KR20240034045A - 폴리염화비페닐 기준치 초과 함유 예측 방법 및 장치 - Google Patents

폴리염화비페닐 기준치 초과 함유 예측 방법 및 장치 Download PDF

Info

Publication number
KR20240034045A
KR20240034045A KR1020220113084A KR20220113084A KR20240034045A KR 20240034045 A KR20240034045 A KR 20240034045A KR 1020220113084 A KR1020220113084 A KR 1020220113084A KR 20220113084 A KR20220113084 A KR 20220113084A KR 20240034045 A KR20240034045 A KR 20240034045A
Authority
KR
South Korea
Prior art keywords
data
polychlorinated biphenyl
exceeding
polychlorinated
concentration
Prior art date
Application number
KR1020220113084A
Other languages
English (en)
Inventor
이승희
이은
박성호
송종협
정상오
Original Assignee
한국전력공사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전력공사 filed Critical 한국전력공사
Priority to KR1020220113084A priority Critical patent/KR20240034045A/ko
Publication of KR20240034045A publication Critical patent/KR20240034045A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/26—Oils; Viscous liquids; Paints; Inks
    • G01N33/28—Oils, i.e. hydrocarbon liquids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01F—MAGNETS; INDUCTANCES; TRANSFORMERS; SELECTION OF MATERIALS FOR THEIR MAGNETIC PROPERTIES
    • H01F27/00—Details of transformers or inductances, in general
    • H01F27/08—Cooling; Ventilating
    • H01F27/10—Liquid cooling
    • H01F27/12—Oil cooling

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Pathology (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Primary Health Care (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • General Chemical & Material Sciences (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Housings And Mounting Of Transformers (AREA)

Abstract

본 발명의 폴리염화비페닐 기준치 초과 함유 예측 방법은, 다수개의 각 전력용 변압기들의 절연유의 화학적 성분 분석에 따른 폴리염화비페닐 농도 데이터를 취득하는 단계; 다수개의 각 전력용 변압기들의 제원 데이터를 취득하는 단계; 제원 항목이 동일한 변압기들에서 취득된 폴리염화비페닐 농도 데이터를 연관시키는 방식으로, 제원데이터와 농도 데이터를 융합하는 단계; 융합된 데이터로부터 폴리염화비페닐의 기준치 초과 함유 위험지수를 산출하는 단계; 및 운영 중인 전력용 변압기에 대하여 해당 제원 정보를 입력받아, 해당 변압기의 폴리염화비페닐의 기준치 초과 함유 위험지수를 예측하는 단계를 포함할 수 있다.

Description

폴리염화비페닐 기준치 초과 함유 예측 방법 및 장치{Method and Apparatus for Predicting Polychlorinated Biphenyl Content Exceeding The Standard Value}
본 발명은 전력용 변압기 절연유 내 폴리염화비페닐 기준치 초과 함유여부 예측 및 방법에 관한 것인데, 더욱 상세하게는, 과거 측정된 변압기의 절연유 내 폴리염화비페닐 농도와 해당 변압기의 제원 정보를 활용하여 운용 중인 변압기들 중 폴리염화비페닐 측정이 요구되는 변압기의 기준치 초과 함유 가능성을 추산하는 변압기 절연유 내 폴리염화비페닐 기준치 초과 함유 예측 방법 및 장치에 관한 것이다.
최근, 국제적 환경 협약에 따른 인체유해물질 근절에 대한 대책 마련이 요구되고 있다. 예컨대, 스톡홀름 협약에 따라, 환경부는 2025년까지 대표적 인체 유해 물질인 폴리염화비페닐의 완전 근절을 추진하고 있다.
전력분야에서 과거 전력용 변압기 절연유의 폴리염화비페닐을 활용하고 있다. 폴리염화비페닐은 우수한 화학적 안정성과 전기 절연 성능으로 전력용 변압기의 절연유로 널리 사용되었으나 인체유해물질 지정으로 완전 근절 대상이다.
국내의 전력용 변압기의 폴리염화비페닐 근절을 위한 이행 현황으로는, 전력용 변압기 생산 규제에 따라, 2008년 2월 이후부터 전력용 변압기 생산 시 절연유 성분 기재 의무화로 폴리염화비페닐 성분은 미함유되어 있다.
한편, 운용 중 변압기 점검 및 처리에 대하여 살펴보면, 2008년 1월 이전 생산되어 운용하고 있는 변압기를 대상으로 폴리염화비페닐 근절을 위한 작업 수행 중이다. 그런데, 기 운용 중 변압기 점검 및 처리의 과다한 경제적·시간적 비용 소모된다.
도 1은 폴리염화비페닐 근절을 위한 전력용 변압기 점검 및 처리 절차를 도시한 흐름도이다.
도 2는 운용 중 전력용 변압기의 절연유 시료 채취 상세 절차를 도시한 흐름도이다.
도 3은 절연유 시료 분석 결과에 따른 사후처리 상세 절차를 도시한 흐름도이다.
일단, 운용 중 변압기 점검 및 처리 과정 자체가 복잡하다. 도 1에 도시한 바와 같이, 운용 중 변압기의 절연유 샘플을 채취하고, 화학적 성분을 분석하여 기준치 초과 변압기는 추가 조치하여야 한다.
보다 상세하게는, 도 2에 도시한 바와 같이 절연유 시료 채취를 위해 배전 회선 사선화 작업, 변압기 탈거 작업 후에야 시료 채취를 수행할 수 있다.
또한, 도 3에 도시한 바와 같은, 화학적 성분 분석을 수행하여 폴리염화비페닐 함유량이 국제적 기준(2.0 ppm 이내)을 충족하는지 그 여부를 검사하고, 기준치 초과 검출 시 변압기 수리(절연유 교체) 혹은 폐기 후 교체를 수행하는 과정이 요구된다.
상술한 변압기 절연유 점검 및 처리 과정의 경제적 비용 발생이 요소되는 바, 상기 기술한 작업 과정에서, 예상되는 경제적 비용 요소는 다음과 같다.
- 변압기 탈거 및 절연유 채취를 위한 인력 운용 비용
- 변압기 설치 위치(주택가나 상업시설 밀집 지역 등)를 고려한 무정전 설비 작업 비용
- 절연유 화학적 성분 분석 비용
- 기준치 초과 검출시, 변압기 수리 비용 혹은 신품 변압기 구매 비용
- 기준치 초과 검출시, 운용 중 변압기 탈거 및 교체 작업 비용
또한, 이중 작업 발생으로 인한 과다한 경제적·시간적 비용 소모도 문제가 된다. 예컨대, 기준치가 초과하여 검출된 경우에서, 시료 채취 및 변압기 수리/교체 각 1회씩 총 2회의 변압기 탈거 및 설치가 요구된다.
상기 기술한 경제적 비용 요소에 따르면, 변압기 탈거 및 설치의 인력 운용 비용과 필요에 따른 무정전 설비 작업 비용 등 과다한 경제적 비용이 요구되며, 또한 모든 변압기 점검 후 조치로 인해 많은 작업 수행 소요시간이 요구된다.
다음, 전력용 변압기 절연유 내 폴리염화비페닐 기준치 초과 함유여부를 점검하는 데이터 처리 과정에 있어서, 종래 기술의 설명 및 문제점을 기술한다.
종래 기술의 절연유 폴리염화비페닐 함유 농도 데이터 누적 수집 과정은, 도 2 및 도 3의 흐르도의 과정 중에 획득된 폴리염화비페닐 농도 분석 결과를 보관, 즉, DB화 하기는 하지만, 단순 기록 보관용으로만 활용하고 있다.
다시말해, 누적 수집된 데이터의 제한된 활용처로서, 폴리염화비페닐 함유 농도를 누적하여 수집하는 것은, 작업수행 기록을 보관하기 위함으로, 그 이외 용도로 활용되지 않는다.
그러나, 폴리염화비페닐 함유 농도 수집 데이터의 활용 필요성 대두되는 바, 과거 시료 분석 결과 데이터베이스로 아직 시료 분석이 시행되지 않은 변압기들에 대한 예측 등에 활용하는 기술이 존재하지 않지만, 만약 예측을 통해 기준치 이상의 폴리염화비페닐을 함유할 가능성이 높은 변압기를 추정할 수 있고, 추정치가 높은 변압기에 대하여 시료 분석을 위한 작업(도 2)을 수행하지 않고 수리 및 교체(도 3)를 수행한다면 이중 작업 발생으로 인한 경제적·시간적 비용을 감소시킬 수 있음을 알 수 있다.
국내에서, 환경 규제에 따른 전력용 변압기 제조과정 변화와 운용 내용은 다음과 같다. 2008년 2월 이후 생산된 모든 전력용 변압기는 제조 단계에서 절연유의 화학적 성분을 명시토록 하고, 인체 유해 물질의 농도가 허용 기준치 미만일 때 유통 및 납품이 가능토록 되어 있다. 또한 2008년 1월 이전에 생산된 전력용 변압기를 수리하거나 폐기할 때, 절연유의 화학 성분 분석을 시행한 후 광·화학적 분해 처리를 통해 인체 유해 물질을 제거하여야 한다. 마지막으로, 현재 운용 중인 2008년 1월 이전에 생산된 전력용 변압기에 대하여 절연유 채취 후 폴리염화비페닐 농도를 측정하여 허용 기준치 이상인 변압기들의 수리 및 교체를 도 2 및 도 3과 같이 수행하고 있다.
다시 말해, 2008년 1월 이전 생산된 전력용 변압기는 고장에 따른 수리 혹은 인체 유해 물질 근절을 위해 절연유 내 폴리염화비페닐 농도를 측정해야 함. 과거 측정한 결과들은 기록 보관의 용도로 누적하여 보관하고 있으나, 인체 유해 물질 근절을 위한 작업시간 단축 및 경제적 비용 감소 등에 활용하고 있지는 않는다.
대한민국 공개공보 10-2010-0018204호
본 발명은 절연유 내 폴리염화비페닐 함유에 대하여 제한적인 데이터를 활용한 신뢰도 높은 지수를 산출할 수 있는 전력용 변압기 절연유 내 폴리염화비페닐 기준치 초과 함유 예측 방법 및 장치를 제공하고자 한다.
본 발명의 일 측면에 따른 폴리염화비페닐 기준치 초과 함유 예측 방법은, 다수개의 각 전력용 변압기들의 절연유의 화학적 성분 분석에 따른 폴리염화비페닐 농도 데이터를 취득하는 단계; 다수개의 각 전력용 변압기들의 제원 데이터를 취득하는 단계; 제원 항목이 동일한 변압기들에서 취득된 폴리염화비페닐 농도 데이터를 연관시키는 방식으로, 제원데이터와 농도 데이터를 융합하는 단계; 융합된 데이터로부터 폴리염화비페닐의 기준치 초과 함유 위험지수를 산출하는 단계; 및 운영 중인 전력용 변압기에 대하여 해당 제원 정보를 입력받아, 해당 변압기의 폴리염화비페닐의 기준치 초과 함유 위험지수를 예측하는 단계를 포함할 수 있다.
여기서, 상기 농도 데이터는, 변압기 절연유 시료 분석에 따라 측정된 폴리염화비페닐 농도일 수 있다.
여기서, 상기 제원 데이터는, 변압기의 생산과 관련된 제원 정보 항목으로서, 변압기 제조사명 및 제조년, 제조월을 포함할 수 있다.
여기서, 상기 제원데이터와 농도 데이터를 융합하는 단계에서는, 전력용 변압기의 제조사명, 제조년, 제조월 및 각 시료 분석에서 검출된 폴리염화비페닐 농도로 구성되는 융합 데이터 셋을 작성하되, 동일한 제조사명, 제조년 및 제조월을 가진 변압기가 다수의 행으로 존재할 수 있다.
여기서, 상기 위험지수를 산출하는 단계에서는, 변압기의 생산과 관련된 각 제원 정보 항목들을 하나씩 포함하거나, 조합된 제원 정보 항목들로, 특징을 위한 각 계층 구조 항목들을 구성할 수 있다.
여기서, 상기 위험지수를 산출하는 단계에서는, 상기 특징을 위한 각 계층 구조 항목들 각각에 대한 통계량으로서, 검출된 폴리염화비페닐 농도의 중간값과, 해당 계층 구조 항목의 전체 변압기 수 대비 기준치 이상 검출된 변압기 수의 비율을 추출할 수 있다.
여기서, 상기 폴리염화비페닐의 기준치 초과 함유 위험지수를 예측하는 단계에서는, 각 통계량과 실 측정된 폴리염화비페닐 농도 간 피어슨 상관계수를 적용하여 상기 위험지수 산출에 반영할 가중치를 결정할 수 있다.
여기서, 상기 폴리염화비페닐의 기준치 초과 함유 위험지수를 예측하는 단계에서는, 상기 특징을 구성하는 각 특징 항목들의 가중치와 중간값을 연산한 값들의 합계로서 상기 위험지수를 산출할 수 있다.
본 발명의 다른 측면에 따른 폴리염화비페닐 기준치 초과 함유 예측 장치는, 다수개의 각 전력용 변압기들의 절연유의 화학적 성분 분석에 따른 폴리염화비페닐 농도 데이터를 수집하는 농도 데이터 획득부; 다수개의 각 전력용 변압기들의 제원 데이터를 수집하는 제원 정보 획득부; 제원 항목이 동일한 변압기들에서 취득된 폴리염화비페닐 농도 데이터를 연관시키는 방식으로, 제원데이터와 농도 데이터를 융합하고, 융합된 데이터로부터 폴리염화비페닐의 기준치 초과 함유 위험지수를 산출하는 데이터 분석/모델링부; 및 운영 중인 전력용 변압기에 대하여 해당 제원 정보를 입력받아, 해당 변압기의 폴리염화비페닐의 기준치 초과 함유 위험지수를 예측하는 예측부를 포함할 수 있다.
여기서, 상기 농도 데이터 획득부는, 전력용 변압기 절연유의 화학적 성분 분석을 통해, 폴리염화비페닐 농도를 측정한 결과를 시험 기관 서버나 DB로부터 누적하여 수집할 수 있다.
여기서, 상기 제원 정보 획득부는, 전력용 변압기의 제조사명, 제조년, 제조월 정보를 포함하는 제원 정보를 설비 관리 서버로부터 수집할 수 있다.
여기서, 상기 데이터 분석/모델링부는, 전력용 변압기의 제조사명, 제조년, 제조월 및 각 시료 분석에서 검출된 폴리염화비페닐 농도로 구성되되, 동일한 제조사명, 제조년 및 제조월을 가진 변압기가 다수의 행으로 존재하는 융합 데이터 셋을 작성할 수 있다.
여기서, 상기 데이터 분석/모델링부는, 상기 농도 데이터 획득부 및 상기 제원 정보 획득부에서 획득한 데이터/정보로부터, 특정 입력 데이터 계층 구조와 통계량 산출로 다수의 특징 항목들을 추출하고, 과거 검출된 폴리염화비페닐 농도와 통계적 상관관계를 가중치로 사용하여 폴리염화비페닐 초과함유 위험지수를 산정할 수 있다.
여기서, 상기 예측부는, 운영 중 전력용 변압기의 제원정보를 입력하여 상기 데이터 분석/모델링부가 산출한 초과함유 위험지수를 소정의 기준지수와 비교할 수 있다.
상술한 구성의 본 발명의 사상에 따른 전력용 변압기 절연유 내 폴리염화비페닐 기준치 초과 함유 예측 방법 및/또는 장치를 실시하면, 절연유 내 폴리염화비페닐 함유에 대하여 누적 수집된 폴리염화비페닐 함유 농도 데이터의 활용한 신뢰도 높은 지수를 산출하는 이점이 있다.
본 발명의 폴리염화비페닐 기준치 초과 함유 예측 방법 및/또는 장치는, 설계자의 관심 영역에 따라 다양하게 변형 및 적용이 가능하며, 응용 가능성이 높은 지수를 산출하는 이점이 있다.
본 발명의 폴리염화비페닐 기준치 초과 함유 예측 방법 및/또는 장치는, 운용 중 변압기의 폴리염화비페닐 함유 위험도 예측을 통한 경제적·시간적 비용 감소시키는 이점이 있다.
도 1은 폴리염화비페닐 근절을 위한 전력용 변압기 점검 및 처리 절차를 도시한 흐름도.
도 2는 운용 중 전력용 변압기의 절연유 시료 채취 상세 절차를 도시한 흐름도.
도 3은 절연유 시료 분석 결과에 따른 사후처리 상세 절차를 도시한 흐름도.
도 4는 본 발명의 사상에 따른 폴리염화비페닐 기준치 초과 함유 예측 방법의 일 실시예를 도시한 흐름도.
도 5는 본 발명의 사상에 따른 폴리염화비페닐 기준치 초과 함유 예측 장치의 일 실시예를 도시한 블록도.
도 6은 데이터 수집 및 융합 과정을 도시한 데이터 구성 개념도.
도 7은 도 4의 S160 단계에서 수행되는 특징 추출 방법의 일 예를 도시한 흐름도.
도 8은 도 4의 S180 단계에서 수행될 수 있는 기준치 초과함유 확률 산출 알고리즘의 일예를 도시한 흐름도.
도 9는 상기 표 3에서 F1 특징에 대하여 가중치(weight)를 구하는 과정 및 이용되는 수식을 도시한 개념도.
도 10은 도 4의 S180 단계에서 수행될 수 있는 운용 중 변압기의 폴리염화비페닐 함유 위험지수를 산출하는 구조도.
도 11은 도 9의 예시와 같이 가중치가 표 3의 모든 항목들에 대하여 구해진 경우, 대상 변압기에 대하여 최종적인 위험지수 점수(score)를 구하는 과정을 도시한 개념도.
본 발명을 설명함에 있어서 제 1, 제 2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되지 않을 수 있다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 연결되어 있다거나 접속되어 있다고 언급되는 경우는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해될 수 있다.
본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.
본 명세서에서, 포함하다 또는 구비하다 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것으로서, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해될 수 있다.
또한, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.
변압기 폴리염화비페닐 함유의 통계적 위험지수 산출 관점에서 몇 가지 특수한 환경이 존재한다.
첫째, 원인과 관련된 요인 수가 매우 적다. 폴리염화비페닐 함유의 원인은 변압기 생산과 관련된 제원 정보로 한정되어 3종의 정보(제조사명, 제조년 및 제조월)만 활용 가능할 뿐이다.
둘째, 동일 조건(제조사명, 제조년 및 제조월)에서 다수의 서로 다른 결과(실 측정된 폴리염화비페닐 농도)가 존재하여 하나의 수치로 대변되는 위험지수 설계가 거의 불가능하다.
셋째, 데이터 분포의 불균형이 존재한다.. 과거 실 측정된 폴리염화비페닐 농도는 높은 비중으로 기준치 이하로 검출되었으며, 이는 단순 평균 통계량만으로는 함유 확률을 산출하기 어려움을 의미한다.
본 발명에서는, 상기 기술한 기술적 한계를 다음과 같이 극복하는 방안을 제시한다.
첫째, 소수 종의 데이터에 대하여, 결과에 영향을 미칠만한 특징을 다수 추출하여 다수 종의 데이터로 확장한다. 이는 소수 종 데이터의 계층 구조 설계 및 통계량 도출로 실시 되었으며, 그 방법과 적용 예를 명시한다.
둘째, 다양한 통계량(본 발명에서는, 중간값 및 기준치 이상 변압기 비율)을 활용한다. 이는 다수 데이터로부터 관심 결과에 맞는 대표 지수를 산출하고 데이터 분포의 불균형을 해결하기 위함이다.
다음, 누적 수집된 폴리염화비페닐 함유 농도 데이터의 활용하기 위한 기술적 구현의 환경적 제한들을 살펴보겠다.
먼저, 활용 가능 원인 데이터의 제한이 존재한다.
폴리염화비페닐은 외부 환경 조건에 대해 매우 안정적으로 분자구조를 유지하는 화학적 특성을 지님. 즉, 온도나 습도의 변화로 인해 합성 및 분해되지 않기 때문에 변압기의 운용 환경변화 및 운용시간에 따라 그 농도가 증가하거나 감소하지 않는다. 게다가, 자연상태에서 존재하지 않고 인위적 합성으로만 생성되는 물질이다. 따라서, 변압기 운용과 관련된 환경적 요인이 절연유 내 폴리염화비페닐 함유의 원인이라 보기 어렵다.
전력용 변압기의 폴리염화비페닐 함유 원인은 그 화학적 특성상 생산 단계에서 절연유 재료로 폴리염화비페닐을 사용하였기 때문인 바, 이 경우, 활용 가능한 원인 데이터로 변압기 생산과 관련된 제원정보로 한정된다.
다음, 동일 원인 조건에서 다수의 서로 다른 결과들이 존재할 수 있다.
데이터 분석 결과에 의하면, 동일한 제원조건을 가진 전력용 변압기들이 서로 다른 다양한 폴리염화비페닐 함유농도를 보인다. 이는 원인 데이터로부터 폴리염화비페닐 함유농도를 예측하는 것은 난해함을 의미한다. 즉, 폴리염화비페닐 함유농도를 소정 이론에 따라 예측하는 것이 아닌, 농도 분포 양상을 하나의 수치로 대변하는 지수로 설계해야 할 필요가 있다고 판단된다.
상술한 변압기 폴리염화비페닐 함유 모니터링의 기술적 한계 및 환경적 제한들을 감안한 본 발명의 사상의 기술적 원리를 요약하면 다음과 같다.
본 발명이 이루고자 하는 기술적 과제는 전력용 변압기의 과거 측정된 절연유 내 폴리염화비페닐 농도 기록을 해당 변압기 제원 정보와 융합하여, 변압기 제조사 및 제조년월에 따른 운용 중 변압기의 폴리염화비페닐 기준치 이상 함유 가능성을 판단할 수 있는 전력용 변압기 절연유 내 폴리염화비페닐 기준치 초과 함유여부 예측 및 방법을 제시하는데 있다.
이하, 본 발명의 구체적인 실시예들을 첨부된 도면을 참조하여 상세하게 설명하겠다.
도 4는 본 발명의 사상에 따른 폴리염화비페닐 기준치 초과 함유 예측 방법의 일 실시예를 도시한 흐름도이다.
도 4에 도시한 흐름도에 따른 폴리염화비페닐 기준치 초과 함유 예측 방법은, 다수개의 각 전력용 변압기들의 절연유의 화학적 성분 분석에 따른 폴리염화비페닐 농도 데이터를 취득하는 단계(S110); 다수개의 각 전력용 변압기들의 제원 데이터를 취득하는 단계(S120); 제원 항목이 동일한 변압기들에서 취득된 폴리염화비페닐 농도 데이터를 연관시키는 방식으로, 제원데이터와 농도 데이터를 융합하는 단계(S140); 융합된 데이터로부터 폴리염화비페닐의 기준치 초과 함유 위험지수를 산출하는 단계(S160); 및 운영 중인 전력용 변압기에 대하여 해당 제원 정보를 입력받아, 해당 변압기의 폴리염화비페닐의 기준치 초과 함유 위험지수를 예측하는 단계(S180)를 포함할 수 있다.
본 발명의 사상에 따른 폴리염화비페닐 기준치 초과 함유 예측 방법은, 운용 중인 전력용 변압기의 절연유 내 폴리염화비페닐 농도가 허용 기준치 이상인지 여부를 시료 채취 및 성분 분석을 통해 직접 측정하지 않고, 과거 측정된 폴리염화비페닐 농도와 변압기의 제원정보를 분석하여 폴리염화비페닐 함유 위험지수를 제시할 수 있다.
이는 과거 실측된 수치를 기반으로 데이터 분석 및 모델링함으로, 모델링과 검증 데이터의 분리를 통해 산출되는 위험지수에 대한 객관적 검증이 가능함에 기인한다. 또한, 단순 기록 보관용으로 누적하여 수집하던 정보를 활용하여, 산출된 위험지수를 고려한 작업 절차 간소화 및 경제적 비용 감소의 효과를 가져온다.
도 4의 폴리염화비페닐 기준치 초과 함유 예측 방법의 과정들 중, S110 단계에서는, 전력용 변압기 내 절연유 화학적 성분 분석 후, 도 1 내지 도 3에 따라 측정된 폴레염화비페닐 농도 데이터를 취득하여 누적 수집한다.
S140 단계에서는, 수집한 폴레염화비페닐 농도 데이터와 취득 대상 변압기의 제원 정보를 융합한다.
S160 단계에서는, 전력용 변압기의 제원 정보로부터 절연유 내 폴리염화비페닐 함유 농도가 기준치를 초과할 가능성을 대변하는 위험지수를 산출하도록 설계된 모델을 이용할 수 있다.
S180 단계에서는 설계된 모델로부터 미상의 전력용 변압기의 폴리염화비페닐 기준치 초과함유 위험지수를 예측하여, 폴리염화비페닐 근절 작업의 경제적·시간적 비용 감소에 활용토록 한다.
도 5는 본 발명의 사상에 따른 폴리염화비페닐 기준치 초과 함유 예측 장치의 일 실시예를 도시한 블록도이다.
폴리염화비페닐 기준치 초과함유 예측 시스템으로서, 도시한 폴리염화비페닐 기준치 초과 함유 예측 장치는, 다수개의 각 전력용 변압기들의 절연유의 화학적 성분 분석에 따른 폴리염화비페닐 농도 데이터를 수집하는 농도 데이터 획득부(110); 다수개의 각 전력용 변압기들의 제원 데이터를 수집하는 제원 정보 획득부(120); 제원 항목이 동일한 변압기들에서 취득된 폴리염화비페닐 농도 데이터를 연관시키는 방식으로, 제원데이터와 농도 데이터를 융합하고, 융합된 데이터로부터 폴리염화비페닐의 기준치 초과 함유 위험지수를 산출하는 데이터 분석/모델링부(140); 및 운영 중인 전력용 변압기에 대하여 해당 제원 정보를 입력받아, 해당 변압기의 폴리염화비페닐의 기준치 초과 함유 위험지수를 예측하는 예측부(180)를 포함할 수 있다.
도 5는 폴리염화비페닐 기준치 초과함유 예측 시스템으로서, 데이터 수집·처리 및 모델 설계의 전반적 구조를 개략적으로 나타낸 것이다.
상기 농도 데이터 획득부(110)는, 전력용 변압기 절연유의 화학적 성분 분석을 통해, 폴리염화비페닐 농도를 측정한 결과를 시험 기관 서버나 DB 등으로부터 누적하여 수집할 수 있다.
상기 제원 정보 획득부(120)는, 전력용 변압기의 제조사명, 제조년, 제조월 등의 정보를 포함하는 제원 정보를 설비 관리 서버 등으로부터 수집할 수 있다.
상기 데이터 분석/모델링부(140)는 일종의 데이터 산정부로서, 상기 농도 데이터 획득부(110) 및 상기 제원 정보 획득부(120)에서 획득한 데이터/정보를 활용하여 전력용 변압기 절연유의 폴리염화비페닐 초과함유 위험지수를 산출한다.
구체적으로, 상기 데이터 분석/모델링부(140)는, 상기 농도 데이터 획득부(110) 및 상기 제원 정보 획득부(120)에서 획득한 데이터/정보로부터, 특정 입력 데이터 계층 구조와 통계량 산출로 다수의 특징 항목들을 추출하고, 과거 검출된 폴리염화비페닐 농도와 통계적 상관관계를 가중치로 사용하여 폴리염화비페닐 초과함유 위험지수를 산정할 수 있다.
상기 예측부(180)는 운영 중 전력용 변압기의 제원정보를 입력하여 상기 데이터 분석/모델링부(140)가 산출한 초과함유 위험지수를 적용하여 예측을 수행한다.
이하, 도 4에 도시한 흐름도의 세부 단계들에 대하여 구체적으로 예시하겠다.
도 6은 데이터 수집 및 융합 과정을 도시한 개념도이다.
하기 표 1은 폴리염화비페닐 검출농도 및 변압기 제원정보가 융합된 데이터 예시한다.
도 4의 S140 단계에서는, 측정된 폴리염화비페닐 농도 데이터(10)와 해당 변압기의 생산과 관련된 제원정보(20)를 서로 융합하는데, 서로 융합되는 데이터의 구조를 나타내면 도 6과 같다. 여기서, 변압기의 생산과 관련된 제원 정보는 변압기 제조사명 및 제조년월이 될 수 있다.
융합 데이터 셋(30)은 상기 표 1과 같이, 전력용 변압기 제조사명, 제조년, 제조월 및 검출된 폴리염화비페닐 농도로 구성될 수 있다.
표 1의 융합 데이터의 제조년 및 제조월은 2008년 1월 이전으로 한정한 것이다. 융합 데이터의 폴리염화비페닐 검출농도는 기준치 초과 여부와 관계없이 시료 분석이 수행된 모든 경우를 포함하며, 융합 데이터는 동일한 제조사명, 제조년 및 제조월을 가진 변압기가 다수의 행으로 존재할 수 있고, 이들은 서로 같거나 다른 폴리염화비페닐 검출농도 값을 가질 수 있다.
도 7은 도 4의 S160 단계에서 수행되는 특징 추출 방법의 일 예를 도시한다.
도 7의 융합 데이터로부터 특징을 추출하는 방안은, 위험지수 산출 모델 설계 - 데이터 계층구조 설계 및 재분류의 구조를 가진다.
데이터 계층 분류 과정(S162)에서는, 미리 정의된 계층 구조로부터 상술한 S140 단계에서 생성된 융합 데이터를 재구성한다. 여기서, 계층 구조는 총 5종(제조년, 제조사명, 제조사명 및 제조년, 제조사명 및 제조월, 제조사명과 제조년 및 제조월)으로 설계하며, 해당 구조는 다양한 형태로 변형할 수 있다.
다음, 설계된 위험지수 산출 모델을 이용한 통계량 산출 과정(S164) 및 특징 추출 과정(S166)이 수행된다.
S164 과정에서는, 5종의 계층으로 재구성된 융합데이터로부터, 각 계층 분류의 통계량을 산출할 수 있다. 여기서, 통계량은 총 2종(검출된 폴리염화비페닐 농도의 중간값과 해당 계층의 전체 변압기 수 대비 기준치 이상 검출된 변압기 수의 비율)으로 산출할 수 있다. 다른 구현에서는, 추구하는 목적에 따라 다양한 통계량을 산출하여 사용할 수도 있다.
하기 표 2는 추출된 특징 목록을 예시한다.
상기 표 2는 상술한 데이터 계층 분류 및 계층 간 통계량 산출을 통해 추출된 특징의 종류를 나타낸다. 총 5종의 계층 분류에서 2종의 통계량을 산출하여 10종의 특징이 추출된다. 다른 구현에서는, 구성하는 계층 분류의 수와 통계량 종류에 따라 산출되는 특징 수를 다르게 구성될 수 있다.
도 8은 도 4의 S180 단계에서 수행될 수 있는 기준치 초과함유 확률 산출 알고리즘의 일예를 도시한 흐름도이다.
도 8은 기준치 초과함유 확률 산출 알고리즘(S180)의 구조에 따른 것이다. S166 단계에서 추출된 특징은 미리 정의된 계층 구조에서의 수치적 통계량이며, 폴리염화비페닐의 기준치 초과함유 위험지수는 이들 가중치를 고려한 통계량들의 합으로 표현할 수 있다. 구현에 따라, S167 단계의 가중치를 결정하는 방법으로 각 통계량과 실 측정된 폴리염화비페닐 농도 간 피어슨 상관계수를 사용할 수 있으며, 또한, 여기서, 가중치 설정을 위해 사용하는 통계적 분석 수치는 다양하게 응용될 수 있다. 결정된 가중치는 이후 S168 단계에서 폴리염화비페닐 농도 기준치 초과함유 위험지수를 산출하는데 이용된다.
다음, 가중치를 부여하는 구체적인 사례를 제시하겠다.
하기 표 3은 상기 구체적인 사례로서, 상기 표 2의 계층 구조 및 특징에 대하여, 가중치(weight)를 부여하기 위한 포맷으로 이용될 수 있다.
도 9는 상기 표 3에서 F1 특징에 대하여 가중치(weight)를 구하는 과정 및 이용되는 수식을 도시한다.
도 9에 도시한 바와 같이, 제조년(F1 특징)의 각 항목들(1988 ~ 2006)에 대하여 가중치를 구하기 위해, 먼저 제조년 순으로 정렬하고, 각 측정시의 검출된 농도값들과 중간값을 정리한 후, 각 검출된 농도값과 중간값에 대하여 그래프와 같은 피어슨 상관 계수 분석을 적용한다. 그 결과, 하기 수학식 1의 w1으로서 가중치(weight)가 구해진다.
상기 수학식 1에서, n은 샘플 수이고, xi, yi는 i번째 샘플의 x, y이며, 는 샘플의 x 평균이다.
도 10은 도 4의 S180 단계에서 수행될 수 있는 운용 중 변압기의 폴리염화비페닐 함유 위험지수를 산출하는 구조를 도시한 것이다.
운용 중 전력용 변압기 위험지수 예측을 위해, 폴리염화비페닐 함유 농도를 알 수 없는 미상의 운용 중 전력용 변압기에 대하여, 기준치 초과함유 위험지수를 산출하는 과정을 도 9에 예시한 것이다.
여기서, 산출 위해 요구되는 미상의 변압기 제원정보(80)는 제조사명, 제조년 및 제조월이 될 수 있다. 상기 변압기 제원정보(80)가 도 5의 예측부(180)에 구현된 기준치 초과함유 확률 산출 알고리즘(185)에 입력되면, 상기 기준치 초과함유 확률 산출 알고리즘(185)은 상기 미상의 변압기에 대한 폴리염화비페닐 초과함유 위험지수(socre)(90)를 출력한다.
도 11은 도 9의 예시와 같이 가중치가 표 3의 모든 항목들에 대하여 구해진 경우, 대상 변압기에 대하여 최종적인 위험지수 점수(score)를 구하는 과정을 도시한다.
도시한 바와 같이, 하나의 특징(제조년)을 구성하는 모든 항목들(1998 ~ 2006)은 동일한 가중치(w1)를 가지게 되며, 특정 미상의 변압기 제원정보(제조년, 제조사명, 제조월)가 기준치 초과함유 확률 산출 알고리즘(185)에 입력되면, 이에 따라 10개의 weight값들이 도 9와 유사한 과정에 따라 각각 도출되며, 도출된 10개의 weight값들을 하기 수학식 2에 적용하여, 상기 미상의 변압기에 대한 폴리염화비페닐 초과함유 위험지수(socre)가 산출된다.
즉, 상기 특징을 구성하는 각 특징 항목들의 가중치와 중간값을 곱셈 연산한 값들의 합계로서 대상 변압기의 폴리염화비페닐의 기준치 초과 함유 위험지수를 산출할 수 있다. 이후, 산출된 위험지수를 소정의 기준지수와 비교하는 방식으로, 대상 변압기에 대한 수리 또는 교체를 판정할 수 있다.
본 발명이 속하는 기술 분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있으므로, 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
110 : 농도 데이터 획득부
120 : 제원 정보 획득부
140 : 데이터 분석/모델링부
180 : 예측부

Claims (14)

  1. 다수개의 각 전력용 변압기들의 절연유의 화학적 성분 분석에 따른 폴리염화비페닐 농도 데이터를 취득하는 단계;
    다수개의 각 전력용 변압기들의 제원 데이터를 취득하는 단계;
    제원 항목이 동일한 변압기들에서 취득된 폴리염화비페닐 농도 데이터를 연관시키는 방식으로, 제원데이터와 농도 데이터를 융합하는 단계;
    융합된 데이터로부터 폴리염화비페닐의 기준치 초과 함유 위험지수를 산출하는 단계; 및
    운영 중인 전력용 변압기에 대하여 해당 제원 정보를 입력받아, 해당 변압기의 폴리염화비페닐의 기준치 초과 함유 위험지수를 예측하는 단계
    를 포함하는 폴리염화비페닐 기준치 초과 함유 예측 방법.
  2. 제1항에 있어서,
    상기 농도 데이터는,
    변압기 절연유 시료 분석에 따라 측정된 폴리염화비페닐 농도인 폴리염화비페닐 기준치 초과 함유 예측 방법.
  3. 제1항에 있어서,
    상기 제원 데이터는,
    변압기의 생산과 관련된 제원 정보 항목으로서, 변압기 제조사명 및 제조년, 제조월을 포함하는 폴리염화비페닐 기준치 초과 함유 예측 방법.
  4. 제1항에 있어서,
    상기 제원데이터와 농도 데이터를 융합하는 단계에서는,
    전력용 변압기의 제조사명, 제조년, 제조월 및 각 시료 분석에서 검출된 폴리염화비페닐 농도로 구성되는 융합 데이터 셋을 작성하되, 동일한 제조사명, 제조년 및 제조월을 가진 변압기가 다수의 행으로 존재하는 폴리염화비페닐 기준치 초과 함유 예측 방법.
  5. 제1항에 있어서,
    상기 위험지수를 산출하는 단계에서는,
    변압기의 생산과 관련된 각 제원 정보 항목들을 하나씩 포함하거나, 조합된 제원 정보 항목들로, 특징을 위한 각 계층 구조 항목들을 구성하는 폴리염화비페닐 기준치 초과 함유 예측 방법.
  6. 제5항에 있어서,
    상기 위험지수를 산출하는 단계에서는,
    상기 특징을 위한 각 계층 구조 항목들 각각에 대한 통계량으로서,
    검출된 폴리염화비페닐 농도의 중간값과, 해당 계층 구조 항목의 전체 변압기 수 대비 기준치 이상 검출된 변압기 수의 비율을 추출하는 폴리염화비페닐 기준치 초과 함유 예측 방법.
  7. 제6항에 있어서,
    상기 폴리염화비페닐의 기준치 초과 함유 위험지수를 예측하는 단계에서는,
    각 통계량과 실 측정된 폴리염화비페닐 농도 간 피어슨 상관계수를 적용하여 상기 위험지수 산출에 반영할 가중치를 결정하는 폴리염화비페닐 기준치 초과 함유 예측 방법.
  8. 제7항에 있어서,
    상기 폴리염화비페닐의 기준치 초과 함유 위험지수를 예측하는 단계에서는,
    상기 특징을 구성하는 각 특징 항목들의 가중치와 중간값을 연산한 값들의 합계로서 상기 위험지수를 산출하는 폴리염화비페닐 기준치 초과 함유 예측 방법.
  9. 다수개의 각 전력용 변압기들의 절연유의 화학적 성분 분석에 따른 폴리염화비페닐 농도 데이터를 수집하는 농도 데이터 획득부;
    다수개의 각 전력용 변압기들의 제원 데이터를 수집하는 제원 정보 획득부;
    제원 항목이 동일한 변압기들에서 취득된 폴리염화비페닐 농도 데이터를 연관시키는 방식으로, 제원데이터와 농도 데이터를 융합하고, 융합된 데이터로부터 폴리염화비페닐의 기준치 초과 함유 위험지수를 산출하는 데이터 분석/모델링부; 및
    운영 중인 전력용 변압기에 대하여 해당 제원 정보를 입력받아, 해당 변압기의 폴리염화비페닐의 기준치 초과 함유 위험지수를 예측하는 예측부
    를 포함하는 폴리염화비페닐 기준치 초과 함유 예측 장치.
  10. 제9항에 있어서,
    상기 농도 데이터 획득부는,
    전력용 변압기 절연유의 화학적 성분 분석을 통해, 폴리염화비페닐 농도를 측정한 결과를 시험 기관 서버나 DB로부터 누적하여 수집하는 폴리염화비페닐 기준치 초과 함유 예측 장치.
  11. 제10항에 있어서,
    상기 제원 정보 획득부는,
    전력용 변압기의 제조사명, 제조년, 제조월 정보를 포함하는 제원 정보를 설비 관리 서버로부터 수집하는 폴리염화비페닐 기준치 초과 함유 예측 장치.
  12. 제11항에 있어서,
    상기 데이터 분석/모델링부는,
    전력용 변압기의 제조사명, 제조년, 제조월 및 각 시료 분석에서 검출된 폴리염화비페닐 농도로 구성되되, 동일한 제조사명, 제조년 및 제조월을 가진 변압기가 다수의 행으로 존재하는 융합 데이터 셋을 작성하는 폴리염화비페닐 기준치 초과 함유 예측 장치.
  13. 제9항에 있어서,
    상기 데이터 분석/모델링부는,
    상기 농도 데이터 획득부 및 상기 제원 정보 획득부에서 획득한 데이터/정보로부터, 특정 입력 데이터 계층 구조와 통계량 산출로 다수의 특징 항목들을 추출하고, 과거 검출된 폴리염화비페닐 농도와 통계적 상관관계를 가중치로 사용하여 폴리염화비페닐 초과함유 위험지수를 산정하는 폴리염화비페닐 기준치 초과 함유 예측 장치.
  14. 제13항에 있어서,
    상기 예측부는,
    운영 중 전력용 변압기의 제원정보를 입력하여 상기 데이터 분석/모델링부가 산출한 초과함유 위험지수를 소정의 기준지수와 비교하는 폴리염화비페닐 기준치 초과 함유 예측 장치.

KR1020220113084A 2022-09-06 2022-09-06 폴리염화비페닐 기준치 초과 함유 예측 방법 및 장치 KR20240034045A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220113084A KR20240034045A (ko) 2022-09-06 2022-09-06 폴리염화비페닐 기준치 초과 함유 예측 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220113084A KR20240034045A (ko) 2022-09-06 2022-09-06 폴리염화비페닐 기준치 초과 함유 예측 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20240034045A true KR20240034045A (ko) 2024-03-13

Family

ID=90299336

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220113084A KR20240034045A (ko) 2022-09-06 2022-09-06 폴리염화비페닐 기준치 초과 함유 예측 방법 및 장치

Country Status (1)

Country Link
KR (1) KR20240034045A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100018204A (ko) 2008-08-06 2010-02-17 한국전력공사 바이오센서를 이용한 변압기 절연유 중 폴리염화비페닐류의분석방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100018204A (ko) 2008-08-06 2010-02-17 한국전력공사 바이오센서를 이용한 변압기 절연유 중 폴리염화비페닐류의분석방법

Similar Documents

Publication Publication Date Title
Thöns On the value of monitoring information for the structural integrity and risk management
KR102141391B1 (ko) 군집 평가에 기반한 고장 데이터의 관리 방법
Bhalla et al. Integrating AI based DGA fault diagnosis using Dempster–Shafer Theory
Catterson et al. Online conditional anomaly detection in multivariate data for transformer monitoring
Sansuddin et al. Statistical analysis of PM 10 concentrations at different locations in Malaysia
Noori et al. Using dissolved gas analysis results to detect and isolate the internal faults of power transformers by applying a fuzzy logic method
CN103154845A (zh) 电网的机器学习
CN103389430A (zh) 一种基于贝叶斯判别理论的油浸式变压器故障检测方法
CN114004137A (zh) 一种多源气象数据融合与预处理方法
Reinertsen Residual life of technical systems; diagnosis, prediction and life extension
CN115935283B (zh) 一种基于多元非线性因果分析的干旱成因溯源方法
CN118411154B (zh) 一种配电设备安全状态评估方法及系统
Abbasi Efficient control charts for monitoring process CV using auxiliary information
CN113435759A (zh) 一种基于深度学习的一次设备风险智能评估方法
CN117391443A (zh) 除尘设备状态监测预警方法及系统
CN117829002B (zh) 电力线缆的老化诊断监测方法及系统
CN116861369A (zh) 工业互联网异构数据融合的空压机健康评估方法及系统
De La Fuente et al. Strategic view of an assets health index for making long-term decisions in different industries
KR101884908B1 (ko) 빅데이터 분석 기반 신뢰도 예측 장치
KR20240034045A (ko) 폴리염화비페닐 기준치 초과 함유 예측 방법 및 장치
Yan et al. A unified system residual life prediction method based on selected tribodiagnostic data
Salgueiro et al. On-line oil monitoring and diagnosis
CN113240133A (zh) 基于人工智能的继电保护设备家族性缺陷辨识方法
CN108681835B (zh) 一种变压器绝缘油劣化状态评估方法
Aizpurua et al. Determining appropriate data analytics for transformer health monitoring

Legal Events

Date Code Title Description
A201 Request for examination