으로 기능하는 절연 컴포넌트에 대한 대응하는 복수의 실제 진단 파라미터 값과 비교할 수 있다. 결과적인 예측 에러 값은 현장에서 향후 절연 컴포넌트 측정을 위한 예상 예측 에러 값으로 사용될 수 있다.

머신 러닝 모델은 예를 들어 연결되고 온라인 상태인 변압기용 고전압 부싱과 같은 현장의 절연 컴포넌트에 대해 일정 시간 주기 동안 예측된 진단 파라미터 값을 유사하게 얻을 수 있다. 예측된 진단 파라미터 값은 해당하는 실제 진단 파라미터 값과 비교되어 예측 에러 값을 얻고, 이는 절연 컴포넌트의 실제 상태를 결정하기 위해 예상된 예측 에러 값과 차례로 비교된다. 정상적으로 작동하는 컴포넌트의 경우 예측 에러 값은 예상되는 예측 에러 값과 매우 유사해야 하지만 손상되거나 오작동하는 컴포넌트의 경우 예측 에러가 예상된 예측 에러 값에 비해 수십 배 증가할 수 있어, 전기 장비를 오프라인으로 전환하지 않고 문제들에 대한 매우 빠르고 신뢰성있는 검출을 허용한다.

이러한 실시형태 및 다른 실시형태는 여러 방식으로 컴포넌트의 거동에서 관찰된 변동들을 억제할 수 있다. 예를 들어 머신 러닝 모델은 그것의 훈련 프로세스의 일부로 데이터의 변동을 설명할 수 있으며 예측된 진단 파라미터 값을 예측할 때 이러한 변동을 억제할 수 있다. 대안으로 또는 추가로 여러 데이터 포인트의 이동 평균을 사용하여 이러한 변동을 억제할 수 있다. 예를 들어, 복수의 예측 진단 파라미터 값(예를 들어, 100개의 진단 파라미터 값)에 대한 평균 예측 진단 파라미터 값을 대응하는 평균 실제 진단 파라미터 값과 비교하여 예측 에러 값을 얻을 수 있다. 다른 예에서, 각각의 복수의 예측된 진단 파라미터 값에 대해 복수의 에러 값(예를 들어, 100개의 에러 값)이 얻어질 수 있고, 그 후 복수의 에러 값에 대해 평균 예측 에러 값이 계산될 수 있다.

일부 실시형태에 따라 전기 장비에 대한 예측된 진단 파라미터 값에 대한 예측 에러에 기초하여 전기 장비의 상태를 결정하기 위한 동작을 도시하는 도 2a 를 이제 참조한다. 이러한 예에서, 동작들 (200) 은 프로세서 회로에 의해 전기 장비의 적어도 하나의 컴포넌트에 대한 미리 결정된 시간 주기에 걸친 복수의 예측된 진단 파라미터 값들에 대한 예측 에러 값을 결정하는 것을 포함하며, 예측 에러 값은 적어도 하나의 컴포넌트의 거동에서 관찰된 주변 변동을 억제한다 (블록 208). 동작들 (200) 은 결정된 예측 에러 값을 예상 예측 에러 값과 비교하는 것을 더 포함한다 (블록 210). 동작들 (200) 은 프로세서 회로에 의해 비교에 기초하여 적어도 하나의 컴포넌트의 상태의 표시를 선택적으로 생성하는 것을 더 포함한다 (블록 212). 또한 이들 동작들(200)의 임의의 것 또는 전부는 예를 들어 아래에서 더 상세히 설명되는 도 2b의 동작들(200')과 같은 본 명세서의 다른 개시된 실시형태와 함께 사용될 수 있음을 이해해야 한다. 또한, 이러한 동작(200) 중 일부 또는 전부는 예를 들어 아래의 도 7에 설명된 예측 에러 값을 결정하기 위한 추가 동작을 포함하여 본 명세서에 개시된 다른 동작과 함께 사용될 수 있다.

도 2b 를 이제 참조하면, 전기 장비에 대한 예측된 진단 파라미터 값에 대한 예측 에러에 기초하여 전기 장비의 상태를 결정하기 위한 동작들(200’)의 더욱 상세한 예가 일부 실시형태들에 따라 도시된다. 도 2b의 개별 동작(200')을 논의함에 있어서, 이들 및 다른 특징의 추가 동작 및 예를 도시하는 도 3 내지 도 12b 도 참조될 것이다.

도 2b의 동작(200')은 전기 장비의 컴포넌트에 대한 예상 예측 에러 값을 결정하는 것을 포함할 수 있다(블록 202'). 예상 예측 에러 값을 결정하는 것은 여러 가지 방법으로 달성될 수 있다. 예를 들어, 일부 실시형태에서, 머신 러닝 모델은 정상적으로 기능하는 컴포넌트에 대한 진단 파라미터 값을 예측하도록 훈련될 수 있으며, 이는 실제 진단 파라미터 값과 비교되어 예상된, 예를 들어 "기준선" 예측 에러 값을 결정할 수 있다.

이와 관련하여, 도 3은 도 2b의 동작(200')의 일부로서 예상 예측 에러 값을 결정하기 위한 추가 동작을 도시한다. 추가 동작은 이력 진단 파라미터 값의 시계열 데이터를 획득하는 것(블록 302) 및 그 시계열 데이터를 플랫 파일로 변환하는 것(블록 304)을 포함할 수 있다.

예를 들어, 도 4a는 고전압 변압기 부싱에 대한 이력 역률 데이터(402)의 그래픽 플롯(400)이다. 도 4a에 도시된 바와 같이, 이력 역률 데이터(402)의 시계열 데이터 스트림(404)은 플랫 파일(406), 예를 들어 이 예에서는 복수의 행(408) 및 열(410)을 갖는 회귀 모델 플랫 테이블로 변환되며, 각각의 행(408)은 이력 역률 데이터(402) 내의 연속적인 진단 파라미터 값의 시퀀스(예를 들어, "이동 창")에 대응한다.

도 3을 다시 참조하면, 추가 동작은 이력 데이터에 기초하여 진단 파라미터 값을 예측하기 위해 머신 러닝 모델을 훈련하는 것을 더 포함할 수 있다(블록 306). 예를 들어, 도 4b의 플랫 파일(406)은 선행의 열들에 기초한 입력들에 대한 타겟 출력으로서의 최종 열(412)을 갖는플랫 파일(406)의 행들(408) 각각에 반복적으로 다변량 회귀 알고리즘을 적용하기 위해 머신 러닝 모델에 의해 사용되어, 시간 경과에 따라 알고리즘을 결정하고 정제할 수 있다. 그러나 변수(즉, 예측 변수)의 수 선택은 각 개별 문제에 따라 달라진다는 점을 이해해야 한다. 각 행(408)의 변수의 수는 예를 들어 민감도, 모델 정확도, 하드웨어 및 소프트웨어 제약, 기타 파라미터에 대한 추가 테스트를 기반으로 결정되고 최적화될 수 있다.

도 4b의 이 데이터 변환 기술의 한 가지 장점은 단일 변수 데이터 세트(예를 들어, 시간에 대한 tan δ)의 다변량 문제로의 변환이며, 이것은 회귀 또는 분류 애플리케이션에 적합한 많은 머신 러닝 모델의 사용을 용이하게 한다. 이러한 머신 러닝 모델들의 힘은 그것들이 많은 사례(또는 예)와 많은 기능(또는 예측 변수 또는 독립 변수)을 포함하는 대규모 데이터 세트에서 "학습"할 수 있다는 사실에 있다.

진단 파라미터 데이터와 함께 이러한 예측 기술 및 기타 예측 기술을 사용하는 한 가지 이점은 이러한 기술이 온도, 휴일, 이벤트 등과 같은 임의의 다른 외부적인 파라미터에 대한 필요 없이, 시간 경과에 따른 이력 진단 파라미터 값의 상대적으로 작은 단일 변수 데이터 세트를 기반으로 향후 진단 파라미터 값의 매우 정확한 예측을 제공할 수 있다는 것이다. 또한 외부 주변 조건에 의해 도입된 많은 변동들의 기여는 이들 및 기타 예측 기술의 적용에 의해 억제되어, 전기 장비의 실제 상태의 보다 정확하게 표시를 제공할 수 있다.

일부 실시형태에서, 많은 상이한 머신 러닝 모델(예를 들어, 선형 및 비선형 알고리즘)이 평면화된 데이터를 사용하여 훈련되고, 그 결과가 가장 높은 정확도로 머신 러닝 모델을 결정하기 위해 비교된다. RMSE(Root Mean Square Error), MAE(Mean Absolute Error) 등과 같은 많은 상이한 기준을 사용하여 정확도를 결정할 수 있다. 적합한 선형 머신 러닝 모델의 예는 일반 선형 회귀, 로지스틱 회귀(예를 들어, 분류용), 선형 판별 분석 등을 포함할 수 있다. 적합한 비선형 머신 러닝 모델의 예는 분류 및 회귀 트리, 나이브-베이지안, K-최근접 이웃, 지원 벡터 기계 등을 포함할 수 있다. 적합한 앙상블 머신 러닝 모델의 예는 랜덤 포레스트, 트리-배깅 (tree-bagging), 익스트림 그래디언트 부스팅 머신, 인공 신경망 등을 포함할 수 있다.

예측된 진단 파라미터 값은 머신 러닝 모델, 통계 모델 또는 기타 적절한 기술을 사용하여 예측될 수 있다. 예를 들어, 신경망과 같은 지도 또는 비지도 머신 러닝 모델을 사용하여 데이터의 세트의 기본 관계를 인식하여 미래 값을 보다 정확하게 예측할 수 있다. 또 다른 예에서, 자동 회귀 통합 이동 평균("ARIMA")과 같은 통계 모델은 시계열의 과거 값을 설명하고 학습할 수 있으며, 이는 차례로 미래 값의 보다 정확한 예측으로 이어진다. 그러나, 임의의 수의 예측 기술이 사용될 수 있고 개시된 실시형태가 상기 예에 제한되지 않는다는 것을 이해해야 한다. 많은 실시형태에서, 진단 파라미터 값의 예측의 정확도의 증가는 보다 신뢰할 수 있는 예상 예측 에러 값을 초래할 수 있고, 이는 차례로 예측 에러의 예상치 못한 증가의 진단 값을 증가시킬 수 있다. 그러나, 전기 장비의 진단 예측 값의 예측을 허용하는 임의의 기술이 본 명세서에 설명된 실시형태와 함께 사용될 수 있음을 이해해야 한다.

다시 도 3을 참조하면, 전기 장비에 대한 복수의 에러 값을 얻기 위해 예측된 진단 값이 이력 데이터에 대한 대응하는 실제 진단 파라미터 값과 비교된다(블록 308). 이 예에서, 예측된 진단 값은 사전 결정된 시간 주기 동안 특정 순간에 대응하고, 대응하는 실제 진단 파라미터 값은 동일한 각각의 순간에 대응한다. 이 예에서, 평균 에러 값은 후속 측정 및 비교를 위한 예상 예측 에러 값으로 사용될 수 있는 복수의 에러 값에 대해 결정된다(블록 310).

이러한 방식으로, 머신 러닝 모델 또는 다른 적절한 예측 기술을 사용하여 다수의 진단 파라미터에 대한 예상 예측 에러 값을 결정할 수 있다. 이력 역률 데이터(도 5a 및 도 5b) 및 이력 커패시턴스 데이터(도 6a 및 도 6b)에 대한 예상 예측 에러 값을 결정하는 예가 이제 아래에서 설명될 것이다.

이제 도 5a를 참조하면, 그래픽 플롯(500)은 정상적으로 기능하고 있는 변압기 부싱에 대한 일정 시간 주기 동안의 복수의 예측된 역률(502) 및 실제 역률(504)을 도시한다. 전술한 바와 같이, 예측 역률(502)은 신경망과 같은 지도 또는 비지도 머신 러닝 모델, ARIMA(Auto-Regressive Integrated Moving Average)와 같은 통계 모델, 또는 역률 또는 기타 진단 파라미터 값을 예측하기 위한 다른 적절한 기술을 사용하여 예측될 수 있다. 실제 역률(504)은 해당 시간 주기 동안 변압기 부싱의 측정치로부터 측정되거나 도출된다.

도 5b에 도시된 바와 같이, 예상 역률(502)과 실제 역률(504)의 비교는 정상적으로 기능하는 변압기 부싱에 대한 복수의 에러 값(508)의 그래픽 플롯(506)을 생성한다. 이 예에서 복수의 에러 값(508)에 대한 평균 예측 에러(510)는 0.98%이며, 이는 활성 사용 중인 변압기 부싱에 대한 미래의 역률 예측 에러 결정과 비교하기 위한 예상 예측 에러 값(512)으로 사용될 수 있다. 일부 실시형태에서, 95번째 백분위수 값(514)(즉, 에러 값(508)의 최대 5%를 제외하는 에러 값(508)의 최대값), 99번째 백분위수 값 (516) 등과 같은 상이한 값이 예상 예측 에러 값으로 사용될 수 있다.

이러한 기술은 용량성 전류, 손실 계수 및/또는 역률 등과 같은 다른 진단 파라미터에 대한 예상 예측 에러 값을 결정하는 데에도 사용될 수 있다. 이와 관련하여, 도 6a 는 일정 시간 주기 동안 변압기 부싱에 대한 예측된 커패시턴스(602) 및 실제 커패시턴스(604)의 비교를 도시하는 그래픽 플롯 (600) 이다. 도 6b는 정상적으로 기능하는 변압기 부싱에 대한 예측된 커패시턴스(602)과 실제 커패시턴스(604)의 비교에 의해 생성된 복수의 에러 값(608)의 그래픽 플롯(606)이다. 이 예에서 복수의 에러 값(608)에 대한 평균 예측 에러(610)는 0.0043%이며, 이는 활성 사용 중인 변압기 부싱에 대한 미래의 커패시턴스 예측 에러 결정과 비교하기 위한 예상 예측 에러 값(612)으로 사용될 수 있다. 전술한 바와 같이, 필요에 따라 95번째 백분위수 값(614), 99번째 백분위수 값(616) 등과 같은 상이한 값이 또한 사용될 수 있다.

도 2b를 다시 참조하면, 동작(200')은 예를 들어 전술한 훈련된 머신 러닝 모델을 사용하여 미리 결정된 시간 주기에 걸쳐 복수의 예측된 진단 파라미터 값을 예측하는 것을 더 포함할 수 있다(블록 204'). 동작(200')은 미리 결정된 시간 주기 동안 복수의 실제 진단 파라미터 값을 획득하는 것(블록 206')을 더 포함할 수 있으며, 이는 예를 들어 해당 시간 주기 동안 변압기 부싱의 측정에서 측정되거나 도출될 수 있다.

동작(200')은 예를 들어 예측된 진단 파라미터 값을 실제 진단 파라미터 값과 비교함으로써 복수의 예측된 진단 파라미터 값에 대한 예측 에러 값을 결정하는 것(블록 208')을 더 포함할 수 있다. 이와 관련하여, 도 7은 일부 실시형태에 따라 도 2b의 동작의 일부로서 예측 에러 값을 결정하기 위한 추가의 동작을 도시한다.

도 7의 추가 동작은 머신 러닝 모델 또는 다른 적절한 예측 기술을 사용하여 복수의 진단 파라미터 값을 예측하는 것(블록 702) 을 더 포함할 수 있다. 대응하는 복수의 실제 진단 파라미터 값이 또한 획득된다(블록 704). 이와 관련하여, 도 8a는 현장에서 변압기 부싱에 대한 시간 경과에 따른 예측된 커패시턴스(802) 및 실제 커패시턴스(804)를 도시하는 그래픽 플롯(800)이다. 이 예에서, 예측된 진단 값은 사전 결정된 시간 주기 동안 특정 순간에 대응하고, 대응하는 실제 진단 파라미터 값은 동일한 각각의 순간에 대응한다. 이 예에서, 도 6a의 정상적으로 기능하는 변압기 부싱에 대한 예측 커패시턴스(602)를 결정하는 데 사용되는 훈련된 머신 러닝 모델은 또한 도 8a의 필드에서 변압기 부싱의 예측 커패시턴스(802)를 예측하는 데 사용된다. 이 예에서, 실제 커패시턴스(804)의 상대적으로 작지만 급격한 증가(818) (예를 들어, 1 pF) 가 시간 T 에서 발생한다.

도 7의 추가 동작은 복수의 에러 값을 결정하기 위해 예측된 진단 파라미터 값을 획득된 실제 진단 파라미터 값과 비교하는 것을 더 포함할 수 있다. 이와 관련하여, 도 8b는 현장에서 변압기 부싱에 대한 예측된 커패시턴스(802)과 실제 커패시턴스(804)의 비교에 의해 생성된 복수의 에러 값(808)의 그래픽 플롯(806)이다. 도 8a에 도시된 실제 커패시턴스(804)의 급격한 증가(818)로 인해, 에러 값(808)은 또한 시간 T에서 크고 지속적인 증가(820)를 나타낸다.

도 7의 추가 동작은 복수의 에러 값에 대한 평균 에러 값을 결정하는 것을 더 포함할 수 있다(블록 708). 예를 들어, 도 8b에 도시된 바와 같이, 이 예에서 복수의 에러 값(808)에 대한 평균 예측 에러(810)는 에러 값(808)의 급격한 증가(820)의 결과로서 0.0435%이다. 이러한 방식으로, 평균 예측 에러(810)는 예상된 거동, 즉 예측된 커패시턴스(802)으로부터 관찰된 거동의 편차, 즉 실제 커패시턴스(804)의 급격한 증가(818)를 나타낸다. 전술한 바와 같이, 필요에 따라 95번째 백분위수 값(814), 99번째 백분위수 값(816) 등과 같은 상이한 값이 또한 사용될 수 있다.

도 2b 를 다시 참조하면, 동작들 (200’) 은 결정된 예측 에러 값을 예상 예측 에러 값과 비교하는 것을 더 포함할 수 있다 (블록 210’). 예를 들어, 도 8b의 평균 예측 에러(810)(즉, 평균 에러 값)는 정상적으로 기능하는 변압기 부싱에 대해 도 6b에서 결정된 예상 예측 에러 값(612)과 비교될 수 있다. 이 예에서, 0.0435%의 평균 예측 에러(810)는 커패시턴스 증가(818)의 절대적인 크기가 상대적으로 작음에도 불구하고 0.0043%의 예상 예측 에러 값(612)의 대략 10배이다. 이는 현장에서 변압기 부싱에 의한 이상 거동(예를 들어, 커패시턴스의 갑작스러운 증가)의 명확하고 쉽게 검출되는 표시를 나타낸다. 이 예 및 다른 예에서, 실제 진단 파라미터 값의 상당한 편차는 검출 및 모니터링될 수 있는 예측 에러의 대응하는 증가를 초래할 수 있다.

이와 관련하여, 도 2b를 다시 참조하면, 동작(200')은 비교에 기초하여 적어도 하나의 컴포넌트의 상태의 표시를 선택적으로 생성하는 것을 더 포함할 수 있다(블록 212'). 일부 실시형태에서, 예를 들어, 예측 에러 임계값은 예상 예측 에러 값에 기초하여 결정될 수 있고, 경보 표시가 예측 에러 값이 미리 결정된 예측 에러 임계값을 충족한다는 결정에 응답하여 선택적으로 생성될 수 있다. 대안적으로 또는 추가로, 미리 결정된 예측 에러 임계값을 충족하지 못하는 예측 에러 값에 대한 응답으로 표시가 선택적으로 생성될 수도 있다.

일부 예에서, 예측 에러 임계값은 특정 값 또는 값 범위일 수 있다. 표시(들)는 또한 필요에 따라 특정 값 또는 값의 범위, 분류 유형, 예를 들어 "좋음 또는 나쁨", "예 또는 아니오", 레벨 1,2,3 등 또는 기타 임의의 적절한 표시를 포함할 수 있다.

본 명세서에 개시된 실시형태는 다른 유형의 이상 거동을 검출하고 표시할 수도 있다. 예를 들어, 도 9a는 실제 커패시턴스가 시간에 따라 선형 증가(918)를 나타내는 경우 변압기 부싱에 대한 예측된 커패시턴스(902)와 실제 커패시턴스(904)의 비교를 도시하는 그래픽 플롯(900)이다. 도 9b에 도시된 바와 같이, 커패시턴스의 이러한 상대적으로 작은 선형 증가(918) (예를 들어, 3pF) 는 대응하는 에러 값(908)에서도 측정 가능한 증가(920)를 초래하고, 이는 0.0043%의 예상 예측 에러 값(612)(도 6b에 도시됨) 의 9 배 이상인 0.0408%의 평균 예측 에러(910)를 초래한다. 전술한 바와 같이, 필요에 따라 95번째 백분위수 값(914), 99번째 백분위수 값(916) 등과 같은 상이한 값이 또한 사용될 수 있다.

다른 예에서, 도 10a는 실제 역률(1004)이 시간에 따라 선형 증가(1018)를 나타내는 경우, 현장에서 변압기 부싱에 대한 예측된 역률(1002)와 실제 역률(1004)의 비교를 도시하는 그래픽 플롯(1000)이다. 여기서 다시, 커패시턴스의 이러한 선형 증가(1018)는 도 10b 에 도시된 바와 같이 대응하는 에러 값(1008)에서도 측정 가능한 증가(1020)를 초래하고, 이는 0.98%의 예상 예측 에러 값(512)(도 5b에 도시됨)보다 훨씬 더 높은 2.36%의 평균 예측 에러(1010)를 초래한다. 전술한 바와 같이, 필요에 따라 95번째 백분위수 값(1014), 99번째 백분위수 값(1016) 등과 같은 상이한 값이 또한 사용될 수 있다.

전술한 바와 같이, 변압기 부싱(또는 다른 컴포넌트)의 관찰된 거동의 변동은 다수의 방식으로 검출 및/또는 억제될 수 있다. 예를 들어, 본 명세서에 개시된 머신 러닝 모델 예와 관련하여 위에서 논의된 바와 같이, 예측 기술 자체는 외부 주변 조건에 의해 도입된 많은 변동들을 억제할 수 있다. 예를 들어, 예측 기술은 컴포넌트의 주변 조건 및 정상적인 노후화로 인한 변동들, 즉 "건전한" 변동들, 및 손상, 과도한 마모, 또는 기타 바람직하지 않은 변동들과 같은 컴포넌트의 근본적인 문제들로 인한 변동들을 구별하도록 훈련 또는 구성될 수도 있다. 대안적으로 또는 추가로, 시간 경과에 따른 진단 파라미터 값들의 세트들에 대한 평균값들을 얻음으로써 변동들을 억제할 수도 있다.

이제 도 11을 참조하면, 일부 실시형태들에 따라, 평균 예측 진단 파라미터 값 및 평균 획득 예측 에러 값에 기초하여 예측 에러를 결정하기 위한 동작들(1100)을 도시한다. 이러한 동작들(1100)은 예를 들어 예상 예측 에러 값을 결정하는 것(블록 202'), 및/또는 복수의 예측된 진단 파라미터 값에 대한 예측 에러 값을 결정하는 것(블록 208') 등과 같은 도 2b의 동작들(200')의 일부로서 사용될 수 있다.

도 11의 동작들(1100)은 복수의 획득된 진단 파라미터 값에 기초하여 복수의 평균 획득된 진단 파라미터 값을 결정하는 것을 포함할 수 있다(블록 1102). 예를 들어, 도 12a 및 도 12b는 일부 실시형태에 따라 진단 파라미터 값의 시계열 데이터 스트림(1204)으로부터의 복수의 평균 값(즉, 이동 평균)의 계산을 도시한다. 도 12a에서, 역률 값(1202)은 시계열 데이터 스트림(1204)으로부터 얻어지며, 이는 환경 요인, 온도 등과 같은 주변 조건으로 인해 시간에 따른 변동들을 나타낼 수 있다. 역률 값(1202)은 복수의 평균 역률 값(1206)으로 변환되며, 이것은 측정된 값에 대한 주변 변동의 영향을 더욱 감소시킨다. 이 예에서, 20개의 획득된 역률 값들(1202)의 각 세트는 단일 평균 역률 값(1206)을 생성하기 위해 평균화된다.

일부 예에서, 획득된 진단 파라미터 값의 충분히 큰 세트는 도 12a 의 기술을 사용하여 평균 진단 파라미터 값들(예를 들어, 100개의 순간과 연관된 100개의 값들)의 사용가능한 세트를 생성할 수 있다. 대안적으로 또는 추가로, 머신 러닝 모델, 통계 모델 또는 기타 예측 기술에 의해 사용하기 위한 더 큰 세트의 데이터 포인트들을 얻기 위해 각각의 획득된 진단 파라미터 값에 대한 평균값을 결정하는 것이 바람직할 수 있다. 이와 관련하여, 도 12b는 시계열 데이터 스트림(1204)으로부터 얻은 역률 값(1202)의 복수의 평균 역률 값(1206')으로의 변환을 도시하며, 각각의 평균 역률 값은 획득된 역률 값과 일련의 이전 19개의 획득된 역률 값들에 기초한다. 이러한 방식으로, 각각의 평균 역률 값(1206')은 획득된 역률 값(1202)의 변동을 여전히 억제할 수 있지만, 예측 기술에 의해 사용하기 위해 훨씬 더 많은 수의 평균 역률 값(1206')을 사용하여, 그에 의해 예측 기술의 전체 정확도를 증가시킨다.

도 11의 동작들(1100)은 복수의 획득된 진단 파라미터 값에 기초하여 복수의 평균 예측된 진단 파라미터 값을 예측하는 것을 더 포함할 수 있다(블록 1104). 예를 들어, 머신 러닝 모델 또는 전술한 다른 예측 기술을 사용하여 복수의 예측된 진단 파라미터 값이 결정될 수 있다. 복수의 평균 예측 진단 파라미터 값은 그후 예를 들어 도 12a 및/또는 도 12b의 동일하거나 유사한 프로세스를 사용하여 복수의 예측 진단 파라미터 값에 기초하여 결정될 수 있다.

도 11의 동작들(1100)은 도 3 및 도 7 등과 관련하여 전술한 기술과 유사하게, 평균 예측 진단 파라미터 값을 평균 이력 진단 파라미터 값과 비교하여 복수의 평균 에러 값을 획득하는 것(블록 1106) 및 복수의 평균 에러 값에 대한 평균 예측 에러 값을 결정하는 것(블록 1108)을 더 포함할 수 있다.

도 11의 동작(1100)의 추가 적용이 도 13a 내지 도 14b 의 예에 의해 예시된다. 도 13a는 정상적으로 기능하는 변압기 부싱에 대한 시간 경과에 따른 복수의 평균 예측 역률(1302)과 복수의 평균 실제 역률(1304)의 비교를 도시하는 그래프 플롯(1300)이다. 이 실시형태에서, 각각의 평균 예측 역률 데이터 포인트(1318)는 100개의 예측된 역률 샘플의 평균을 나타내고(도 11의 블록 1104 참조), 각각의 평균 실제 역률 데이터 포인트(1320)는 100개의 대응하는 실제 역률 샘플의 평균을 나타낸다(도 11의 블록 1102 참조). 도 13b의 그래픽 플롯(1306)에 의해 도시된 바와 같이, 평균 에러 값(1308)은 복수의 평균 예측 역률(1302)과 복수의 평균 실제 역률(1304)의 비교로부터 얻어진다(도 11의 블록 1106 참조). 예를 들어, 위의 예에서와 같이, 도 13b의 평균 예측 에러(1310)는 복수의 평균 에러 값(1308)에 대해 계산된다(도 11의 블록 1108 참조). 이 예에서, 평균 예측 에러(1310)는 0.03%이며, 이는 활성 사용 중인 변압기 부싱에 대한 장래의 예측 에러 결정과 비교하기 위한 예상 예측 에러 값(1312)으로 사용될 수 있다(예를 들어, 도 3 참조). 전술한 바와 같이, 필요에 따라 95번째 백분위수 값(1314), 99번째 백분위수 값(1316) 등과 같은 상이한 값이 또한 사용될 수 있다. 이 예에서, 평균 에러 값(1308)을 결정하기 전에 예측 및 실제 역률 샘플들의 그룹들을 평균화함으로써, 변압기 부싱의 관찰된 거동의 변동들이 더욱 억제되고, 이 예에서의 예상된 예측 에러는 이 예에서 0.98%(이 예의 이동 평균 기술을 사용하지 않는 도 5b 참조)로부터 0.03%로 감소된다. 예상된 예측 에러 값(1312), 즉 기준 값의 이러한 감소는 현장에서 장비를 모니터링할 때 예측 에러의 증가를 검출할 가능성을 증가시켜, 장비에서 비정상적인 거동을 검출할 가능성을 증가시킨다.

현장에서 장비에 대한 진단 파라미터 값을 예측하고 예측 에러 값을 결정하기 위해 유사한 이동 평균 기술을 사용할 수 있다(예를 들어, 도 7 참조). 이와 관련하여, 도 14a는 현장에서 변압기 부싱에 대한 시간 경과에 따른 복수의 평균 예측 역률(1402)과 복수의 평균 실제 역률(1404)의 비교를 도시하는 그래프 플롯(1400)이다. 이 예에서, 도 13a의 정상적으로 기능하는 변압기 부싱에 대한 평균 예측 역률(1302)를 결정하는 데 사용되는 훈련된 머신 러닝 모델은 또한 도 14a의 현장에서 변압기 부싱의 복수의 평균 예측 역률(1402)를 예측하는 데 사용된다. 이 예에서, 복수의 평균 실제 역률(1404)은 시간이 지남에 따라 선형 증가(1414)를 나타낸다. 도 14b 의 그래픽 플롯 (1406) 에 의해 도시된 바와 같이, 평균 실제 역률(1404)의 선형 증가(1414)는 대응하는 에러 값(1408)에서도 측정 가능한 증가(1416)를 초래하고, 이는 0.03%의 예상 예측 에러 값(1312)(도 14b에 도시됨) 의 대략 30 배인 0.9%의 평균 예측 에러 값(1410)을 초래한다. 전술한 바와 같이, 필요에 따라 95번째 백분위수 값(1414), 99번째 백분위수 값(1416) 등과 같은 상이한 값이 또한 사용될 수 있다.

위에서 논의된 바와 같이, 위의 실시형태들 중 다수는 커패시턴스, 역률 등과 관련된 진단 파라미터에 기초하여 절연 컴포넌트(예를 들어, 고전압 부싱)의 상태를 결정하는 것과 관련되지만, 여기에 개시된 실시형태는 광범위한 애플리케이션들을 갖는다 것을 이해해야 한다. 예를 들어, 커패시턴스 기반 진단 파라미터에 영향을 미치는 많은 동일한 주변 조건들은 또한 예를 들어 부분 방전(PD), 오일 온도 및/또는 용존 가스 분석(DGA)와 같은 변압기 및 기타 전기 장비의 다른 양태들을 검출하고 측정하기 위한 진단 파라미터에 영향을 미칠 수 있다. 본 명세서에 개시된 실시형태로부터 이익을 얻을 수 있는 다른 유형의 전기 장비는 접점의 상태(즉, 물리적 마모), 가스 누출, 작동 메커니즘(예를 들어, 이동 시간) 등을 모니터링하기 위한 회로 차단기를 포함할 수 있다.

예를 들어, 차단기 이동 시간 모니터링과 관련된 진단 파라미터는 회로 차단기 접촉에 의해 경험되는 힘을 포함할 수 있으며, 이는 아크, 절연 가스 특성(예를 들어, 가스 전기음성도, 가스 혼합), 부하 전류, 스위칭의 순간, 접점 주변 온도, 육불화황 또는 기타 냉각 가스의 공간 전하, 접점 간 순간 전위차, 부하 전류, 부하 유형(예를 들어, 임피던스) 등과 같은 다수의 주변 조건에 의해 영향을 받을 수 있다. 이러한 상이한 진단 파라미터들을 위한 충분한 양의 이력 데이터로, 이들 및 기타 예측 기술은 측정된 데이터에 대한 주변 조건의 범위 또는 영향에 관계없이 컴포넌트 상태 및 예상 상태와의 편차를 검출하도록 훈련되거나 구성될 수 있다.

이제, 도 15 를 참조하면, 변압기 모니터링 시스템 (1500) 의 블록 다이어그램이 도시된다. 이 예에서 변압기 모니터링 시스템(1500)은 도 2, 도 3, 도 7, 및/또는 도 11 등의 동작과 같은 일부 실시형태에 따른 동작을 수행하도록 구성된다. 변압기 모니터링 시스템(1500)의 변압기 모니터링 디바이스(30)는 하나 또는 다수의 변압기(10A, 10B)를 모니터링할 수 있다. 일부 실시형태에서, 변압기 모니터링 디바이스(30)는 디바이스로서 제공되는 변압기(10A) 내에 통합되고 변압기(10A)만을 모니터링하는 것이 가능하게 될 수 있는 반면, 다른 실시형태에서 변압기 모니터링 디바이스(30)는 변압기(10A)와 통합되어 변압기(10A) 를 모니터링하고 및 선택적으로 또한 인접한 하나 이상의 전기 장비(예를 들어, 변압기(10B) 또는 다른 전력 또는 전류 트랜스포머 또는 회로 차단기) 또는 연결된 송전/배전 라인으로부터의 데이터를 모니터링하거나 수신할 수 있다. 또 다른 실시형태에서, 변압기 모니터링 디바이스(30)는 모니터링되는 변압기(10A, 10B)와 별개이다.

변압기 모니터링 디바이스(30)는 프로세서 회로(34), 프로세서 회로에 결합된 통신 인터페이스(32), 및 프로세서 회로(34)에 결합된 메모리(36)를 포함한다. 메모리(36)는 프로세서 회로(34)에 의해 실행될 때 프로세서 회로(34)가 예를 들어 도 2, 도 3, 도 7, 및/또는 도 11 의 동작들과 같은 여기에 도시 및 설명된 동작들 중 일부를 수행하게 하는 머신 판독가능 컴퓨터 프로그램 명령들을 포함한다.

도시된 바와 같이, 변압기 모니터링 시스템(1500)은 유선 또는 무선 통신 채널(14)을 통해 다른 디바이스들, 예를 들어 변압기(10A, 10B)의 센서(20)와의 통신을 제공하도록 구성된 통신 인터페이스(32)(네트워크 인터페이스라고도 함)를 포함한다. 변압기 모니터링 디바이스(30)는 변압기(10A, 10B)의 진단 파라미터, 예를 들어 변압기(10A, 10B)와 관련된 전압, 전류, 오일 온도, 주변 온도 등을 나타내는 신호를 센서(20)로부터 수신할 수 있다.

이 예에서, 변압기 모니터링 디바이스(30)는 예를 들어 서버-클라이언트 모델, 클라우드 기반 플랫폼, 변전소에서 사용되는 변전소 자동 시스템, 전력 시스템 관리에 사용되는 배전 관리 시스템, 또는 기타 네트워크 배열들에서, 통신 채널(14)을 통해 변압기(10A, 10B) 회로와 통신하는 별도의 모니터링 디바이스로서 도시된다. 클라이언트-서버 구성의 한 가지 이점은 변압기(10A, 10B)와 같은 복수의 개별 장비에 대해 진단 파라미터의 모니터링 및 예측을 얻을 수 있다는 것이다. 예를 들어, 전력 시스템에서 하나의 전기 장비에 대한 문제의 진단은 상이한 전기 장비의 결정된 상태에 기초하여 상이한 전기 장비에 걸친 부하를 재분배하는 것을 포함할 수 있다. 그러나, 다른 실시형태에서, 변압기 모니터링 디바이스(30)는 변압기(10A, 10B) 또는 원하는 대로 다른 전기 장비의 일부일 수 있음을 또한 이해해야 한다.

서버-클라이언트 모델의 다른 실시형태에서, 변압기 모니터링 시스템은 모니터링되는 변압기와 관련된 디바이스(예를 들어, 클라이언트)를 가질 수 있으며, 여기서 그 디바이스는 머신 러닝 모델, 통계 모델 또는 다른 예측 도구를 포함하고, 및 중앙 시스템(예를 들어, 서버)은 다수의 전기 장비/변압기를 모니터링하도록 구성된다. 서버는 또한 머신 러닝 모델의 인스턴스 또는 변압기와 관련된 디바이스에 포함된 다른 예측 도구를 포함할 수 있다. 서버의 머신 러닝 모델 또는 다른 예측 도구는 변압기 또는/및 다수의 전기 장비로부터 수신된 데이터로 지속적으로 훈련, 조정, 적응 등이 될 수 있으며, 서버는 서버의 예측 도구를 조정/적응하기 위한 정보/데이터를 제공한다. 서버는 또한 변압기의 조건(예를 들어, 변압기에 연결된 디바이스 또는 센서에 의해 이용가능하게 되는 커패시턴스 및/또는 역률 데이터에 기초한 변압기 부싱의 고장 또는 열화)을 예측/시뮬레이션하기 위해 그리고 디바이스에 의해 변압기(또는 다른 전기 장비)와 관련된 적어도 하나의 파라미터(예를 들어, 냉각, 출력, 온라인 상태)를 변경하기 위해 변압기에 연결된 디바이스(예를 들어, 클라이언트)에 그러한 결정에 관련된 정보를 제공하기 위해 시뮬레이션 또는 고급 처리를 수행할 수 있다. 다양한 실시형태에 따르면, 변압기 모니터링 디바이스(30)는 진단 파라미터 값을 측정 및 예측하고 변압기와 관련된 적어도 하나의 활동을 수행하기 위한 전자, 컴퓨팅 및 통신 하드웨어 및 소프트웨어를 포함할 수 있다.

변압기 모니터링 디바이스(30)는 또한 프로세서 회로(34)(프로세서라고도 함) 및 프로세서 회로(34)에 결합된 메모리 회로(36)(메모리라고도 함)를 포함한다. 다른 실시형태에 따르면, 프로세서 회로(34)는 별도의 메모리 회로가 필요하지 않도록 메모리를 포함하도록 정의될 수 있다.

본 명세서에서 논의된 바와 같이, 변압기 모니터링 디바이스(30)의 동작 및 변압기 모니터링 시스템(1500)의 다른 양태들은 프로세서 회로(34) 및/또는 통신 인터페이스(32)에 의해 수행될 수 있다. 예를 들어, 프로세서 회로(34)는 통신 인터페이스(32)를 통해 하나 이상의 다른 디바이스로 통신을 전송하고/하거나 하나 이상의 다른 디바이스로부터 네트워크 인터페이스를 통해 통신을 수신하도록 통신 인터페이스(32)를 제어할 수 있다. 더욱이, 모듈은 메모리(36)에 저장될 수 있고, 이들 모듈은 모듈의 명령들이 프로세서 회로(34)에 의해 실행될 때 프로세서 회로(34)가 각각의 동작(예를 들어, 예시적인 실시형태에 대해 본 명세서에서 논의된 동작)을 수행하도록 명령들을 제공할 수 있다. 예를 들어, 모듈은 진단 파라미터 값을 획득하고, 진단 파라미터 값을 예측하고, 예측 에러 값을 결정하고, 전기 장비의 컴포넌트의 상태 및/또는 조건을 결정하도록 추가로 구성될 수 있다.

예를 들어 고전압 변압기일 수 있는 변압기(10)는 변압기(10A, 10B)와 관련된 다양한 양, 예를 들어 변압기(10) 의 다양한 컴포넌트에 대한 전압, 전류, 작동 부하, 주변 온도, 습도 및/또는 산소 함량을 측정하고, 그 측정들을 통신 채널(14)을 통해 변압기 모니터링 디바이스(30)로 전송하는 센서(20)를 포함한다. 예를 들어, 센서(30)는 이 예에서 부싱(22) 또는 변압기(10)의 다른 절연 컴포넌트와 관련된 측정들을 얻도록 구성될 수 있다. 변압기(10)는 또한 전력선(28)(예를 들어, 가공 송전선), 냉각 시스템(26)(예를 들어, 변압기 또는 리액터용) 등에 결합된 활성 컴포넌트(24)과 같은 서브시스템을 포함할 수 있으며, 이는 차례로 예를 들어 프로세서 회로(34)로부터의 명령에 의해 또는 그것에 응답하여 동작될 수 있다.

이 예 및 다른 예에서, 실시형태는 예시의 단순성을 위해 변압기의 맥락에서 설명되지만, 많은 다른 유형의 전기 장비 및 그의 컴포넌트가 반응기, 전송선, 계기용 변성기, 발전기 등과 같이 여기에 설명된 실시형태로부터 이익을 얻을 수 있음을 이해해야 하고, 이러한 모든 전기 장비도 본 개시의 범위 내에 있는 것으로 간주되어야 한다.

이들 측정량은 변압기(10A, 10B)의 다양한 컴포넌트 또는 서브시스템에서의 결함의 존재 및/또는 변압기(10)의 일반적인 결함 상태를 검출 및/또는 결정하기 위해 변압기 모니터링 디바이스(30)에 의해 사용될 수 있다. 통신 채널(14)은 유선 또는 무선 링크를 포함할 수 있고, 일부 실시형태에서는 무선 근거리 통신망(WLAN) 또는 4G 또는 5G 통신 네트워크와 같은 셀룰러 통신 네트워크를 포함할 수 있다.

변압기 모니터링 시스템(1500)은 변압기(10A, 10B)로부터 전압, 전류, 작동 부하, 온도, 수분, 산소 함량 등의 온라인 또는 오프라인 측정들을 수신하고 본 명세서에 설명된 동작을 수행하기 위해 그 측정들을 처리할 수 있다. 변압기 모니터링 시스템(1500)은 서버, 서버 클러스터, 클라우드 기반 원격 서버 시스템 및/또는 독립형 장치에서 구현될 수 있다. 센서 데이터는 하나의 변압기 및/또는 다수의 변압기로부터 변압기 모니터링 시스템(1500)에 의해 획득될 수 있다.

본 명세서에 기술된 변압기 모니터링 시스템(1500)은 다양한 방식으로 구현될 수 있다. 예를 들어, 일부 실시형태에 따른 변압기 모니터링 시스템(1500)은 온라인/오프라인 데이터를 수신할 수 있고, 수신된 데이터는 다양한 실시형태에서 설명된 머신 러닝 또는 기타 예측 기술에 의해 사용된다. 디바이스는 진단 파라미터 값 및/또는 다른 유형의 측정 데이터를 수신하기 위해 하나 이상의 변압기(10)에 연결가능할 수 있다.

본 발명의 개념들의 다양한 실시형태에 대한 위의 설명에서, 여기서 사용된 용어는 단지 특정한 실시형태를 설명하기 위한 목적이고, 본 발명의 개념을 한정하려는 의도가 아닌 것으로 이해되어야 한다. 달리 정의되지 않으면, 본 명세서에서 사용되는 모든 용어들(기술적 및 과학적 용어들 포함)은, 본 발명의 개념이 속하는 기술분야의 당업자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전들에서 정의된 용어들과 같은 용어들은 본 명세서 및 관련 기술의 문맥에서의 그 의미와 부합하는 의미를 갖는 것으로서 해석되어야 한다.

엘리먼트가 다른 엘리먼트에 "연결된" 또는 "결합된", “응답적인”, 또는 이것의 변형으로서 지칭될 경우, 그것은 다른 엘리먼트에 직접 연되거나, 결합되거나, 또는 응답적일 수 있거나 개재하는 엘리먼트들이 존재할 수도 있다. 그에 반해, 엘리먼트가 다른 엘리먼트에 "직접 연결된" 또는 "직접 결합된", “직접 응답적인”, 또는 이것의 변형으로서 지칭될 경우, 개재하는 엘리먼트가 존재하지 않는다. 동일한 숫자들은 전체적으로 동일한 엘리먼트들을 나타낸다. 또한, 본 명세서에서 사용되는 "결합된", "연결된", "응답적인" 또는 이들의 변형은 무선으로 결합된, 연결된 또는 반응적인을 포함할 수 있다. 본 명세서에서 사용되는 바와 같이, 단수 형태들 ("a, "an" 및 "the") 은, 문맥에서 분명하게 달리 표시되지 않는다면 복수의 형태들을 물론 포함하도록 의도된다. 간략화 및/또는 명료화를 위하여 잘 알려진 기능들 또는 구성들은 상세하게 설명되지 않을 수도 있다. 용어 "및/또는"은 연관된 열거된 항목들 중 하나 이상의 임의의 그리고 모든 조합들을 포함한다. 어구 "A 및 B 중 적어도 하나"는 “A 또는 B” 또는 “A 및 B” 를 의미한다.

비록 용어들'제 1, 제 2, 제3 등이 본 명세서에서 사용되어 다양한 엘리먼트들/동작들을 기술할 수도 있지만, 이들 엘리먼트들/동작들은 이들 용어들에 의해 한정되지 않아야 함이 이해될 것이다. 이 용어들은 단지 하나의 엘리먼트/동작을 다른 엘리먼트/동작과 구별하기 위해 사용된다. 따라서, 일부 실시형태에서의 제1 엘리먼트/동작은 본 발명 개념의 교시로부터 벗어남이 없이 다른 실시형태에서 제2 엘리먼트/동작으로 명명될 수 있다. 명세서 전체를 통하여 동일 또는 유사한 엘리먼트들에 대해서는 동일한 참조 번호 또는 동일한 참조 부호를 붙인다.

본 명세서에 사용된 바와 같이, "포함하는", "포함하다", “구비하다”, “구비하는”, “갖다”, “갖는”, 또는 이것의 변형의 용어는 개방형이고, 그리고 하나 이상의 명시된 특징들, 정수들, 요소들, 스텝들, 컴포넌트들 또는 기능들을 포함하지만, 하나 이상의 다른 특징들, 정수들, 요소들, 스텝들, 컴포넌트들, 기능들 또는 이들의 그룹들의 존재 또는 추가를 배제하지 않는다.

예시적인 실시형태는 컴퓨터 구현 방법, 장치(시스템 및/또는 장치) 및/또는 컴퓨터 프로그램 제품의 블록도 및/또는 흐름도 예시를 참조하여 여기에서 설명된다. 블록도들 및 흐름도 예시들의 블록 및 블록도들 및 흐름도 예시들의 블록들의 조합들은 하나 이상의 컴퓨터 회로들에 의해 수행되는 컴퓨터 프로그램 명령들에 의해 구현될 수 있다는 것이 이해될 것이다. 이러한 컴퓨터 프로그램 명령은 범용 컴퓨터 회로, 특수 목적 컴퓨터 회로, 및/또는 기타 프로그래밍 가능한 데이터 처리 회로의 프로세서 회로에 제공되어 컴퓨터 및/또는 다른 프로그래밍 가능한 데이터 처리 장치의 프로세서 를 통해 실행되는 명령들이 트랜지스터, 메모리 위치에 저장된 값, 및 블록 다이어그램 및/또는 흐름도 블록 또는 블록들에 지정된 기능/행위를 구현하기 위한 그러한 회로 내의 기타 하드웨어 컴포넌트를 변환 및 제어하고, 그에 따라 블록 다이어그램 및/또는 순서도 블록에 지정된 기능/행위를 구현하기 위한 수단( 기능) 및/또는 구조를 생성하도록 머신을 생성할 수 있다.

이들 컴퓨터 프로그램 명령들은 또한, 컴퓨터 판독가능 매체에 저장된 명령들이 흐름도 블록 및/또는 플로우챠트 블록 또는 블록들에 특정된 기능/행위를 구현하는 명령들을 포함하는 제조 물품을 생성하도록, 컴퓨터 또는 다른 프로그램가능 데이터 프로세싱 장치가 특정 방식으로 기능할 것을 지시할 수 있는, 유형의 컴퓨터 판독가능 매체에 저장될 수도 있다. 따라서, 본 발명 개념의 실시형태들은 디지털 신호 프로세서와 같은 프로세서에서 실행되는 하드웨어 및/또는 소프트웨어(펌웨어, 상주 소프트웨어, 마이크로 코드 등 포함)로 구현될 수 있으며, 이를 총칭하여 "회로", "모듈" 또는 그 변형으로서 지칭할 수 있다.

일부 대안적인 구현들에 있어서, 블록에서 언급된 기능들/행위들은 플로우챠트들에서 언급된 순서에서 벗어나 발생할 수도 있음이 또한 주목되어야 한다. 예를 들어, 관련된 기능/행위에 의존하여, 연속적으로 도시된 2개의 블록들은, 사실, 실질적으로 동시에 실행될 수도 있거나, 또는 그 블록들은 때때로 역순으로 실행될 수도 있다. 더욱이, 순서도 및/또는 블록도의 주어진 블록의 기능은 다수의 블록으로 분리될 수 있고 및/또는 순서도 및/또는 블록도의 2개 이상의 블록의 기능이 적어도 부분적으로 통합될 수 있다. 마지막으로, 도시된 블록들 사이에 다른 블록들이 추가/삽입될 수 있으며, 및/또는 블록들/동작들은 본 발명의 사상을 벗어나지 않는 범위 내에서 생략될 수 있다. 또한, 비록 다이어그램들 중 일부가 통신의 주요 방향을 나타내기 위해 통신 경로들 상에 화살표들을 포함하지만, 통신은 도시된 화살표들에 반대 방향으로 발생할 수도 있음이 이해되어야 한다.

본 발명 개념들의 원리들로부터 실질적으로 벗어나지 않으면서 실시형태들에 대해 많은 변형들 및 수정들이 이루어질 수 있다. 모든 그러한 변형 및 수정은 본 발명 개념의 범주 내에 포함되는 것으로 의도된다. 이에 따라, 상기 개시된 주제는 한정이 아닌 예시적으로 고려되어야 하며, 실시형태들의 예들은 본 발명 개념들의 사상 및 범위 내에 있는 모든 그러한 변형예들, 개선예들, 및 다른 실시형태들을 커버하도록 의도된다. 따라서, 법률에 의해 허용되는 최대의 범위에서, 본 발명 개념의 범위는 실시형태들의 예들 및 그들의 등가물들을 포함하는 본 개시의 최광의 허용가능한 해석에 의해 결정되어야 하며, 전술된 상세한 설명에 의해 제약되거나 한정되지 않아야 한다.

Claims

방법으로서,
프로세서 회로에 의해, 전기 장비의 적어도 하나의 컴포넌트에 대한 미리 결정된 시간 주기에 걸친 복수의 예측된 진단 파라미터 값들에 대한 예측 에러 값을 결정하는 단계로서, 상기 예측 에러 값은 상기 적어도 하나의 컴포넌트의 거동에서 관찰된 주변 변동들을 억제하는, 상기 예측 에러 값을 결정하는 단계;
결정된 상기 예측 에러 값을 예상된 예측 에러 값과 비교하는 단계; 및
상기 프로세서 회로에 의해, 상기 비교에 기초하여 상기 적어도 하나의 컴포넌트의 상태의 표시를 선택적으로 생성하는 단계를 포함하는, 방법.
제 1 항에 있어서,
상기 적어도 하나의 컴포넌트는 상기 전기 장비의 절연 컴포넌트를 포함하고,
상기 복수의 예측된 진단 파라미터 값들은 복수의 예측된 절연 진단 파라미터 값들을 포함하는, 방법.
제 2 항에 있어서,
상기 복수의 예측된 절연 진단 파라미터 값들은 상기 적어도 하나의 절연 컴포넌트의 예측된 커패시턴스 값들, 예측된 용량성 전류 값들, 예측된 손실 계수 값들, 및 예측된 역률 값들 중 적어도 하나의 복수를 포함하는, 방법.
제 2 항에 있어서,
상기 전기 장비는 변압기를 포함하고,
상기 적어도 하나의 컴포넌트는 상기 변압기의 고전압 부싱을 포함하는, 방법.
제 1 항에 있어서,
상기 적어도 하나의 컴포넌트의 상기 거동에서 관찰된 억제된 상기 변동들은 주변 조건들로 인한 변동들을 포함하는, 방법.
제 5 항에 있어서,
주변 조건들로 인한 상기 변동들은 환경 조건들, 소음, 진동, 및 특수 원인 변동 중 적어도 하나로 인한 변동들을 포함하는, 방법.
제 1 항에 있어서,
상기 예측 에러 값을 결정하는 단계는,
상기 프로세서 회로에 의해, 상기 복수의 예측된 진단 파라미터 값들에 대한 적어도 하나의 에러 값을 예측하는 단계;
상기 적어도 하나의 컴포넌트의 거동에서 관찰된 주변 조건들로 인한 상기 적어도 하나의 에러 값의 변동을 결정하는 단계; 그리고
상기 적어도 하나의 에러 값 및 결정된 상기 변동에 기초하여 상기 예측 에러 값을 생성하는 단계 중 적어도 하나를 더 포함하는, 방법.
제 1 항에 있어서,
상기 예측 에러 값을 결정하는 단계는,
획득된 진단 파라미터 값들에 기초하여 상기 미리 결정된 시간 주기의 복수의 각각의 순간들에 대한 상기 복수의 예측된 진단 파라미터 값들을 예측하는 단계; 및
상기 각각의 순간들에 획득된 복수의 실제 진단 파라미터 값들과 상기 각각의 순간들에 대한 상기 복수의 예측된 진단 파라미터 값들의 비교들에 기초하여 복수의 에러 값들을 결정하는 단계로서, 상기 예측 에러 값은 상기 복수의 에러 값들에 대한 평균 에러 값을 포함하는, 상기 복수의 에러 값들을 결정하는 단계를 더 포함하는, 방법.
제 8 항에 있어서,
상기 복수의 실제 진단 파라미터 값들은 상기 적어도 하나의 컴포넌트와 연관된 디바이스로부터 생성된 파라미터 값 데이터 스트림으로부터 획득되는, 방법.
제 8 항에 있어서,
상기 복수의 순간들은 상기 미리 결정된 시간 주기의 적어도 100개의 순간들을 포함하는, 방법.
제 1 항에 있어서,
상기 복수의 예측된 진단 파라미터 값들은 상기 적어도 하나의 컴포넌트의 예상된 거동과 연관되고,
상기 예측 에러 값은 상기 적어도 하나의 컴포넌트의 상기 예상된 거동으로부터 상기 적어도 하나의 컴포넌트의 관찰된 거동의 편차를 나타내는, 방법.
제 1 항에 있어서,
상기 예상된 예측 에러 값은 복수의 이전에 예측된 진단 파라미터 값들과 대응하는 복수의 이전에 획득된 진단 파라미터 값들의 비교에 기초하여 결정되는, 방법.
제 1 항에 있어서,
상기 복수의 예측된 진단 파라미터 값들은 복수의 이전에 획득된 진단 파라미터 값들의 사전 정의된 수의 진단 파라미터 값들과 상기 복수의 이전에 획득된 진단 파라미터 값들 중 적어도 하나의 후속 파라미터 값 사이의 복수의 결정된 관계들에 기초하여 결정되는, 방법.
제 13 항에 있어서,
상기 복수의 이전에 획득된 진단 파라미터 값들은 상기 적어도 하나의 컴포넌트와는 상이한 컴포넌트로부터 획득되는, 방법.
제 1 항에 있어서,
상기 복수의 예측된 진단 파라미터 값들은 머신 러닝 모델 및 통계 모델 중 적어도 하나에 기초하여 결정되는, 방법.
제 1 항에 있어서,
상기 예상된 예측 에러 값은 머신 러닝 모델 및 통계 모델 중 적어도 하나에 기초하여 결정되는, 방법.
제 1 항에 있어서,
상기 표시를 선택적으로 생성하는 단계는,
상기 프로세서 회로에 의해, 상기 예측 에러 값이 미리 결정된 예측 에러 임계값을 충족하는지 여부를 결정하는 단계로서, 상기 미리 결정된 예측 에러 임계값은 상기 예상된 예측 에러 값에 기초하는, 상기 결정하는 단계; 및
상기 미리 결정된 예측 에러 임계값을 충족하는 상기 예측 에러 값에 응답하여 제 1 경보 표시를 생성하는 단계를 더 포함하는, 방법.
제 17 항에 있어서,
상기 표시를 선택적으로 생성하는 단계는 상기 미리 결정된 예측 에러 임계값을 충족하지 못하는 상기 예측 에러 값에 응답하여 제 2 경보 표시를 생성하는 단계를 더 포함하는, 방법.
절연 진단 시스템으로서,
프로세서 회로; 및
머신 판독가능 명령들을 포함하는 메모리를 포함하고,
상기 명령들은 상기 프로세서 회로에 의해 실행될 때 상기 프로세서 회로로 하여금,
전기 장비의 적어도 하나의 컴포넌트에 대해 미리 결정된 시간 주기에 걸쳐 복수의 예측된 진단 파라미터 값들을 결정하게 하고;
상기 적어도 하나의 컴포넌트로부터 미리 결정된 시간 주기에 걸쳐 복수의 실제 진단 파라미터 값들을 획득하게 하며;
상기 복수의 예측된 진단 파라미터 값들 및 상기 복수의 실제 파라미터 값들에 기초하여 예측 에러 값을 결정하게 하는 것으로서, 상기 예측 에러 값은 상기 적어도 하나의 컴포넌트의 거동에서 관찰된 주변 변동들을 억제하는, 상기 예측 에러 값을 결정하게 하고;
결정된 상기 예측 에러 값을 예상된 예측 에러 값과 비교하게 하고; 및
상기 비교에 기초하여 상기 전기 장비에 상기 적어도 하나의 컴포넌트의 상태의 표시를 선택적으로 전송하게 하는, 절연 진단 시스템.
제 19 항에 있어서,
상기 적어도 하나의 컴포넌트는 상기 전기 장비의 절연 컴포넌트를 포함하고,
상기 복수의 예측된 진단 파라미터 값들은 복수의 예측된 절연 진단 파라미터 값들을 포함하고,
상기 복수의 실제 진단 파라미터 값들은 복수의 실제 절연 진단 파라미터 값들을 포함하는, 절연 진단 시스템.
제 20 항에 있어서,
상기 복수의 예측된 절연 진단 파라미터 값들은 상기 적어도 하나의 절연 컴포넌트의 예측된 커패시턴스 값들, 예측된 용량성 전류 값들, 예측된 손실 계수 값들, 및 예측된 역률 값들 중 적어도 하나의 복수를 포함하고,
상기 복수의 실제 절연 진단 파라미터 값들은 상기 적어도 하나의 절연 컴포넌트의 실제 커패시턴스 값들, 실제 용량성 전류 값들, 실제 손실 계수들, 및 실제 역률들 중 적어도 하나의 복수를 나타내는, 절연 진단 시스템.
제 19 항에 있어서,
상기 적어도 하나의 컴포넌트의 상기 거동에서 관찰된 상기 변동들은 주변 조건들로 인한 변동들을 포함하는, 절연 진단 시스템.