KR20230104526A - 부분방전 모니터링 시스템 및 부분방전 모니터링 방법 - Google Patents

Abstract

본 발명은 부분방전 모니터링 시스템 및 부분방전 모니터링 방법에 관한 것이다. 보다 상세하게, 본 발명은 기계학습 알고리즘을 적용하여 고전압 전력기기에서 발생하는 신호를 분류 및 패턴 인식하여 고전압 전력기기에 발생된 결함을 실시간으로 모니터링 및 판정할 수 있으며, 부분방전 판정을 위한 신호 진단에 있어서 수많은 PRPD 데이터의 중복 저장에 따른 데이터 트래픽 및 네트워크 과부하 등을 방지함과 동시에 부분방전 발생 여부 판정에 오류를 발생시킨 PRPD 데이터와 유사한 PRPD 데이터를 기계학습 알고리즘에 전송하지 않음으로써 상기 기계학습 알고리즘의 성능과 신뢰성을 유지할 수 있는 부분방전 모니터링 시스템 및 부분방전 모니터링 방법에 관한 것이다.

Description

부분방전 모니터링 시스템 및 부분방전 모니터링 방법{Partial Discharge Monitoring System And Partial Discharge Monitoring Method}

본 발명은 부분방전 모니터링 시스템 및 부분방전 모니터링 방법에 관한 것이다. 보다 상세하게, 본 발명은 기계학습 알고리즘을 적용하여 고전압 전력기기에서 발생하는 부분방전 신호를 취득하고 PRPD 데이터를 획득한 후 PRPD 데이터의 패턴을 인식하여 고전압 전력기기에 발생된 결함을 실시간으로 모니터링 및 판정할 수 있으며, 부분방전 판정을 위한 신호 진단에 있어서 수많은 PRPD 데이터의 중복 저장에 따른 데이터 트래픽 및 네트워크 과부하 등을 방지함과 동시에 부분방전 발생 여부 판정에 오류를 발생시킨 PRPD 데이터와 유사한 PRPD 데이터를 기계학습 알고리즘에 전송하지 않음으로써 상기 기계학습 알고리즘의 성능과 신뢰성을 유지할 수 있는 부분방전 모니터링 시스템 및 부분방전 모니터링 방법에 관한 것이다.

고전압 전력기기가 전력 시스템에 설치되어 운전되면 여러가지 원인에 의해 다양한 유형의 사고가 발생할 수 있으며, 사고에 따른 피해 규모도 증가하는 추세이다. 이에 따라, 사고가 발생하기 이전에 고전압 전력기기 내부의 부분방전 신호를 검출하여 진단하기 위한 각종 진단 기법 및 첨단 장비들이 전력기기의 부분방전 판정에 적용되고 있다.

이 중에서 부분방전(Partial Discharge; PD) 측정은 전력기기의 이상 유무를 판정할 수 있는 방법이다. 일반적으로, 위상 분해 부분 방전(PRPD; Phase Resolved Partial Discharge) 분석 후 인공 신경망 (AI; Artificial neural network)을 활용하여 전력기기에서 발생된 신호가 어떠한 결함으로부터 기인된 신호인지 기계학습 알고리즘의 패턴 인식을 통해 진단할 수 있고, 전력기기 결함에 따른 부분방전 발생 여부를 판정할 수 있다.

종래에는 작업자가 전력기기의 부분방전 등을 판정하기 위하여 현장에서 부분방전 측정을 위한 센서 설치 후 데이터 취득을 통해 부분방전을 판정하였으나, 케이블에서 발생하는 부분방전 현상은 비규칙적이고 간헐적으로 발생됨에 따라 작업자가 현장에 머물러 있는 동안에만 신호 측정이 가능하여 부분방전 판정에 있어 한계가 존재하였다.

또한, PRPD 분석은 위상 기반으로 부분방전 데이터를 해석하므로, 케이블 등의 전력기기의 전압 위상을 알아야 정확한 분석이 가능하나, 활선상태인 전력기기의 전압 위상을 정확히 측정하는 것은 쉽지 않기 때문에, 전력기기의 전압 위상 대신 전력기기의 전류 위상 또는 부분방전 측정장치에 사용되는 상용전원의 AC 전압 위상을 이용하여 PRPD 분석을 시도하고 있으며, 이 경우 전력기기의 전압 위상과는 위상차가 존재하므로, 전력기기의 전압 위상을 파악하지 못한 상태에서 부분방전 패턴 인식을 수행하는 경우 판정 결과가 부정확하다는 문제가 있었다.

이에, 고전압 전력기기의 전압 위상 정보 없이도 고전압 전력기기에서 발생하는 부분방전 신호를 패턴 인식하여 고전압 전력기기에 발생된 결함을 실시간으로 모니터링 및 판정할 수 있는 부분방전 모니터링 시스템 및 부분방전 모니터링 방법이 요구된다.

본 발명은 기계학습 알고리즘을 적용하여 고전압 전력기기의 전압 위상 정보 없이도 고전압 전력기기의 전류 위상 또는 상용전원의 전압 위상과 이에 기반한 신호의 발생위상 정보 및 신호의 펄스 크기를 기초로 고전압 전력기기에서 발생하는 신호를 패턴 인식하여 고전압 전력기기에 발생된 결함을 실시간으로 모니터링 및 판정할 수 있으며, 부분방전 판정을 위한 신호 진단에 있어서 수많은 PRPD 데이터의 중복 저장에 따른 데이터 트래픽 및 네트워크 과부하 등을 방지함과 동시에 부분방전 발생 여부 판정에 오류를 발생시킨 PRPD 데이터와 유사한 PRPD 데이터를 기계학습 알고리즘에 전송하지 않음으로써 상기 기계학습 알고리즘의 성능과 신뢰성을 유지할 수 있는 부분방전 모니터링 시스템 및 부분방전 모니터링 방법을 제공하는 것을 해결하고자 하는 과제로 한다.

상기 과제를 해결하기 위하여, 본 발명은 부분방전 모니터링 방법에 있어서, 전력기기의 신호를 측정하여 펄스 파형을 획득하는 신호 측정 단계; 상기 펄스 파형에서 특징점을 추출하여 이차원 특징점 데이터를 생성하는 신호 분리 단계; 상기 이차원 특징점 데이터 상에서 특징점 포인트를 밀도에 따라 특징점 데이터 군집으로 분류하여 PRPD(Phase Resolved Partial Discharge) 데이터를 획득하는 신호 군집 단계; 상기 신호 군집 단계에서 획득된 전체 PRPD 데이터 사이의 패턴 유사도를 분석하여 유사성을 판단하는 제1 유사성 판단 단계; 부분방전 판정에 오류를 발생시킨 특정 신호에 대한 PRPD 데이터를 저장하고, 사전에 저장된 데이터와 상기 신호 군집 단계에서 획득된 PRPD 데이터 사이의 패턴 유사도를 분석하여 유사성을 판단하는 제2 유사성 판단 단계; 및 상기 제1 유사성 판단 단계에서 제공된 유사성이 낮은 PRPD 데이터의 패턴 및 상기 제2 유사성 판단 단계의 유사성 판단 결과 중 적어도 하나를 인식하여 신호를 진단하고, 상기 진단 결과에 기반하여 전력기기의 부분방전 발생 여부를 판정하는 부분방전 판정 단계;를 포함하는 것을 특징으로 하는 부분방전 모니터링 방법을 제공할 수 있다.

이경우, 상기 제2 유사성 판단 단계에서 상호 유사성이 낮은 PRPD 데이터는 상기 부분방전 판정 단계로 전송될 수 있다.

또한, 상기 제1 유사성 판단 단계는 상기 신호 군집 단계에서 획득된 각각의 PRPD 데이터를 상관계수(Correlation Coefficient) 공식을 적용하여 패턴 유사도를 분석하고, 미리 결정된 유사도 점수 기준에 따라 상호 유사성이 낮은 PRPD 데이터는 상기 부분방전 판정 단계로 전송될 수 있다.

그리고, 상기 부분방전 판정 단계는 상기 제1 유사도 판단 단계에서 전송된 PRPD 데이터의 패턴을 인식하여 신호를 진단하고, 상기 신호가 코로나 방전 신호 또는 노이즈 신호인 경우 이를 정상 신호로 진단하고, 상기 신호가 내부 방전 신호 또는 표면 방전 신호인 경우 이를 부분방전 신호로 진단하여 전력기기의 결함에 의한 부분방전이 발생하였음을 판정될 수 있다.

여기서, 상기 제2 유사성 판단 단계는 상기 부분방전 판정 단계에서 코로나 방전 신호 또는 노이즈 신호를 내부 방전 신호 또는 외부 방전 신호로 오진단한 PRPD 데이터를 저장할 수 있다.

또한, 상기 PRPD 데이터의 패턴 인식은 고전압 전력기기의 전류 위상 또는 상용전원의 전압 위상과 이에 기반한 신호의 발생위상 정보 및 부분방전 신호의 펄스 크기를 기초로 할 수 있다.

더 나아가, 본 발명은 부분방전 진단 시스템에 있어서, 전력기기의 신호를 감지하는 센서를 구비하는 신호 감지유닛; 상기 신호 감지유닛에서 감지된 신호를 통신망을 통해 전송하기 위한 로컬유닛; 및 기계학습 알고리즘을 적용하여 상기 로컬유닛을 통해 전송된 신호에서 특징점을 추출하여 특징점 포인트를 생성하고, 상기 특징점 포인트를 밀도에 따라 특징점 데이터 군집으로 분류하여 생성된 PRPD 데이터의 패턴 유사도를 분석하여 유사성을 판단하고, 상기 유사성이 판단된 PRPD 데이터의 패턴을 인식하여 부분방전 발생여부를 판정하기 위한 메인유닛;을 포함하는 것을 특징으로 하는 부분방전 모니터링 시스템을 제공할 수 있다.

이경우, 상기 메인유닛은 상기 로컬유닛을 통해 전송된 부분방전 신호의 펄스 파형으로부터 추출된 특징점 영역에서 이차원 부분방전 신호 데이터를 생성하는 신호 분리부; 상기 신호 분리부에서 생성된 이차원 부분방전 신호 데이터에서 각각의 신호를 밀도에 따라 분류하여 각각의 부분방전 신호에 대한 PRPD 데이터를 생성하는 신호 군집부; 상기 신호 군집부에서 생성된 전체 PRPD 데이터 사이의 패턴 유사도를 분석하여 PRPD 데이터의 상호 유사성을 판단하는 제1 유사성 판단부; 상기 제1 유사성 판단부에서 제공된 유사성이 낮은 PRPD 데이터의 패턴을 인식하여 신호를 진단하고 이를 기초로 전력기기의 부분방전 발생 여부를 판정하기 위한 부분방전 판정부; 및 부분방전 판정에 오류를 발생시킨 특정 신호에 대한 PRPD 데이터를 메모리부에 저장하고, 상기 메모리부에 저장된 PRPD 데이터와 상기 신호 군집부에서 획득된 PRPD 데이터의 상호 유사성을 판단하는 제2 유사성 판단부;를 포함할 수 있다.

여기서, 상기 제2 유사성 판단부에서 상호 유사성이 낮은 PRPD 데이터는 상기 부분방전 판정부로 전송될 수 있다.

그리고, 상기 부분방전 판정부는 상기 제1 유사성 판단부에서 전송된 PRPD 데이터의 패턴을 인식하여 신호를 진단하고, 상기 신호가 코로나 방전 신호 또는 노이즈 신호인 경우 이를 정상 신호로 진단하고, 상기 신호가 내부 방전 신호 또는 표면 방전 신호인 경우 이를 부분방전 신호로 진단하여 전력기기의 결함에 의한 부분방전이 발생하였음을 판정할 수 있다.

또한, 상기 제2 유사성 판단부는 상기 부분방전 판정부에서 내부 방전 신호 또는 외부 방전 신호로 오진단한 PRPD 데이터의 패턴을 상기 메모리부에 저장할 수 있다.

본 발명에 따른 부분방전 모니터링 시스템 및 부분방전 모니터링 방법에 의하면, 부분방전 모니터링 시스템을 구성하는 메인유닛에 적용된 기계학습 알고리즘이 전력 시스템 내부의 전력기기 결함에 따른 고유 신호를 패턴 인식하여 부분방전 발생을 신속하고 정확하게 판단할 수 있고, 작업자의 신호 측정을 위한 수작업이 불필요하므로 전력 케이블 또는 지중 케이블 매설 지역과 같이 위험 지역에서도 신호를 측정 가능하여 부분방전 발생 여부를 실시간으로 모니터링 할 수 있다.

또한, 본 발명에 따른 부분방전 모니터링 시스템에 의하면, 부분방전 판정을 위한 신호 진단에 있어서 수많은 PRPD 데이터의 중복 저장에 따른 데이터 트래픽 및 네트워크 과부하 등을 방지함과 동시에 부분방전 발생 여부 판정에 오류를 발생시킨 PRPD 데이터와 유사한 PRPD 데이터를 기계학습 알고리즘에 전송하지 않음으로써 상기 기계학습 알고리즘의 성능과 신뢰성을 유지할 수 있다.

도 1은 본 발명에 따른 부분방전 모니터링 시스템의 전체 구성도를 도시한다.
도 2는 본 발명에 따른 부분방전 모니터링 시스템에서 기계학습 네트워크를 도시한다.
도 3은 본 발명에 따른 부분방전 모니터링 방법의 순서도를 도시한다.
도 4는 각각 본 발명에 따른 부분방전 모니터링 방법의 신호 측정 단계에서 측정된 노이즈 신호, 코로나 방전신호 및 표면 방전신호 각각에 대한 펄스 파형의 그래프를 도시한다.
도 5는 본 발명에 따른 부분방전 모니터링 방법의 신호 분리 단계에서 펄스 파형으로부터 두 가지 특징점이 생성된 이차원 특징점 데이터를 도시한다.
도 6은 본 발명에 따른 부분방전 모니터링 방법의 신호 군집 단계에서 군집이 완료된 이차원 특징점 데이터를 도시한다.
도 7은 본 발명에 따른 부분방전 모니터링 방법의 신호 군집 단계에서 신호 이차원 특징점 데이터 상에서 밀도 기반으로 군집하는 과정을 도시한다.
도 8은 본 발명에 따른 부분방전 모니터링 방법의 신호 군집 단계에서 군집별 각각의 신호에 대한 PRPD 데이터를 획득하는 과정을 도시한다.
도 9는 본 발명에 따른 부분방전 모니터링 방법의 상기 제1 유사성 판단 단계(S400)에서 코로나 방전 신호에 대한 한 쌍의 PRPD 데이터 간의 상호 유사성을 판단하는 과정을 도시한다.
도 10은 본 발명에 따른 부분방전 모니터링 방법의 부분방전 판정 단계에서 PRPD 데이터를 전처리하는 과정을 도시한다.
도 11 내지 도 13은 본 발명에 따른 부분방전 모니터링 방법의 부분방전 판정 단계에서 PRPD 데이터를 증폭하는 과정을 도시한다.
도 14는 본 발명에 따른 부분방전 모니터링 방법의 부분방전 판정 단계에서 특징점 포인트의 증폭 전후의 결과를 도시한다.
도 15는 본 발명에 따른 부분방전 모니터링 방법의 부분방전 판정 단계에서 PRPD 데이터를 패턴을 인식하여 개별 신호를 각각 진단한 결과를 도시한다.
도 16은 본 발명에 따른 부분방전 모니터링 방법의 부분방전 판정 단계에서 PRPD 데이터의 패턴을 인식하여 정상신호 또는 이상신호를 진단한 결과를 도시한다.

이하, 첨부된 도면들을 참조하여 본 발명의 바람직한 실시예들을 상세히 설명하기로 한다. 그러나, 본 발명은 여기서 설명된 실시예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 오히려, 여기서 소개되는 실시예들은 개시된 내용이 철저하고 완전해질 수 있도록, 그리고 당업자에게 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다. 명세서 전체에 걸쳐서 동일한 참조 번호들은 동일한 구성요소들을 나타낸다.

도 1은 본 발명에 따른 부분방전 모니터링 시스템의 전체 구성도의 예시를 도시한 것이고, 도 2는 본 발명에 따른 부분방전 모니터링 시스템에서 기계학습 네트워크를 도시한다.

본 발명에 따른 부분방전 모니터링 시스템(Partial discharge monitoring system; PDMS)(1000)은 고전압 전력기기 내에서 절연체가 파괴되기 전 국부적으로 발생하는 방전으로서 전력 시스템에 큰 문제를 초래할 수 있는 부분방전(Partial discharge; PD)을 자동으로 감지 및 판정할 수 있는 시스템이다. 부분방전은 전극의 첨단 부근에 발생하는 코로나 방전(Corona discharge), 절연물의 표면을 따라 발생하는 표면 방전(또는 '연면 방전'이라고 함)(Surface discharge), 절연물 내부의 보이드(void)나 먼지 등 이물질에 의해 발생하는 내부 방전(Internal discharge) 등을 포함하며, 노이즈 신호(Noise)가 일부 포함될 수 있다.

도 1 및 도 2에 도시된 바와 같이, 본 발명에 따른 부분방전 모니터링 시스템(1000)은 기계학습 알고리즘을 적용하여 전력 시스템 내부 전력기기의 상태 정보를 실시간으로 감시 및 계측한 결과를 원격에 있는 제어실로 전송하여 사용자에게 정보를 제공할 수 있다.

본 발명에 따른 부분방전 모니터링 시스템(1000)은 고전압 전력기기의 신호를 감지하는 센서를 구비하는 신호 감지유닛(100), 상기 신호 감지유닛에서 감지된 신호를 통신망을 통해 전송하기 위한 로컬유닛(200) 및 기계학습 알고리즘을 적용하여 상기 로컬유닛을 통해 전송된 신호에서 특징점을 추출하여 상기 추출된 특징점에 대응하는 이차원 특징점 데이터를 생성하고, 특징점 포인트를 밀도에 따라 군집하여 특징점 데이터 군집으로 분류하고, 상기 특징점 데이터 군집에 대한 PRPD 데이터의 패턴 유사도를 분석하여 유사성을 판단하고, 상기 유사성 판단된 PRPD 데이터의 패턴을 인식하여 부분방전(Partial discharge; PD) 발생 여부를 판정하기 위한 메인유닛(300)을 포함하여 구성될 수 있다. 한편, 여기서 신호는 코로나 방전신호, 노이즈 신호, 내부 방전신호 및 표면 방전신호 중 적어도 하나 이상의 신호를 포함할 수 있다.

본 발명에 따른 부분방전 모니터링 시스템(1000)은 상기 메인유닛(300)에 적용된 기계학습 알고리즘이 전력 시스템 내부 전력 케이블 등의 전력기기 결함에 따른 고유 신호를 분류 및 패턴 인식하여 부분방전 발생을 신속하고 정확하게 판정할 수 있고, 작업자의 신호 측정을 위한 사전 설치 이후 수작업이 불필요하므로 위험 지역에서도 신호를 측정 가능하여 부분방전 발생 여부를 실시간으로 모니터링 할 수 있다.

상기 신호 감지유닛(100)은 CT 센서, AE 센서, TEV 센서, UHF 센서 또는 HFCT 센서 중 어느 하나 또는 복수 개의 신호 감지 센서(110)를 포함할 수 있으며, 바람직하게는 HFCT 센서(High frequency current transformer sensor)로 구성되어 전력기기에서 발생하는 신호의 펄스 파형을 측정할 수 있다.

일 실시예로, 상기 복수 개의 센서(110)는 전력 시스템의 전력 케이블을 접속하는 접속함, 예를 들면 기중 중간 접속함(EBA) 또는 가스중 중간 접속함(EBG) 내부에서 발생하는 신호를 측정할 수 있다. 상기 신호 감지유닛(100)에서 측정된 신호는 복수 개의 센서 케이블을 통하여 로컬유닛(200)으로 전달될 수 있다.

종래, 전력기기의 부분방전 발생 여부는 전력기기의 전류 위상 또는 상용전원의 AC 전압 위상을 기반으로 판정하였기 때문에 전력기기의 전압 위상과의 위상차로 인해 부분방전 판정 결과가 부정확하였으나, 본 발명에 따른 부분방전 판정은 위상 차이에 상관없이 기계학습 알고리즘에 누적하여 저장된 PRPD 데이터를 통하여 신호의 패턴을 판정할 수 있다.

즉, 본 발명에 따르면, 고전압 전력기기의 전류 위상 또는 상용전원의 전압 위상을 이용한 PRPD 패턴으로 부분방전 판정을 할 수 있는데, 전력기기의 전압 위상과의 위상 차이에 상관없이 기계학습 알고리즘에 누적하여 저장된 PRPD 데이터를 통하여 신호의 패턴을 인식 가능하다.

상기 로컬유닛(200)은 복수 개의 센서(110)로부터 측정된 신호를 통신망을 통해 상기 메인유닛(300)으로 전송 가능하다. 예를 들어, 상기 로컬유닛(200)은 상기 신호 감지유닛(100)에서 감지된 신호를 용이하게 분리하기 위해 증폭 또는 주파수 튜닝 작업 등을 수행할 수 있으며, 상기 신호를 광신호로 변환하여 광케이블 형태의 통신케이블(210)을 매개로 이동 통신 통신망에서 상기 메인유닛(300)으로 전송할 수 있다.

상기 메인유닛(300)은 상기 로컬유닛(200)을 통해 전송된 신호의 펄스 파형에서 특징점을 추출하고, 상기 추출된 특징점을 이용하여 이차원 특징점 데이터를 생성하는 신호 분리부(310), 상기 신호 분리부에서 생성된 이차원 특징점 데이터 상에서 유사한 특징점 포인트를 밀도에 따라 군집하여 특징점 데이터 군집으로 분류하고 상기 특징점 데이터 군집에 대한 PRPD 데이터를 생성하는 신호 군집부(320), 상기 신호 군집부에서 생성된 전체 PRPD 데이터 사이의 패턴 유사도를 분석하여 PRPD 데이터의 상호 유사성을 판단하는 제1 유사성 판단부(330), 상기 제1 유사성 판단부에서 제공된 유사성이 낮은 PRPD 데이터의 패턴을 인식하여 이를 기초로 전력기기의 부분방전 발생 여부를 판정하는 부분방전 판정부(340)를 포함하여 구성될 수 있다.

그리고, 상기 메인유닛(300)은 상기 부분방전 판정부(340)에서 부분방전 판정에 오류를 발생시킨 특정 신호에 대한 PRPD 데이터를 메모리부에 저장하고, 상기 메모리부에 저장된 PRPD 데이터와 상기 신호 군집부(320)에서 획득된 PRPD 데이터의 상호 유사성을 판단하는 제2 유사성 판단부(350)를 포함하여 구성될 수 있다. 여기서, 상기 제2 유사성 판단부(350)에서 상호 유사성이 낮은 PRPD 데이터는 상기 부분방전 판정부(340)로 전송될 수 있다.

상기 메인유닛(300)을 구성하는 신호 분리부(310)는 신호의 펄스 파형의 특징점 중 주파수 영역에서 변환된 펄스의 형상모수 및 펄스의 대역폭을 각각 추출하고, 상기 추출된 두 개의 특징점을 이용하여 이차원 특징점 데이터를 생성하는 작업을 수행할 수 있다.

상기 메인유닛(300)을 구성하는 신호 군집부(320)는 상기 신호 분리부(310)에서 생성된 이차원 특징점 데이터 상에서 특정 특징점 포인트를 기준으로 미리 설정된 반경 내에 존재하는 특징점 포인트의 개수에 대응하는 밀도를 기반으로 특징점 포인트를 군집하는 작업을 수행할 수 있다.

상기 메인유닛(300)을 구성하는 부분방전 판정부(340)는 상기 신호 군집부(320)에서 획득한 특징점 데이터 군집에 대한 PRPD 데이터의 패턴 및 펄스 파형과 상기 부분방전 판정부(340)의 기계학습 알고리즘에 저장된 학습 데이터간의 유사성을 판단하여 상기 측정된 신호를 진단하는 작업을 수행할 수 있다.

여기서, 상기 부분방전 판정부(340)는 상기 로컬유닛(200)에서 전송된 신호를 코로나 방전신호 또는 노이즈 신호로 진단하는 경우 이를 정상 신호로 진단하여 전력기기에 결함이 발생하지 않은 것으로 판정할 수 있고, 상기 메인유닛(300)이 상기 로컬유닛(200)에서 전송된 신호를 내부 방전신호 또는 표면 방전신호로 진단하는 경우 이를 부분방전 신호로 진단하여 전력기기에 결함이 발생한 것으로 판정할 수 있다.

한편, 상기 로컬유닛(200)에서 전송된 신호는 측정 주기에 따라 복수 개의 신호가 포함될 수 있고, 이러할 경우에 측정된 신호를 분리 및 군집하면 복수 개의 특징점 데이터 군집으로 분류될 수 있으며, 복수 개의 특징점 데이터 군집에 대한 PRPD 데이터 패턴에 따라 복수 개의 신호를 각각 코로나 방전신호, 노이즈 신호, 내부 방전신호 및 표면 방전신호 중 어느 하나의 신호로 진단할 수 있다.

이하, 상기 메인유닛(300)에 적용되는 기계학습 알고리즘을 통한 부분방전 모니터링 방법에 관한 상세한 내용은 후술하기로 한다.

상기 메인유닛(300)을 구성하는 신호 분리부(310), 신호 군집부(320) 및 부분방전 판정부(340)를 수행하기 위한 각각의 알고리즘은 동적 라이브러리(Dynamic library)에 저장될 수 있으며, 상기 메인유닛(300)의 부분방전 판정부(340)에서 판정된 각각의 신호는 기존 학습된 판정 라이브러리에서 실제 측정된 신호와 일치하는지 진단될 수 있다. 한편, 상기 부분방전 판정부(340)에 적용된 알고리즘은 기계학습 알고리즘이다.

그리고, 상기 제어부(350)는 SCADA(Supervisory control and data acquisition) 시스템을 적용하여 상기 부분방전 모니터링 시스템(1000) 내부의 공정 또는 설비 등의 전원을 제어할 수 있다.

또한, 상기 제어부(350)는 신호 진단 결과를 사용자(user)가 육안으로 확인 가능하도록 디스플레이 화면에 출력하거나 또는 전력기기에서 부분방전 발생 시 사용자에게 경보 또는 경고 메시지가 발생되도록 설정 및 제어될 수 있다.

본 발명에 따른 부분방전 모니터링 시스템(1000)은 상기 제1 유사성 판단부(330)에 적용되는 유사성 판단 알고리즘을 통해 상기 신호 군집부(320)에서 생성된 전체 PRPD 데이터의 유사성을 판단하고, 미리 결정된 유사도 점수 기준에 따라 유사성이 낮은 PRPD 데이터만 상기 부분방전 판정부(340)로 전송하여 각각의 신호에 대한 수많은 PRPD 데이터의 중복 저장에 따른 데이터 트래픽 및 네트워크 과부하 등을 방지할 수 있다.

그리고, 상기 부분방전 모니터링 시스템(1000)은 판정 라이브러리에서 상기 부분방전 판정부(340)에서 진단한 신호와 실제 측정된 신호가 불일치하는 것으로 판정되어 부분방전 발생 여부 판정에 오류를 발생시킨 PRPD 데이터를 메모리부의 데이터베이스(DB)에 저장하고, 오류를 발생시킨 PRPD 데이터와 유사한 PRPD 데이터는 기계학습 알고리즘인 판정 알고리즘에 전송하지 않음으로써 기계학습 알고리즘의 성능과 신뢰성을 유지할 수 있다.

도 3은 본 발명에 따른 부분방전 모니터링 방법의 순서도를 도시한다.

도 3에 도시된 바와 같이, 본 발명에 따른 부분방전 모니터링 방법은 고전압 전력기기의 신호를 측정하여 펄스 파형을 획득하는 신호 측정 단계(S100), 상기 펄스 파형에서 특징점을 추출하여 이차원 특징점 데이터를 생성하는 신호 분리 단계(S200), 상기 이차원 특징점 데이터 상에서 특징점 포인트를 밀도에 따라 군집하여 특징점 데이터 군집으로 분류하고, 상기 분류된 특징점 데이터 군집에 대한 PRPD(Phase Resolved Partial Discharge) 데이터를 획득하는 신호 군집 단계(S300) 및 상기 신호 군집 단계에서 획득된 전체 PRPD 데이터 사이의 패턴 유사도를 분석하여 유사성을 판단하는 제1 유사성 판단 단계(S400), 부분방전 판정에 오류를 발생시킨 특정 신호에 대한 PRPD 데이터를 저장하고, 사전에 저장된 데이터와 상기 신호 군집 단계에서 획득된 PRPD 데이터 사이의 패턴 유사도를 분석하여 유사성을 판단하는 제2 유사성 판단 단계(S500) 및 상기 제1 유사성 판단 단계에서 제공된 유사성이 낮은 PRPD 데이터의 패턴 및 상기 제2 유사성 판단 단계의 유사성 판단 결과 중 적어도 하나를 인식하여 신호를 진단하고, 상기 진단 결과에 기반하여 전력기기의 부분방전 발생 여부를 판정하는 부분방전 판정 단계(S600)를 포함하여 구성될 수 있다.

한편, 제1 유사성 판단 단계(S400) 및 제2 유사성 판단 단계(S500)는 모두 수행되거나 두 단계 중 어느 한 단계만 수행되고 나머지 단계는 생략될 수 있다.

도 4(a) 내지 도 4(c)은 각각 본 발명에 따른 부분방전 모니터링 방법의 신호 측정 단계에서 시간에 따라 측정된 노이즈 신호, 코로나 방전신호 및 표면 방전신호 각각에 대한 펄스의 크기를 측정한 펄스 파형의 그래프를 도시한다.

도 4에 도시된 바와 같이, 본 발명에 따른 부분방전 모니터링 방법의 신호 측정 단계(S100)에서 전력 시스템 내 고전압 전력기기에 구비되는 센서(110)(도 1 참조)로부터 신호, 예를 들면 코로나 방전신호, 표면 방전신호, 내부 방전신호 등의 신호를 측정하여 이에 대한 펄스 파형(10a, 10b, 10c)을 획득할 수 있다.

또한, 상기 신호 측정 단계(S100)에서 획득된 신호에 대한 펄스 파형(10)은 CSV(Comma Separated Values) 파일로 저장되어 이후 상기 신호 분리 단계(S200)로 전송될 수 있다. 여기서, 상기 CSV 파일로 입력된 신호에 대한 펄스 파형(10)을 시각화 처리하면 도 4에 도시된 그래프와 같이 나타날 수 있다. 예를 들어, 도 4(a)는 노이즈 신호에서 획득한 복수 개의 펄스 파형을 중첩하여 나타낸 펄스 파형(10a)을 도시하고, 도 4(b)는 코로나 방전신호에서 획득한 복수 개의 펄스 파형(10b)을 도시하고, 도 4(c)는 표면 방전신호에서 획득한 복수 개의 펄스 파형을 중첩하여 나타낸 펄스 파형(10c)을 도시한다.

도 5는 본 발명에 따른 부분방전 모니터링 방법의 신호 분리 단계(S200)에서 펄스 파형으로부터 두 가지 특징점이 생성된 이차원 특징점 데이터를 도시하고, 도 6은 본 발명에 따른 부분방전 모니터링 방법의 신호 군집 단계(S300)에서 군집이 완료된 이차원 특징점 데이터를 도시한다.

본 발명에 따른 부분방전 모니터링 방법의 신호 분리 단계(S200)는 상기 신호 측정 단계(S100)에서 입력된 신호에 대한 수 만개의 펄스 파형(10)으로부터 신호를 분리하기 위하여 상기 각각의 펄스 파형(10)으로부터 2개의 특징점을 추출하고, 상기 추출된 2개의 특징점을 X축 및 Y축으로 하는 이차원 특징점 데이터(20)를 생성할 수 있다.

여기서, 상기 신호 분리 단계(S200)에서 생성된 이차원 특징점 데이터(20)는 펄스 파형(10)에서 추출된 2개의 특징점을 이용하여 약 1000개 이상의 펄스 파형(10)을 이차원 평면에 맵핑(mappaing)함으로써 각각의 펄스 파형(10)이 용이하게 분리될 수 있다.

도 5에 도시된 바와 같이, 각각의 펄스 파형(10)은 X축과 Y축 값을 갖는 특징점 포인트(21, 1개의 포인트)로 변환되며, 이차원 특징점 데이터(20)는 변환된 모든 특징점 포인트(21)를 포함한다.

본 발명은 상기 신호 획득 단계(S100)에서 획득된 펄스 파형(10)으로부터 복수 개의 특징점 후보를 선정하는 과정에 있어서 형상모수 및 주파수(Hz) 영역에서 변환된 펄스의 주파수 성분이 펄스 파형(10)을 이차원 평면에 맵핑(mapping)한 경우 각각의 신호를 용이하게 분리하는데 가장 효과적임을 확인하였다.

구체적으로, 상기 펄스 파형(10)의 특징점으로서 추출되는 펄스의 주파수 성분은 펄스의 고유 주파수 계산 후 푸리에 변환(Fourier transform)을 통해 주파수 영역에서 변환한 펄스의 대역폭(band width)이다. 또한, 펄스의 형상모수는 펄스 파형(10)의 형상을 파라미터로 사용하여 계산될 수 있다.

따라서, 상기 신호 분리 단계(S200)에서는 상기 신호 획득 단계(S100)에서 획득된 신호에 대한 펄스 파형(10)을 주파수 영역에서 변환된 펄스의 형상모수 및 펄스의 대역폭을 계산하고, 상기 계산 결과를 0과 1 사이의 값으로 정규화(normalization)하여 각각 X축 및 Y축으로 하는 이차원 특징점 데이터(20)를 생성할 수 있다.

도 5에 도시된 바와 같이, 상기 신호 분리 단계(S200)에서 생성된 이차원 특징점 데이터(20)는 펄스의 형상모수 및 대역폭으로 변환된 이차원 영역에서 노이즈 신호에 대응하는 특징점 데이터 군집(20a), 코로나 방전 신호에 대응하는 특징점 데이터 군집(20b) 및 내부 방전 신호에 대응하는 특징점 데이터 군집(20c)이 각기 다른 영역에 밀집됨에 따라 각각의 신호의 분리가 용이하게 수행될 수 있으며, 도 6에 도시된 바와 같이, 상기 신호 군집 단계(S300)에서 최종적으로 이차원 특징점 데이터가 3개의 특징점 데이터 군집(20a, 20b, 20c)으로 분류될 수 있으며, 사용자 편의성 측면에서 각각 다른 색상으로 표시될 수 있다.

한편, 상기 신호 분리 단계(S200)에서 적용되는 분리 알고리즘은 상기 신호 분리 단계(S200)로 입력되는 100,000개의 펄스 파형(10) 기준으로 상기 이차원 특징점 데이터(20)를 생성하는데 소요되는 시간이 약 3.2초에 불과하여, 상기 신호 분리 단계(S200)의 신호 분리 작업이 매우 신속하게 이루어짐을 확인할 수 있다.

도 7에 도시된 바와 같이, 본 발명에 따른 신호 군집 단계(S300)에서는 군집 알고리즘이 상기 신호 분리 단계(S200)에서 생성된 이차원 특징점 데이터(20) 상에서 특징점 포인트(21)를 밀도 및 거리에 따라 군집하여 서로 다른 신호로 분류하는 작업을 수행한다.

그리고, 상기 신호 군집 단계(S300)의 군집 알고리즘은 하기와 같은 방법을 사용하여 도 7(a)에 나타난 바와 같이 비교적 고밀도 영역에서 상기 특징점 데이터(21)를 군집할 수 있다.

상기 신호 군집 단계(S300)는 상기 이차원 특징점 데이터(20) 상에서 특정 특징점 포인트(21)를 기준으로 미리 설정된 반경 내에 특정 개수의 특징점 포인트(21)가 존재하면 이를 하나의 군집으로 간주하여 군집화 과정을 수행할 수 있다. 이와 같은 방법은 밀도 기반으로 군집화 과정을 수행하므로 상기 이차원 특징점 데이터(20) 상에서 원이 아닌 다양한 기하학적 패턴의 군집을 찾기 용이하고 특징점 데이터 군집 크기가 불규칙한 경우에도 군집화 과정을 원활하게 수행할 수 있다는 장점이 있다.

따라서, 상기 신호 분리 단계(S200)에서 생성된 이차원 특징점 데이터(20) 상에서 각각의 펄스 파형(10a, 10b, 10c)(도 4 참조)은 상기 신호 군집 단계(S300)의 군집 알고리즘에 의해 각각의 군집, 예를 들면 노이즈 신호에 대응하는 특징점 데이터 군집(30a), 코로나 방전신호에 대응하는 특징점 데이터 군집(30b) 및 내부 방전신호에 대응하는 특징점 데이터 군집(30c)으로 각각 군집될 수 있고, 이후 각각의 특징점 데이터 군집(30a, 30b, 30c)에 대응하는 각각의 신호에 대한 PRPD 데이터를 획득할 수 있다.

상기 신호 군집 단계(S300)는 상기 이차원 특징점 데이터(20) 상에서 밀도가 비교적 높은 경우 미리 설정된 반경 내 다수의 특징점 포인트(21)가 포함되어 군집을 용이하게 형성 가능한 반면에, 상기 특징점 포인트(21)의 개수가 작아 밀도가 비교적 낮은 경우 군집을 형성하기 어려운 현상이 발생한다.

상기와 같은 현상을 보완하기 위하여, 상기 신호 군집 단계(S300)의 군집 알고리즘은 최소 신장 트리(Minimum spanning tree) 알고리즘을 적용함으로써 도 7(b)에 나타난 바와 같이 저밀도 영역에서도 상기 특징점 포인트(21)의 국소적인 군집들을 용이하게 형성할 수 있다.

도 7(a)을 참조하여, 상기 신호 군집 단계(S300)의 군집 알고리즘이 특징점 포인트(21)가 비교적으로 작게 밀집된 저밀도 군집 영역(30')에서 군집을 형성하지 못하고 있는 반면, 도 7(b)의 경우 상기 군집 알고리즘이 데이터 저밀도 영역에서도 군집을 원활하게 형성 가능함을 확인할 수 있다.

상기 신호 군집 단계(S300)에서 적용되는 군집 알고리즘은 상기 이차원 특징점 데이터(20) 상에서 100,000개의 특징점 포인트(21) 기준으로 고밀도 영역에서 군집을 형성하는데 약 19.14초, 저밀도 영역에서 군집을 형성하는데 약 25.07초 소요되는 것으로 측정되어, 상기 신호 군집 단계(S300)의 군집화 과정이 매우 신속하게 이루어짐을 확인할 수 있다.

도 8은 본 발명에 따른 부분방전 모니터링 방법의 신호 군집 단계에서 군집별 각각의 신호에 대한 PRPD 데이터를 획득하는 과정을 도시한다.

도 8(a)는 상기 신호 측정 단계(S100)에서 전력기기에서 측정되는 신호에 대한 PRPD 데이터를 도시하며, 도 8(b) 내지 도 8(d)는 상기 신호 군집 단계(S300)에서 각각의 특징점 데이터 군집(30a, 30b, 30c)에 해당하는 신호인 노이즈 신호, 코로나 방전신호 및 내부 방전신호에 대하여 위상 각도에 따른 신호의 크기를 측정하여 복수 개의 PRPD 데이터(40)를 획득한 결과를 도시한다.

PRPD 데이터는 위상 각도, 복수 개의 특징점 데이터 군집(30)에 대응하는 각각의 신호의 크기 및 각각의 신호의 펄스 수를 나타내는 이차원 행렬 데이터를 획득하고, 상기 획득된 이차원 행렬 데이터의 전처리 과정을 수행한 이후 각각의 신호에 대한 PRPD 패턴(pattern)이 포함된 이차원 이미지로 획득되는 데이터를 의미한다. 여기서 위상은 전력기기의 전류 위상 또는 상용전원의 전압 위상일 수 있으며, 상기 행렬 데이터의 전처리 과정에 대한 자세한 내용은 후술한다.

본 발명에 따른 부분방전 모니터링 방법은 도 8(b) 내지 도 8(d)에 도시된 바와 같이 각각의 신호에 대한 PRPD 데이터 패턴과 상기 부분방전 판정 단계(S600)에서 기계학습 기반의 진단 알고리즘 내부에 학습 및 저장된 각각의 신호에 대한 PRPD 데이터의 패턴간 유사성을 판단하는 작업을 통해 부분방전 발생 여부를 판정할 수 있다.

본 발명에 따른 부분방전 모니터링 방법은 상기 신호 군집 단계(S300)와 상기 부분방전 판정 단계(S600) 사이에 제1 유사성 판단 단계(S400) 및 제2 유사성 판단 단계(S500) 중 적어도 하나 이상이 수행될 수 있다.

상기 제1 유사성 판단 단계(S400)는 상기 신호 군집 단계(S300)에서 획득된 각각의 신호에 대한 PRPD 데이터 간의 패턴 유사도를 분석하여 상호 유사성이 높은 PRPD 데이터는 제거해줌으로써 데이터 중복 저장 또는 과도한 데이터 트래픽에 따른 네트워크 과부하 등을 방지하는 역할을 수행한다.

상기 제1 유사성 판단 단계(S400)는 상기 신호 군집 단계(S300)에서 획득된 신호에 대하여 획득된 전체 PRPD 데이터에서 임의의 한 쌍의 PRPD 데이터를 선정하여 상호 유사성을 일대일 비교 및 판단하는 과정을 통해 패턴 유사도를 분석할 수 있다.

상기 제1 유사성 판단 단계(S400)는 상호 상관관계 분석을 위해 널리 활용되는 공지 기술인 상관계수(Correlation Coefficient) 공식들 중 어느 하나를 활용하여 상기 신호 군집 단계(S300)에서 획득된 각각의 신호에 대한 PRPD 데이터(40)간의 유사성을 판단할 수 있다.

그리고, 상기 제1 유사성 판단 단계(S400)는 미리 결정된 유사도 점수 기준에 근거하여 PRPD 데이터(40)를 상기 부분방전 판정 단계(S600)의 기계학습 알고리즘에 선택적으로 저장할 수 있다. 일반적으로, 상관계수는 한 쌍의 PRPD 데이터(40)의 이미지 상에서 각각의 픽셀 값이 변하는 정도를 비교하여 -1 내지 1 범위에서 상관계수의 값을 측정할 수 있으며, 상기 상관계수의 값이 1에 근접할수록 한 쌍의 PRPD 데이터의 패턴 유사도가 높은 것으로 해석될 수 있다.

상기 제1 유사성 판단 단계(S400)는 한 쌍의 PRPD 데이터(40)의 패턴 유사도를 분석하는 과정에서 상관계수 값이 0.5 내지 1.0으로 측정되어 상호 유사성이 강하다고 판단되는 경우에는 한쌍의 PRPD 데이터(40) 중 어느 하나는 제거하고, 상관계수 값이 0 내지 0.5으로 측정되어 상호 유사성이 약하거나 상관관계가 거의 없다고 판단되는 경우에는 한 쌍의 PRPD 데이터(40) 모두 상기 부분방전 판정 단계(S600)에서 신호 진단을 위한 기계학습 알고리즘으로 전송될 수 있다. 물론, 이와 달리 유사성이 높다고 판단되는 PRPD 데이터(40)도 학습에 활용할 목적으로 저장할 수도 있다.

즉, 상호 유사성이 높다고 판단되어 제거되는 PRPD 데이터(40)는 상기 부분방전 판정 단계(S600)에 적용되는 진단 알고리즘의 입력 데이터로는 활용되지 않으며, 상호 유사성이 낮거나 상관관계가 거의 없다고 판단되는 PRPD 데이터(40)만 유사성 진단 알고리즘의 입력 데이터로 활용된다.

도 9는 본 발명에 따른 부분방전 모니터링 방법의 상기 제1 유사성 판단 단계(S400)에서 코로나 방전 신호에 대한 한 쌍의 PRPD 데이터 간의 상호 유사성을 판단하는 과정을 도시한다.

도 9(a)를 참조하면, 상기 제1 유사성 판단 단계(S400)에서 전술한 상관계수 공식을 적용하여 코로나 방전신호에 대한 서로 다른 한 쌍의 PRPD 데이터(40) 간의 패턴 유사도를 분석하였으며, 유사도 분석 데이터(41) 상에 나타난 바와 같이 상기 코로나 방전 신호에 대한 한 쌍의 PRPD 데이터(40)의 상관 계수의 값(p)이 0.53으로 측정되었다.

이에 따라, 도 9에 도시된 상기 코로나 방전신호에 대한 서로 다른 한 쌍의 PRPD 데이터(40)는 유사도 점수 기준에 따라 상관 계수의 값(p)이 0.5 이상이므로, 이는 상기 부분방전 판정 단계(S600)의 기계학습 알고리즘의 학습 데이터로써 유의미한 데이터가 아닌 것으로 판단되므로 상기 부분방전 판정 단계(S600)의 알고리즘에 저장되지 않는다.

반면, 도 9(b)에 도시된 바와 같이, 상기 제1 유사성 판단 단계(S400)에서 상관계수 공식을 적용하여 코로나 방전신호에 대한 한 쌍의 PRPD 데이터(40) 간의 패턴 유사도를 분석하였으며, 유사도 분석 데이터(41)에 나타난 바와 같이 상기 코로나 방전신호에 대한 한 쌍의 PRPD 데이터(40)의 상관 계수의 값(p)이 0.03으로 측정되었다.

이에 따라, 도 9(b)에 도시된 상기 코로나 방전에 대한 서로 다른 한 쌍의 PRPD 데이터(40)는 유사도 점수 기준에 따라 상관 계수의 값(p)이 0.5 미만이므로 상기 부분방전 판정 단계(S600)의 기계학습 알고리즘으로 전송하여 부분방전 판정 단계(S600)의 진단 알고리즘에 입력될 수 있다.

한편, 부분방전 판정 단계(S600)에서 실제 전력기기에서 측정된 신호가 정상신호임에도 불구하도 이상신호로 진단하는 경우, 작업자의 번거롭고 불필요한 현장 대응을 유발하여 부분방전 모니터링 시스템의 신뢰성과 활용성이 저하될 수 있는 심각한 문제가 발생한다

이에, 본 발명에 따른 부분방전 모니터링 방법은 상기 부분방전 판정 단계(S600)에서 신호를 진단하는 과정에서 오류(실패)가 발생한 특정 신호에 대한 PRPD 데이터를 사전 저장하고 오류를 발생시킨 PRPD 데이터와 유사한 PRPD 데이터를 기계학습 알고리즘에 전송하는 것을 방지하는 제2 유사성 판단 단계(S500)를 수행한다.

상기 제2 유사성 판단 단계(S500)에 적용된 알고리즘은 부분방전 판정 단계(S600)에서 오류가 발생할 경우에 오류를 발생시킨 특정 신호에 대한 PRPD 데이터를 저장하고, 사전에 저장된 데이터와 상기 신호 군집 단계에서 획득된 PRPD 데이터 사이의 패턴 유사도를 분석하여 유사성을 판단할 수 있다.

상기 제2 유사성 판단 단계(S500)는 상기 신호를 노이즈 신호 또는 코로나 방전신호와 같은 정상 신호를 내부 방전신호 또는 외부 방전신호로 오진단하여 부분방전 발생의 판정에 오류(실패)를 발생시킨 PRPD 데이터의 패턴을 메모리부에 저장하고, 실시간으로 랜덤하게 유입되는 신호를 처리하여 획득된 PRPD 데이터 패턴과 상기 메무리부에 저장된 PRPD 데이터의 패턴 유사도를 분석하여 상기 부분방전 판정 단계(S600)의 진단 알고리즘의 입력 데이터로 전송하는 역할을 수행한다.

이에, 상기 제2 유사성 판단 단계(S500)는 상기 메모리부에 저장된 노이즈 신호 또는 코로나 신호에 대한 PRPD 데이터와 상기 신호 군집 단계(S300)에서 획득되어 새로 입력되는 PRPD 데이터의 패턴 유사도를 분석하여 유사성을 판단하고, 상기 유사성이 높다고 판단되는 PRPD 데이터만을 상기 부분방전 판정 단계(S600)의 진단 알고리즘으로 전송할 수 있다.

종래에는 PRPD 분석에 있어서 신호의 진단에 오류를 유발한 PRPD 데이터를 삭제하여 진단에 오류가 발생하지 않도록 하는 방법을 사용하였으나, 이러한 방법은 장기적 관점에서 상기 부분방전 판정 단계(S600)의 알고리즘의 신뢰성 저하를 유발하고, 상기 알고리즘에 저장된 학습 데이터의 양이 감소되어 학습 기능이 저하되는 문제가 있었다.

그러나, 본 발명에 따른 부분방전 모니터링 방법은 전술한 바와 같이 전체 PRPD 데이터 중에서 한 쌍의 PRPD 데이터씩 유사도 분석을 실시하여 유사도 점수 기준에 따라 PRPD 데이터를 선택적으로 판정 알고리즘에 전송하거나 오류를 발생시킨 PRPD 데이터와 유사한 PRPD 데이터를 판정 알고리즘에 전송하지 않음으로써 내부에 저장되는 데이터 또는 메인유닛(Main unit)으로 송신하는 데이터의 양을 효율적으로 감소시킬 수 있다.

이와 같이 본 발명에 따른 부분방전 모니터링 방법은 상기 신호 군집 단계(S300)와 상기 부분방전 판정 단계(S600) 사이에 제1 유사성 판단 단계(S400) 및 제2 유사성 판단 단계(S500)를 함께 수행하거나 둘 중 어느 하나 단계를 수행할 수 있다.

본 발명에 따른 부분방전 모니터링 방법의 부분방전 판정 단계(S600)는 상기 제1 유사성 판단 단계(S400) 및 상기 제2 유사성 판단 단계(S500) 중 적어도 하나에서 제공된 PRPD 데이터(40)를 입력받고, 상기 PRPD 데이터의 패턴(pattern)을 분석하여 전력기기의 부분방전 발생 여부를 판정할 수 있다. 예를 들어, 기 저장되어 부분방전 신호로 확인된 PRPD 패턴과 상기 PRPD 데이터의 패턴을 비교하여 동일할 경우에 부분방전 신호로 판정할 수 있다. 여기서, 상기 부분방전 판정 단계(S600)로 입력되는 PRPD 데이터(40)는 이차원 형태로 제공되어 신호를 판정하는데 주요하게 활용된다.

한편, 검증용으로 상기 부분방전 판정 단계(S600)에서 펄스 파형을 추가로 입력받고, 펄스 파형을 분석하여 전력기기의 부분방전 발생 여부를 한번 더 판정할 수 있다. 여기서 입력되는 펄스 파형은 신호 진단에서 보조 자료로 활용될 수 있다.

여기서, 상기 부분방전 판정 단계(S600)는 PRPD 데이터 및 펄스 파형 데이터를 전처리하는 과정을 포함한다. 상기 부분방전 판정 단계(S600)에 적용된 기계학습 기반의 진단 알고리즘은 상기 전처리된 PRPD 데이터 패턴을 이용하여 상기 신호 측정 단계(S100)에서 측정된 신호의 종류를 진단할 수 있다.

여기서, 상기 부분방전 판정 단계(S600)는 상기 측정된 신호가 노이즈 신호 또는 코로나 방전신호인 경우 정상 신호로 진단하는 반면, 상기 측정된 신호가 내부 방전신호 또는 표면 방전신호인 경우 부분방전 신호로 진단하여 전력기기에 부분방전이 발생한 것으로 판정할 수 있다.

도 10은 본 발명에 따른 부분방전 모니터링 방법의 부분방전 판정 단계에서 PRPD 데이터를 전처리하는 과정을 도시한다.

상기 부분방전 판정 단계(S600)는 PRPD 데이터(40)를 확보하는 과정에서 측정 장비 또는 측정 방식에 비의존적인 진단 알고리즘을 구축하기 위하여 전처리 과정을 수행할 수 있다.

도 10에 도시된 상기 PRPD 행렬 데이터(43)는 x축 방향으로 위상각을 나타내고, y축 방향으로 신호의 펄스 크기를 나타내며, 각각의 셀 내부의 값은 신호의 펄스 발생 횟수를 의미한다. 여기서, 상기 부분방전 판정 단계(S600)는 PRPD 측정 장비의 변수 설정에 따라 PRPD 데이터(40)가 상하 반전되어 입력되므로 모두 동일한 방향으로 입력되도록 변환하는 전처리 과정을 수행할 수 있다. 또한, 펄스 발생 횟수의 절대적인 값보다는 발생 여부에 따라 각각의 셀 값이 0 또는 1이 되도록 하는 전처리 과정을 수행할 수 있다.

도 11 내지 도 13은 본 발명에 따른 부분방전 모니터링 방법의 상기 부분방전 판정 단계(S600)에서 PRPD 데이터를 증폭하는 과정을 도시한다.

상기 부분방전 판정 단계(S600)는 실제 데이터에서 발생할 수 있는 여러가지 변수에 대하여 강건한 진단 알고리즘을 구축하기 위하여 학습 데이터셋을 인위적으로 다양하게 생성하는 과정인 PRPD 데이터 증폭 과정을 수행할 수 있다.

상기 부분방전 판정 단계(S600)에서 PRPD 데이터 증폭 과정은 상기 PRPD 데이터(40)의 위상 차이를 보상하기 위해 상기 PRPD 행렬 데이터(43)를 x축 방향을 따라 좌우 쉬프팅(shifting)하는 기법, 상기 PRPD 데이터(40)의 노이즈 제거를 위해 PRPD 행렬 데이터(43)를 y축 방향으로 패딩(padding)하는 기법 및 상기 PRPD 데이터(40)에서 y축 방향으로 크기를 변경하는 기법 등을 사용할 수 있다.

도 11을 참조하여, 상기 부분방전 판정 단계(S600)의 PRPD 데이터 증폭 과정은 x축 방향으로 위상 변화를 다양하게 변경하여 다수의 PRPD 데이터를 생성할 수 있으며, 신규로 생성된 데이터 전체를 기계학습 알고리즘으로 분석한다. 일 실시예로, 셀 개수가 256x256인 PRPD 행렬 데이터(43)에서 x축을 따라 좌우 쉬프팅(shifting) 기법을 수행할 수 있으며, 예를 들어 상기 256x256 PRPD 행렬 데이터(43)에서 셀을 n번째(n은 0 이상 128 이하의 정수) 열로 이동시키는 방식으로 좌우 쉬프팅(shifting) 기법을 수행하였다.

도 12를 참조하여, 상기 부분방전 판정 단계(S600)의 PRPD 데이터 증폭 과정은 상기 PRPD 데이터(40)의 노이즈 제거를 위해 PRPD 행렬 데이터(43)의 일부 셀을 y축 방향으로 패딩(padding)하는 기법을 사용할 수 있다. 구체적으로, PRPD 데이터(40)를 수집하는 과정에서 노이즈 신호를 제외한 신호만을 잡기 위하여 일정 크기보다 작은 신호는 측정하지 않는 경우도 있으므로, 이러한 경우에는 상기 PRPD 행렬 데이터(43)에서 가장 하부에서부터 m개(m은 0 이상 10 이하의 정수) 행의 셀 값들은 모두 0으로 변환(도 12에서 2개의 행을 0으로 변환)하는 패딩(padding) 기법을 사용하여 PRPD 데이터 증폭 과정을 수행할 수 있다. 이러한 데이터 증폭 과정을 통해 가장 하부에서부터 m개의 행에 0인 데이터가 실제로 입력되었을 때도 증폭 데이터를 활용하여 판정이 용이하게 이루어질 수 있다.

도 13을 참조하여, 상기 부분방전 판정 단계(S600)의 PRPD 데이터 증폭 과정은 상기 PRPD 데이터(40)에서 y축 방향으로 크기를 변경하는 스케일링(Scaling) 기법을 사용할 수 있다.

구체적으로, 상기 PRPD 데이터(40)에서 y축 방향으로 신호의 패턴이 상이하기 때문에 y축으로 다양한 크기를 지닌 데이터의 확보가 필요하다. 따라서, 상기 PRPD 데이터(40)를 이미지로 간주하여 y축 방향에 대하여 크기를 줄이거나 늘린 이후에 기존 PRPD 데이터(40)의 크기를 유지하기 위해 나머지 영역을 모두 0으로 변환하거나 자르는 기법인 스케일링(Scaling) 기법을 사용할 수 있다. 이 경우, 상기 PRPD 데이터(40)의 이미지 크기는 최대 50%까지 커지거나 작아지므로 이를 통해 다양한 크기의 PRPD 데이터를 증폭할 수 있다.

도 14는 본 발명에 따른 부분방전 모니터링 방법의 상기 부분방전 판정 단계(S600)에서 펄스파형 데이터의 증폭 전후의 결과를 도시한다.

도 14(a)는 상기 펄스 파형 데이터(10)를 증폭하기 전 상태를 도시한 것이고, 도 14(b)는 상기 펄스 파형 데이터(10)를 증폭한 후의 상태를 도시한다.

상기 부분방전 판정 단계(S600)의 펄스 파형 데이터 증폭 과정에서 상기 펄스 파형 데이터(10)가 입력되는 x축(시간) 방향으로 쉬프팅(shifting)하여 펄스의 크기를 증폭하는 기법을 사용할 수 있다. 즉, 펄스 파형 데이터(10)의 패턴은 동일하지만 펄스 시작 지점이 다른 경우 상기 부분방전 판정 단계(S600)의 진단 알고리즘이 서로 상이한 데이터로 판단할 수 있으므로 펄스 시작 지점을 변화하여 데이터를 증폭시킬 수 있다.

이후, 본 발명에 따른 부분방전 모니터링 방법의 상기 부분방전 판정 단계(S600)는 기계학습 기반의 진단 알고리즘을 적용하여 상기와 같이 전처리 또는 증폭된 PRPD 데이터(40) 및 펄스 파형 데이터(10)를 입력받아 부분방전 발생 여부를 진단할 수 있다.

여기서, 상기 부분방전 판정 단계(S600)의 진단 알고리즘은 합성곱 신경망(Convolution neural network; CNN) 등을 활용하여 PRPD 데이터(40) 패턴에 나타나는 특징들을 추출 및 인식하여 결과적으로 신호의 종류를 판정할 수 있다.

도 15는 본 발명에 따른 부분방전 모니터링 방법의 상기 부분방전 판정 단계에서 PRPD 데이터 패턴을 인식하여 개별 신호를 각각 진단한 결과를 도시한다.

본 발명에 따른 부분방전 모니터링 방법의 부분방전 판정 단계(S600)에서 기계학습 기반 진단 알고리즘을 활용하여 PRPD 데이터 패턴을 인식하여 전력기기에서 측정된 각각의 신호, 예를 들면 코로나 방전신호, 노이즈 신호, 내부 방전신호 및 외부 방전신호 중 어느 하나의 신호로 진단할 수 있다.

도 15에 도시된 바와 같이, 상기 부분방전 판정 단계(S600)에서 기계학습 기반 진단 알고리즘이 진단한 네 종류의 신호와 실제 전력기기에서 발생한 신호를 비교해보면, 상기 부분방전 판정 단계(S600)의 진단 알고리즘이 실제 코로나 방전신호를 코로나 방전신호로 진단할 확률은 90.9%로 나타났고, 실제 노이즈 신호를 노이즈 신호로 진단할 확률은 95.0%로 나타났고, 실제 내부 방전 신호를 내부 방전신호로 진단할 확률은 77.7%로 나타났고, 실제 외부 방전 신호를 외부 방전신호로 진단할 확률은 91.2%로 나타났다.

평균적으로, 상기 부분방전 판정 단계(S600)에서 전력기기에서 측정된 네 종류의 신호 각각을 정확하게 진단할 확률은 약 91.0%인 것으로 나타났다.

도 16은 본 발명에 따른 부분방전 모니터링 방법의 상기 부분방전 판정 단계에서 PRPD 데이터 패턴을 인식하여 정상신호 또는 이상신호인지 진단한 결과를 도시한다.

본 발명에 따른 부분방전 모니터링 방법의 부분방전 판정 단계(S600)에서 기계학습 기반 진단 알고리즘을 활용하여 PRPD 데이터 패턴을 인식하여 전력기기에서 측정된 네 가지 신호의 종류를 진단하여, 상기 진단된 신호가 정상 신호인지 이상 신호인지 진단하고, 최종적으로 부분방전 발생 여부를 판정할 수 있다.

즉, 상기 부분방전 판정 단계(S600)의 진단 알고리즘이 전력기기에서 발생된 신호를 이상신호, 즉 내부 방전신호 또는 표면 방전신호로 감지하는 경우 해당 전력기기에서 부분방전이 발생한 것으로 판정할 수 있다.

그리고, 상기 부분방전 판정 단계(S600)에서 적용되는 기계학습 기반의 진단 알고리즘은 10개 이하의 PRPD 데이터(40) 기준으로 신호 진단을 수행한 결과 약 2.5초 이하로 소요되었으며, 20,000개의 특징점 포인트(21)를 기준으로 신호 진단을 수행한 결과 2초 내지 4초 소요되는 것으로 보아 진단 과정이 매우 신속하게 이루어짐을 확인할 수 있다.

도 16에 도시된 바와 같이, 상기 부분방전 판정 단계(S600)의 진단 알고리즘이 판정한 결과와 실제 전력기기에서 발생한 신호를 비교해보면, 상기 부분방전 판정 단계(S600)의 진단 알고리즘이 실제 정상신호를 정상신호로 진단할 확률은 93.4%로 나타났고, 실제로 전력기기에 부분방전이 일어나 이상신호가 발생한 경우 이를 이상신호로 진단할 확률이 91.5%인 것으로 나타났다.

반면, 상기 부분방전 판정 단계(S600)의 진단 알고리즘이 실제 전력기기에 부분방전이 일어나 부분방전 신호가 발생했음에도 이를 정상 신호로 진단할 확률은 8.5%로 나타났고, 상기 부분방전 판정 단계(S600)의 진단 알고리즘이 실제 전력기기에 부분방전이 미발생하여 정상 신호가 발생했음에도 이를 이상신호로 진단할 확률은 6.6%로 비교적 낮게 나타났다.

본 명세서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술분야의 당업자는 이하에서 서술하는 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경 실시할 수 있을 것이다. 그러므로 변형된 실시가 기본적으로 본 발명의 특허청구범위의 구성요소를 포함한다면 모두 본 발명의 기술적 범주에 포함된다고 보아야 한다.

Claims (10)

1. 부분방전 모니터링 방법에 있어서,
   전력기기의 신호를 측정하여 펄스 파형을 획득하는 신호 측정 단계;
   상기 펄스 파형에서 특징점을 추출하여 이차원 특징점 데이터를 생성하는 신호 분리 단계;
   상기 이차원 특징점 데이터 상에서 특징점 포인트를 밀도에 따라 특징점 데이터 군집으로 분류하여 PRPD(Phase Resolved Partial Discharge) 데이터를 획득하는 신호 군집 단계;
   상기 신호 군집 단계에서 획득된 전체 PRPD 데이터 사이의 패턴 유사도를 분석하여 유사성을 판단하는 제1 유사성 판단 단계;
   부분방전 판정에 오류를 발생시킨 특정 신호에 대한 PRPD 데이터를 저장하고, 사전에 저장된 데이터와 상기 신호 군집 단계에서 획득된 PRPD 데이터 사이의 패턴 유사도를 분석하여 유사성을 판단하는 제2 유사성 판단 단계; 및
   상기 제1 유사성 판단 단계에서 제공된 유사성이 낮은 PRPD 데이터의 패턴 및 상기 제2 유사성 판단 단계의 유사성 판단 결과 중 적어도 하나를 인식하여 신호를 진단하고, 상기 진단 결과에 기반하여 전력기기의 부분방전 발생 여부를 판정하는 부분방전 판정 단계;를 포함하는 것을 특징으로 하는 부분방전 모니터링 방법.
2. 제1항에 있어서,
   상기 제2 유사성 판단 단계에서 상호 유사성이 낮은 PRPD 데이터는 상기 부분방전 판정 단계로 전송되는 것을 특징으로 하는 부분방전 모니터링 방법.
3. 제1항에 있어서,
   상기 제1 유사성 판단 단계는 상기 신호 군집 단계에서 획득된 각각의 PRPD 데이터를 상관계수(Correlation Coefficient) 공식을 적용하여 패턴 유사도를 분석하고, 미리 결정된 유사도 점수 기준에 따라 상호 유사성이 낮은 PRPD 데이터는 상기 부분방전 판정 단계로 전송되는 것을 특징으로 하는 부분방전 모니터링 방법.
4. 제1항에 있어서,
   상기 부분방전 판정 단계는 상기 제1 유사도 판단 단계에서 전송된 PRPD 데이터의 패턴을 인식하여 신호를 진단하고, 상기 신호가 코로나 방전 신호 또는 노이즈 신호인 경우 이를 정상 신호로 진단하고, 상기 신호가 내부 방전 신호 또는 표면 방전 신호인 경우 이를 부분방전 신호로 진단하여 전력기기의 결함에 의한 부분방전이 발생하였음을 판정하는 것을 특징으로 하는 부분방전 모니터링 방법.
5. 제4항에 있어서,
   상기 제2 유사성 판단 단계는 상기 부분방전 판정 단계에서 코로나 방전 신호 또는 노이즈 신호를 내부 방전 신호 또는 외부 방전 신호로 오진단한 PRPD 데이터를 저장하는 것을 특징으로 하는 부분방전 모니터링 방법.
6. 부분방전 진단 시스템에 있어서,
   전력기기의 신호를 감지하는 센서를 구비하는 신호 감지유닛;
   상기 신호 감지유닛에서 감지된 신호를 통신망을 통해 전송하기 위한 로컬유닛; 및
   기계학습 알고리즘을 적용하여 상기 로컬유닛을 통해 전송된 신호에서 특징점을 추출하여 특징점 포인트를 생성하고, 상기 특징점 포인트를 밀도에 따라 특징점 데이터 군집으로 분류하여 생성된 PRPD 데이터의 패턴 유사도를 분석하여 유사성을 판단하고, 상기 유사성이 판단된 PRPD 데이터의 패턴을 인식하여 부분방전 발생여부를 판정하기 위한 메인유닛;을 포함하는 것을 특징으로 하는 부분방전 모니터링 시스템.
7. 제6항에 있어서,
   상기 메인유닛은 상기 로컬유닛을 통해 전송된 부분방전 신호의 펄스 파형으로부터 추출된 특징점 영역에서 이차원 부분방전 신호 데이터를 생성하는 신호 분리부;
   상기 신호 분리부에서 생성된 이차원 부분방전 신호 데이터에서 각각의 신호를 밀도에 따라 분류하여 각각의 부분방전 신호에 대한 PRPD 데이터를 생성하는 신호 군집부;
   상기 신호 군집부에서 생성된 전체 PRPD 데이터 사이의 패턴 유사도를 분석하여 PRPD 데이터의 상호 유사성을 판단하는 제1 유사성 판단부;
   상기 제1 유사성 판단부에서 제공된 유사성이 낮은 PRPD 데이터의 패턴을 인식하여 신호를 진단하고 이를 기초로 전력기기의 부분방전 발생 여부를 판정하기 위한 부분방전 판정부; 및
   부분방전 판정에 오류를 발생시킨 특정 신호에 대한 PRPD 데이터를 메모리부에 저장하고, 상기 메모리부에 저장된 PRPD 데이터와 상기 신호 군집부에서 획득된 PRPD 데이터의 상호 유사성을 판단하는 제2 유사성 판단부;를 포함하는 것을 특징으로 하는 부분방전 모니터링 시스템.
8. 제7항에 있어서,
   상기 제2 유사성 판단부에서 상호 유사성이 낮은 PRPD 데이터는 상기 부분방전 판정부로 전송되는 것을 특징으로 하는 부분방전 모니터링 시스템.
9. 제7항에 있어서,
   상기 부분방전 판정부는 상기 제1 유사성 판단부에서 전송된 PRPD 데이터의 패턴을 인식하여 신호를 진단하고, 상기 신호가 코로나 방전 신호 또는 노이즈 신호인 경우 이를 정상 신호로 진단하고, 상기 신호가 내부 방전 신호 또는 표면 방전 신호인 경우 이를 부분방전 신호로 진단하여 전력기기의 결함에 의한 부분방전이 발생하였음을 판정하는 것을 특징으로 하는 부분방전 모니터링 시스템.
10. 제9항에 있어서,
    상기 제2 유사성 판단부는 상기 부분방전 판정부에서 내부 방전 신호 또는 외부 방전 신호로 오진단한 PRPD 데이터의 패턴을 상기 메모리부에 저장하는 것을 특징으로 하는 부분방전 모니터링 시스템.

Images