KR20230140219A - 전류 분석장치 및 그 방법 - Google Patents

전류 분석장치 및 그 방법 Download PDF

Info

Publication number
KR20230140219A
KR20230140219A KR1020220039095A KR20220039095A KR20230140219A KR 20230140219 A KR20230140219 A KR 20230140219A KR 1020220039095 A KR1020220039095 A KR 1020220039095A KR 20220039095 A KR20220039095 A KR 20220039095A KR 20230140219 A KR20230140219 A KR 20230140219A
Authority
KR
South Korea
Prior art keywords
current
band
type
pass filter
artificial intelligence
Prior art date
Application number
KR1020220039095A
Other languages
English (en)
Inventor
안성훈
정구엽
임혁순
Original Assignee
서울대학교산학협력단
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 서울대학교산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020220039095A priority Critical patent/KR20230140219A/ko
Publication of KR20230140219A publication Critical patent/KR20230140219A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/0092—Arrangements for measuring currents or voltages or for indicating presence or sign thereof measuring current only
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
    • 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
    • G01R22/10—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods using digital techniques
    • 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
    • G01R23/165—Spectrum analysis; Fourier analysis using filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/30—Information sensed or collected by the things relating to resources, e.g. consumed power
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Measurement Of Current Or Voltage (AREA)

Abstract

전류분석장치 및 그 방법이 개시된다. 전류분석장치는 전력선으로부터 전류 신호를 측정하는 전류센서와, 전류센서가 측정한 전류 신호에서 기 정의된 주파수 대역을 통과시키는 대역통과필터와, 대역통과필터를 통과한 주파수 성분을 인공지능모델에 입력하여 기기의 종류 또는 기기의 상태를 파악하는 분석부를 포함한다.

Description

전류 분석장치 및 그 방법{Current analyzing device and method}
본 발명의 실시 예는 전류를 분석하는 방법 및 그 장치에 관한 것으로, 보다 상세하게는 전류 분석을 통해 기기의 종류 또는 상태를 파악할 수 있는 장치 및 그 방법에 관한 것이다.
스마트 미터(smart meter) 등과 같이 가정이나 기업, 공장 등의 전력량을 원격에서 실시간 모니터할 수 있는 다양한 기기가 존재한다. 그러나 스마트 미터 등은 전력량을 파악하여 제공할 수 있을 뿐 어떤 기기가 현재 작동 중인지 알 수 없다. 공장 내 설비와 기계에 사물인터넷(IoT)을 설치하여 기기의 고장이나 작동 상태 등을 파악할 수 있는 스마트 팩토리는 제조업의 경쟁력을 강화하는데 도움이 된다. 그러나 스마트 팩토리에서 각종 장비의 상태를 파악하기 위해서 제공되는 솔루션은 IoT 기기가 어떤 장비에 설치되어 있는지 미리 파악하고 관리하여야 하는 불편함이 따른다.
본 발명의 실시 예가 이루고자 하는 기술적 과제는, 전류를 분석하여 현재 작동 중인 기기의 종류 또는 기기의 상태를 파악할 수 있는 전류분석장치 및 그 방법을 제공하는 데 있다.
상기의 기술적 과제를 달성하기 위한, 본 발명의 실시 예에 따른 전류분석장치의 일 예는, 전력선으로부터 전류 신호를 측정하는 전류센서; 상기 전류센서가 측정한 전류 신호에서 기 정의된 주파수 대역을 통과시키는 대역통과필터; 및 상기 대역통과필터를 통과한 주파수 성분을 인공지능모델에 입력하여 기기의 종류 또는 기기의 상태를 파악하는 분석부;를 포함하고, 상기 인공지능모델은 기기의 종류별 주파수 성분을 포함하는 학습데이터를 이용하여 기기의 종류 또는 기기의 상태를 예측하도록 학습된 모델이다.
상기의 기술적 과제를 달성하기 위한, 본 발명의 실시 예에 따른 전류분석방법의 일 예는, 전류분석장치가 수행하는 전류분석 방법에 있어서, 전류센서를 이용하여 전력선으로부터 전류 신호를 측정하는 단계; 대역통과필터를 이용하여 상기 전류센서가 측정한 전류 신호에서 기 정의된 주파수 대역을 통과시키는 단계; 및 상기 대역통과필터를 통과한 주파수 성분을 인공지능모델에 입력하여 기기의 종류 또는 기기의 상태를 파악하는 단계;를 포함하고, 상기 인공지능모델은 기기의 종류별 주파수 성분을 포함하는 학습데이터를 이용하여 기기의 종류 또는 기기의 상태를 예측하도록 학습된 모델이다.
본 발명의 실시 예에 따르면, 전력을 공급받아 작동 중인 기기의 전력선에 위치하여, 연결된 기기의 종류 및/또는 기기의 상태를 파악할 수 있다.
도 1은 본 발명의 실시 예에 따른 전류분석장치의 일 예의 구성을 도시한 도면,
도 2는 본 발명의 실시 예에 따른 기기별 전류 신호의 파형의 일 예를 도시한 도면,
도 3은 본 발명의 실시 예에 따른 대역통과필터의 일 예를 도시한 도면,
도 4는 본 발명의 실시 예에 따른 대역통과필터를 통과하여 얻은 주파수 성분의 일 예를 도시한 도면,
도 5는 본 발명의 실시 예에 따른 학습부의 일 예를 도시한 도면,
도 6은 본 발명의 실시 예에 따른 전류분석방법의 일 예를 도시한 도면, 그리고,
도 7은 본 발명의 실시 예에 따른 전류분석장치를 보드에 구현한 일 예를 도시한 도면이다.
이하에서, 첨부된 도면들을 참조하여 본 발명의 실시 예에 따른 전류분석장치 및 그 방법에 대해 상세히 살펴본다.
도 1은 본 발명의 실시 예에 따른 전류분석장치의 일 예의 구성을 도시한 도면이다.
도 1을 참조하면, 전류분석장치(100)는 전류센서(110), 대역통과필터(120) 및 분석부(130)를 포함한다.
전류센서(110)는 전류를 측정하는 장치이며, 기존의 다양한 전류센서가 본 실시 예에 적용될 수 있다. 일 실시 예로, 전류센서(110)는 비접촉식 센서일 수 있다. 비접촉식 전류센서를 이용하면 배선이나 기기(150)의 변경없이 본 실시 예의 전류분석장치(100)를 전력선에 용이하게 설치할 수 있다. 비접촉식 전류센서는 이미 널리 알려진 센서이므로 이에 대한 상세한 설명은 생략한다. 실시 예에 따라 전류센서(110)는 전류분석장치(100) 내에 일체형으로 구현되거나 별개의 외부 장치로 구현될 수 있다. 예를 들어, 전류센서(110)는 다양한 상용제품으로 구현되고, 전류분석장치(100)는 전류센서(110)의 출력값을 입력받은 입력단자를 포함하는 형태일 수 있다.
다른 실시 예로, 전류센서(110) 대신에 물리량을 전기적 신호로 바꿔줄 수 있는 다양한 센서가 사용될 수 있다. 예를 들어, 전류센서(110) 대신에 기기의 소리를 측정할 수 있는 소리센서가 사용될 수 있다. 다만, 이하에서는 설명의 편의를 위하여 전류센서(110)를 사용하는 경우로 한정하여 설명한다.
대역통과필터(120)는 전류센서(110)가 측정한 전류 신호에서 기 정의된 대역의 주파수 성분을 통과시킨다. 대역통과필터(120)가 통과시키는 대역은 실시 예에 따라 다양하게 설정될 수 있다. 예를 들어, 대역통과필터(120)는 공급전원(140)의 주파수를 기준으로 일정 대역을 통과시키는 필터일 수 있다. 대역통과필터(120)의 일 예에 대해서는 도 3에서 다시 살펴본다.
분석부(130)는 대역통과필터(120)를 통과한 주파수 성분을 인공지능모델에 입력하여 기기(150)의 종류 및/또는 기기(150)의 상태를 파악한다. 여기서, 인공지능모델은 기기의 종류별 주파수 성분을 포함하는 학습데이터를 이용하여 기기의 종류 및/또는 기기의 상태를 예측하도록 학습된 모델이다. 인공지능모델은 서버 등 다른 기기에서 미리 학습완료된 후 전류분석장치(100)에 탑재되거나, 전류분석장치에서 학습될 수 있다. 전류분석장치(100)가 인공지능모델을 학습시키는 학습부를 포함하는 예가 도 5에 도시되어 있다.
다른 실시 예로, 전류분석장치(100)는 파악된 기기의 종류나 상태 등을 외부로 전송하는 통신부(미도시)를 더 포함할 수 있다. 통신부는 유선 및/또는 무선 통신을 지원할 수 있다. 전류분석장치(100)는 일정 주기 또는 이벤트 발생시(예를 들어, 기기(150)의 작동 시점과 종료 시점, 상태의 변경(정상 -> 고장 등))에 통신부를 통해 기기(150)의 종류 및/또는 상태를 외부 관리 서버로 전송할 수 있다. 예를 들어, 전류분석장치(100)는 전류 신호의 크기가 기 설정된 임계값을 초과하면 기기(150)가 작동 중인 것으로 판단하고, 본 실시 예에 따라 기기의 종류 및/또는 상태를 파악하여 외부 관리 서버로 전송할 수 있다. 외부 관리 서버는 단순히 전력량만이 아닌 어떤 기기가 작동 중인지 실시간 모니터링할 수 있다.
또 다른 실시 예로, 전류센서(110)와 대역통과필터(120) 사이에는 신호변환부(미도시) 및 노이즈필터(미도시) 등을 더 포함할 수 있다. 예를 들어, 전류센서(110)가 측정한 전류 신호의 크기가 작다면, 신호변화부(미도시)는 해당 전류 신호를 증폭하고, 노이즈필터(미도시)는 증폭된 전류 신호의 노이즈를 제거할 수 있다. 이외에도 전류분석장치(100)는 전력량을 파악하는 구성 등 다양한 구성을 더 포함할 수 있다.
도 2는 본 발명의 실시 예에 따른 기기별 전류 신호의 파형의 일 예를 도시한 도면이다.
도 2를 참조하면, 공급전원과 기기 사이의 전력선을 지나는 전류 신호의 파형은 기기별로 서로 다르게 나타난다. 예를 들어, 진공청소기가 작동 중일 때 전력선에서 측정한 전류 신호 파형(200)과 드릴이 작동 중일 때 전력선에서 측정한 전류 신호 파형(210)은 서로 다르다.
본 실시 예의 전류분석장치는 특정 기기에 부착하는 것이 아니라 다양한 기기가 연결될 수 있는 전력선에 위치한다. 예를 들어, 전류분석장치(100)의 전류센서(110)는 가정이나 건물, 공장 등의 콘센트 또는 배전반 등에 위치할 수 있다. 이 경우 전류분석장치(100)는 콘센트 등에 연결된 기기의 종류나 상태 등을 전류센서(110)가 측정한 전류 신호의 파형을 기초로 파악할 수 있다.
기기의 종류나 상태 등을 파악할 때 도 2와 같은 시간 영역의 전류 신호를 그대로 이용할 수 있다. 다만, 이 경우에 시간 영역의 전류 신호를 처리하기 위한 높은 복잡도의 인공지능모델을 필요로 하며, 정확성을 높이기 위하여 샘플링 속도(rate)를 높이거나 더 복잡한 인공지능모델을 사용할수록 연산량 및 요구되는 메모리가 많아지는 단점이 존재한다. 따라서 다른 실시 예로, 전류센서(110)가 측정한 시간 영역의 전류 신호에서 기기의 종류나 상태를 식별하는데 유용한 일정 주파수 성분을 푸리에 변환 등의 연산 과정이 아닌 하드웨어(즉, 대역통과필터(120))로 추출하여 이용할 수 있다. 기기의 종류나 상태를 식별하는데 유용한 주파수 성분을 추출하는 방법의 일 예가 도 3에 도시되어 있다.
도 3은 본 발명의 실시 예에 따른 대역통과필터의 일 예를 도시한 도면이다.
도 3을 참조하면, 대역통과필터(120)는 전류센서(110)가 측정한 전류 신호(300)에서 기 정의된 일정 대역의 주파수 성분(310)을 통과시킨다. 일 실시 예로, 대역통과필터(120)는 공급전원 주파수(f0)의 n(n은 홀수 또는 홀수의 역수)배의 주파수 성분(312)을 통과시키는 필터일 수 있다. 예를 들어, 공급전원이 60Hz 교류 신호인 경우에, 대역통과필터는 60Hz의 n배에 해당하는 주파수 성분(312)을 통과시키는 필터일 수 있다. n의 크기 및 개수는 실시 예에 따라 다양하게 변형 가능하다.
도 4는 본 발명의 실시 예에 따른 대역통과필터를 통과하여 얻은 주파수 성분의 일 예를 도시한 도면이다.
도 4를 참조하면, 대역통과필터(120)는 도 2의 시간 영역의 전류 신호(200,210)를 입력받으면 공급전원 주파수(f0)의 n(n은 홀수 또는 홀수의 역수)배에 해당하는 주파수 성분을 필터링하여 출력한다. 도 2의 진공청소기의 전류 신호(200)로부터 추출한 공급전원 주파수의 n배의 주파수 성분의 그래프(400)와 드릴의 전류 신호(210)로부터 추출한 공급전원 주파수의 n배의 주파수 성분의 그래프(410)는 서로 다름을 알 수 있다.
본 실시 예는 시간 영역에 존재하는 전류 신호의 주파수 성분을 추출하기 위하여 별도의 푸리에 변환 등의 연산을 수행할 필요가 없이 하드웨어로 구현된 대역통과필터(120)를 통해 원하는 주파수 성분만을 추출할 수 있다. 따라서 본 실시 예의 전류분석장치(100)는 푸리에 변환 등의 연산 과정을 수행할 필요가 없으므로, 프로세서 등의 자원을 낮은 사양으로 구현할 수 있을 뿐만 아니라 데이터 처리에 따른 병목 현상이 발생하지 않는다.
도 5는 본 발명의 실시 예에 따른 학습부의 일 예를 도시한 도면이다.
도 5를 참조하면, 학습부는 기기 종류별 전류 신호의 주파수 성분 중 대역통과필터의 통과 대역의 주파수 성분(510)으로 구성된 학습데이터를 이용하여 인공지능모델(500)을 학습시킨다. 인공지능모델(500)은 CNN(Convolutional Neural Network) 등 다양한 형태로 구현될 수 있다.
일 실시 예로, 인공지능모델(500)은 주파수 성분(510)을 입력받으면 기기의 종류(520)를 예측하여 출력하는 모델일 수 있다. 이 경우, 학습데이터는 기기의 종류별 주파수 성분(510)을 기기의 종류로 라벨링한 데이터일 수 있다. 예를 들어, 전류센서(110)가 전력선으로부터 측정한 전류 신호로부터 추출한 도 4와 같은 주파수 성분(400,410)을 기기의 종류로 라벨링하여 학습데이터를 생성할 수 있다.
다른 실시 예로, 인공지능모델(500)은 주파수 성분(510)을 입력받으면 기기의 상태(520)를 예측하여 출력하는 모델일 수 있다. 기기의 상태는 기기의 정상, 고장, 에러, 작동모드 등 기 정의된 다양한 상태일 수 있다. 이를 위해, 학습데이터는 기기의 종류별 주파수 성분(510)을 기기의 상태(정상, 고장 등)로 라벨링한 데이터일 수 있다. 예를 들어, 진공청소기의 정상 작동시의 주파수 성분과 고장시의 주파수 성분 등을 포함하는 학습데이터를 진공청소기의 상태(정상, 고장 등)로 라벨링한 학습데이터를 생성하여 인공지능모델(500)을 학습시킬 수 있다. 기기의 상태를 예측하는 인공지능모델(500)은 기기의 종류와 함께 기기의 상태를 예측하는 모델일 수 있다.
도 6은 본 발명의 실시 예에 따른 전류분석방법의 일 예를 도시한 도면이다.
도 1 및 도 6을 함께 참조하면, 전류분석장치(100)는 전류센서(110)를 이용하여 공급전원(140)과 기기(150) 사이에 위치한 전력선으로부터 전류 신호를 측정한다(S600).
전류분석장치(100)는 대역통과필터(120)를 이용하여 전류센서(110)가 측정한 전류 신호에서 기 정의된 주파수 대역을 통과시킨다(S610). 대역통과필터(120)가 출력하는 주파수 대역은 공급전원 주파수의 n배의 주파수일 수 있으며, 이에 대한 예가 도 3에 도시되어 있다.
전류분석장치(100)는 대역통과필터(120)를 통과한 주파수 성분을 인공지능모델에 입력하여 기기의 종류 및/또는 기기의 상태를 파악한다. 주파수 성분을 기초로 기기의 종류 및/또는 기기의 상태를 파악하기 위한 인공지능모델을 학습시키는 방법의 일 예가 도 5에 도시되어 있다.
도 7은 본 발명의 실시 예에 따른 전류분석장치를 보드에 구현한 일 예를 도시한 도면이다.
도 7을 참조하면, 전류분석장치(100)는 인쇄회로기판(700)(PCB, Printed Circuit Board)에 신호변환부(710), 노이즈필터(720), 대역통과필터(730), 마이크로컨트롤러(740)를 포함하여 구성될 수 있다. 전류센서는 외부의 별개 부품으로 존재할 수 있다. 예를 들어, 전류분석장치(100)는 전류센서로 다양한 상용 제품을 이용할 수 있으며, 전류센서의 출력을 신호변환부(710)의 입력으로 연결할 수 있다. 대역통과필터(730)는 저항과 캐패시터 등을 이용하여 특정 대역을 통과시키도록 구현할 수 있다. 인공지능모델을 포함하는 분석부는 마이크로컨트롤러(740)로 구현될 수 있다. 전류분석장치(100)는 IoT(Internet of Things) 장치, 엣지 컴퓨팅 장치의 역항을 수행할 수 있다. 본 실시 예는 스마트 팩토리, 스마트 홈, 스마트 건물 등과 같이 전력을 공급받아 작동하는 각종 기기의 모니터링이 필요한 모든 분야에 적용될 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
110: 전류센서 120: 대역통과필터
130: 분석부

Claims (6)

  1. 전력선으로부터 전류 신호를 측정하는 전류센서;
    상기 전류센서가 측정한 전류 신호에서 기 정의된 주파수 대역을 통과시키는 대역통과필터; 및
    상기 대역통과필터를 통과한 주파수 성분을 인공지능모델에 입력하여 기기의 종류 또는 기기의 상태를 파악하는 분석부;를 포함하고,
    상기 인공지능모델은 기기의 종류별 주파수 성분을 포함하는 학습데이터를 이용하여 기기의 종류 또는 기기의 상태를 예측하도록 학습된 모델인 것을 특징으로 하는 전류분석장치.
  2. 제 1항에 있어서,
    상기 전류센서는 비접촉 전류 센서인 것을 특징으로 하는 전류분석장치.
  3. 제 1항에 있어서,
    상기 대역통과필터는 공급전원 주파수의 n(n은 홀수 또는 홀수의 역수)배의 주파수 성분을 통과시키는 필터인 것을 특징으로 하는 전류분석장치.
  4. 제 1항에 있어서,
    상기 인공지능모델을 학습시키는 학습부;를 더 포함하고,
    상기 학습부는, 기기 종류별 전류 신호의 주파수 성분 중 상기 대역통과필터의 통과 대역의 주파수 성분을 추출하여 생성한 학습데이터로 상기 인공지능모델을 학습시키는 것을 특징으로 하는 전류분석장치.
  5. 제 1항에 있어서,
    파악된 기기의 종류 또는 기기의 상태를 기 정의된 외부장치로 전송하는 통신부;를 더 포함하는 것을 특징으로 하는 전류분석장치.
  6. 전류분석장치가 수행하는 전류분석 방법에 있어서,
    전류센서를 이용하여 전력선으로부터 전류 신호를 측정하는 단계;
    대역통과필터를 이용하여 상기 전류센서가 측정한 전류 신호에서 기 정의된 주파수 대역을 통과시키는 단계; 및
    상기 대역통과필터를 통과한 주파수 성분을 인공지능모델에 입력하여 기기의 종류 또는 기기의 상태를 파악하는 단계;를 포함하고,
    상기 인공지능모델은 기기의 종류별 주파수 성분을 포함하는 학습데이터를 이용하여 기기의 종류 또는 기기의 상태를 예측하도록 학습된 모델인 것을 특징으로 하는 전류분석방법.
KR1020220039095A 2022-03-29 2022-03-29 전류 분석장치 및 그 방법 KR20230140219A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220039095A KR20230140219A (ko) 2022-03-29 2022-03-29 전류 분석장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220039095A KR20230140219A (ko) 2022-03-29 2022-03-29 전류 분석장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR20230140219A true KR20230140219A (ko) 2023-10-06

Family

ID=88296260

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220039095A KR20230140219A (ko) 2022-03-29 2022-03-29 전류 분석장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR20230140219A (ko)

Similar Documents

Publication Publication Date Title
WO2023098753A1 (zh) 一种配电终端故障诊断方法、系统、装置及存储介质
EP2601482B1 (en) System and method for the automatic identification of electric devices/appliances
US6859755B2 (en) Diagnostics for industrial process control and measurement systems
CN111382789B (zh) 基于机器学习的电力负荷识别方法及系统
Luo et al. Monitoring HVAC equipment electrical loads from a centralized location-methods and field test results
Yaseen et al. IoT based condition monitoring of generators and predictive maintenance
CN113344134A (zh) 一种低压配电监控终端数据采集异常检测方法及系统
CN109284933B (zh) 一种基于数理统计的电子式互感器状态评估系统及方法
Alahmad et al. Non-intrusive electrical load monitoring and profiling methods for applications in energy management systems
KR20180058113A (ko) 가전기기 고유값 추출을 이용한 가전기기 분류 시스템 및 방법
US20190072460A1 (en) Method and device to monitor and automatically report electric motor and transformer conditions
CN104895611A (zh) 一种测量矿井粉尘浓度的智能传感器
CN110492610B (zh) 一种允许带电操作的拓扑识别系统
CN116885716A (zh) 基于边缘计算的低压配电网电能质量态势感知方法及系统
CN105259397A (zh) 电子式电压互感器
JP6939908B2 (ja) 設備状態監視システム、分析装置、方法、プログラム
US7953570B2 (en) Method for continuous analysis of the transmission quality in fieldbus networks
KR20230140219A (ko) 전류 분석장치 및 그 방법
CN106772193B (zh) 一种利用电流互感器频率特性测量装置的测量方法
CN112414520A (zh) 一种流量计的故障检测系统
CN103995208A (zh) 直流漏电监测报警装置
CN113568494B (zh) 一种硬盘供电电压的检测装置
CN110927464B (zh) 一种隔离电源的在线检测系统
EP3376165A1 (en) Power monitor
KR100599743B1 (ko) 센서 네트워크를 이용한 전력설비 Ｆａｕｌｔ ａｌａｒｍｓｙｓｔｅｍ

Legal Events

Date Code Title Description
N231 Notification of change of applicant