KR20240065437A - Switchboard for performing thermal imaging monitoring and diagnostic operations based on deep learning - Google Patents

Switchboard for performing thermal imaging monitoring and diagnostic operations based on deep learning Download PDF

Info

Publication number
KR20240065437A
KR20240065437A KR1020220141243A KR20220141243A KR20240065437A KR 20240065437 A KR20240065437 A KR 20240065437A KR 1020220141243 A KR1020220141243 A KR 1020220141243A KR 20220141243 A KR20220141243 A KR 20220141243A KR 20240065437 A KR20240065437 A KR 20240065437A
Authority
KR
South Korea
Prior art keywords
switchboard
thermal imaging
facility
deep learning
thermal
Prior art date
Application number
KR1020220141243A
Other languages
Korean (ko)
Inventor
김대호
김경호
Original Assignee
주식회사 대경산전
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 주식회사 대경산전 filed Critical 주식회사 대경산전
Priority to KR1020220141243A priority Critical patent/KR20240065437A/en
Publication of KR20240065437A publication Critical patent/KR20240065437A/en

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/40—Testing power supplies
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02B—BOARDS, SUBSTATIONS OR SWITCHING ARRANGEMENTS FOR THE SUPPLY OR DISTRIBUTION OF ELECTRIC POWER
    • H02B13/00—Arrangement of switchgear in which switches are enclosed in, or structurally associated with, a casing, e.g. cubicle
    • H02B13/02—Arrangement of switchgear in which switches are enclosed in, or structurally associated with, a casing, e.g. cubicle with metal casing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/30—Transforming light or analogous information into electric information
    • H04N5/33—Transforming infrared radiation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

본 발명은 딥러닝 기반 열화상 감시 진단 배전반에 관한 것으로, 이는 배전반 함체; 상기 배전반 함체의 내부에 설치되어, 배전반 내 시설물들을 촬상하여 열화상 이미지를 획득하는 적어도 하나의 열화상 카메라; 상기 열화상 이미지를 열화상 카메라 종류별로 구분하여 순차 저장함과 동시에 분석 장치로 전달하는 데이터 관리 장치; 및 상기 열화상 이미지 각각을 딥러닝 방식으로 분석하여 시설물별 이상 상태를 예측 및 진단하는 분석 장치를 포함한다. The present invention relates to a deep learning-based thermal imaging monitoring and diagnostic switchboard, which includes a switchboard enclosure; At least one thermal imaging camera installed inside the switchboard enclosure to acquire a thermal image by imaging facilities within the switchboard; A data management device that sequentially stores the thermal image images by classifying them by type of thermal imaging camera and simultaneously transmits them to an analysis device; and an analysis device that predicts and diagnoses abnormal conditions for each facility by analyzing each of the thermal image images using a deep learning method.

Description

딥러닝 기반 열화상 감시 진단 배전반{Switchboard for performing thermal imaging monitoring and diagnostic operations based on deep learning}Switchboard for performing thermal imaging monitoring and diagnostic operations based on deep learning}

본 발명은 보다 간단하고 효과적인 감시 동작이 가능하도록 하는 딥러닝 기반 열화상 감시 진단 배전반에 관한 것이다.The present invention relates to a deep learning-based thermal imaging monitoring and diagnostic switchboard that enables simpler and more effective monitoring operations.

일반적으로, 배전반은 전력 공급자로부터 공급되는 공급 전력을 전력 수용가 측에 분배하여 제공하는 장치이다.Generally, a switchboard is a device that distributes and provides power supplied from a power supplier to power consumers.

배전반은 특고압의 전력을 고압으로, 혹은, 고압의 전력을 저압으로 변환하는 변전수단을 포함할 수 있으며, 과전류나 과전압에 의해 트립되는 메인 차단기 및 분기 차단기, 서지로부터 장치를 보호하는 서지 보호장치 등을 구비한다. 통상적으로, 배전반 내에서 각 시설물들은 부스바(bus bar)에 의해 연결된다.The switchboard may include substation means for converting extra-high voltage power to high voltage or high voltage power to low voltage, main breaker and branch breaker tripped by overcurrent or overvoltage, and a surge protection device to protect devices from surges. etc. are provided. Typically, each facility within a switchboard is connected by a bus bar.

종래 배전반 내 시설물들의 열화나 노후화를 진단하는 방법으로 온도 센서를 이용하는 방법이 제안되고 있다.Conventionally, a method using a temperature sensor has been proposed as a method of diagnosing deterioration or aging of facilities in a switchboard.

하지만, 배전반을 구성하는 시설물들은 열화 기준 온도가 모두 다르므로, 감시 대상 영역마다 온도 센서를 설치해야 하는 설치 비용의 문제와, 복수의 온도 센서들이 정상적으로 동작하는지를 관리해야 하며 열화에 의해 소손된 온도 센서를 교체해야 하는 등의 유지보수의 번거로움이 발생된다.However, since the facilities that make up the switchboard all have different standard temperatures for deterioration, there is a problem of installation cost in having to install a temperature sensor in each area to be monitored, and it is necessary to manage whether multiple temperature sensors operate normally and to prevent temperature sensors burned out due to deterioration. Maintenance inconveniences such as having to replace occur.

이에 상기와 같은 문제점을 해결하기 위한 것으로서, 본 발명은 배전반 내의 주요 시설물에 대한 영상 기반 감시를 지속적으로 수행하기 위하여 자동으로 시설물들을 검지하고 분류하는 시설물 분류 모델을 구축하고, 이로부터 분류된 검지영역들의 온도를 측정하고, 이상여부를 판단하는 이상 진단 모델을 수립·운영하여, 실시간 알림을 통해 관리자의 대응이 가능토록 하는 딥러닝 기반 열화상 감시 진단 배전반을 제공하고자 한다. Accordingly, in order to solve the above problems, the present invention builds a facility classification model that automatically detects and classifies facilities in order to continuously perform video-based surveillance of major facilities in the switchboard, and detects the classified areas from this. We aim to provide a deep learning-based thermal imaging monitoring and diagnostic switchboard that measures the temperature of the temperature and establishes and operates an abnormality diagnosis model to determine whether there is an abnormality, and enables managers to respond through real-time notifications.

본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.The purpose of the present invention is not limited to the purposes mentioned above, and other purposes not mentioned will be clearly understood by those skilled in the art to which the present invention pertains from the description below.

상기 과제를 해결하기 위한 수단으로서, 본 발명의 일 실시 형태에 따르면 배전반 함체; 상기 배전반 함체의 내부에 설치되어, 배전반 내 시설물들을 촬상하여 열화상 이미지를 획득하는 적어도 하나의 열화상 카메라; 상기 열화상 이미지를 열화상 카메라 종류별로 구분하여 순차 저장함과 동시에 분석 장치로 전달하는 데이터 관리 장치; 및 상기 열화상 이미지 각각을 딥러닝 방식으로 분석하여 시설물별 이상 상태를 예측 및 진단하는 분석 장치를 포함하는 딥러닝 기반 열화상 감시 진단 배전반을 제공한다. As a means for solving the above problem, according to an embodiment of the present invention, a switchboard enclosure; At least one thermal imaging camera installed inside the switchboard enclosure to acquire a thermal image by imaging facilities within the switchboard; A data management device that sequentially stores the thermal image images by classifying them by type of thermal imaging camera and simultaneously transmits them to an analysis device; and an analysis device that predicts and diagnoses abnormal conditions for each facility by analyzing each of the thermal image images using deep learning.

상기 분석 장치는 열화상 이미지와 시설물 종류간의 상관관계가 사전 학습되어, 상기 열화상 이미지 각각에 대응되는 시설물 종류를 분류하는 시설물 분류 모델; 및 시설물별 열화상 이미지와 이상 상태간의 상관관계가 사전 학습되어, 시설물별 열화상 이미지 각각에 대응되는 이상 상태를 예측 및 진단하는 이상 진단 모델을 포함하는 것을 특징으로 한다. The analysis device includes a facility classification model in which correlations between thermal image images and facility types are pre-learned to classify facility types corresponding to each of the thermal image images; and an abnormality diagnosis model in which the correlation between thermal imaging images and abnormal states for each facility is pre-learned to predict and diagnose abnormal conditions corresponding to each thermal imaging image for each facility.

본 발명은 배전반 내의 주요 시설물에 대한 영상 기반 감시를 지속적으로 수행하기 위하여 자동으로 시설물들을 검지하고 분류하는 시설물 분류 모델을 구축하고, 이로부터 분류된 검지영역들의 온도를 측정하고, 이상여부를 판단하는 이상 진단 모델을 수립·운영하여, 실시간 알림을 통해 관리자의 대응이 가능토록 한다. 즉, 보다 간단하고 효과적인 감시 동작이 가능하도록 한다. The present invention establishes a facility classification model that automatically detects and classifies facilities in order to continuously perform video-based surveillance of major facilities in the switchboard, measures the temperature of the classified detection areas, and determines whether there is an abnormality. Establish and operate an abnormality diagnosis model to enable administrators to respond through real-time notifications. In other words, it enables simpler and more effective monitoring operations.

도 1 및 도 2는 본 발명의 일 실시예에 따른 딥러닝 기반 열화상 감시 진단 배전반을 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 배전반내 시설물 종류를 도시한 도면이다. 1 and 2 are diagrams showing a deep learning-based thermal image monitoring and diagnostic switchboard according to an embodiment of the present invention.
Figure 3 is a diagram showing the types of facilities in a switchboard according to an embodiment of the present invention.

이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.Hereinafter, with reference to the attached drawings, preferred embodiments will be described in detail so that those skilled in the art can easily practice the present invention. However, when describing preferred embodiments of the present invention in detail, if it is determined that detailed descriptions of related known functions or configurations may unnecessarily obscure the gist of the present invention, the detailed descriptions will be omitted. In addition, the same symbols are used throughout the drawings for parts that perform similar functions and actions.

덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 '연결'되어 있다고 할 때, 이는 '직접적으로 연결'되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 '간접적으로 연결'되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 '포함'한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.Additionally, throughout the specification, when a part is said to be 'connected' to another part, this does not only mean 'directly connected', but also 'indirectly connected' with another element in between. Includes. In addition, 'including' a certain component does not mean excluding other components, but may further include other components, unless specifically stated to the contrary.

도 1 및 도 2는 본 발명의 일 실시예에 따른 딥러닝 기반 열화상 감시 진단 배전반을 도시한 도면이다. 1 and 2 are diagrams showing a deep learning-based thermal image monitoring and diagnostic switchboard according to an embodiment of the present invention.

도 1에 도시된 바와 같이, 본 발명의 배전반(100)은 배전반 함체(110), 배전반 함체(110)의 내부에 고정 설치되어, 배전반 내 시설물들을 촬상하여 열화상 이미지를 획득하는 적어도 하나의 열화상 카메라(120), 열화상 카메라(120) 각각이 획득 및 제공하는 열화상 이미지를 열화상 카메라 종류별로 구분하여 순차 저장함과 동시에 분석 장치로 전달하는 데이터 관리 장치(130), 열화상 이미지 각각을 딥러닝 방식으로 분석하여 시설물별 이상 상태를 예측 및 진단하는 분석 장치(140) 등을 포함한다. As shown in FIG. 1, the switchboard 100 of the present invention is fixedly installed inside the switchboard enclosure 110 and at least one column for acquiring a thermal image by imaging the facilities in the switchboard. The data management device 130, which sequentially stores the thermal imaging images acquired and provided by the imaging camera 120 and the thermal imaging camera 120 by classifying them by thermal imaging camera type, and simultaneously transmits them to the analysis device, thermal imaging images It includes an analysis device 140 that predicts and diagnoses abnormal conditions for each facility by analyzing them using a deep learning method.

도 2에 도시된 바와 같이, 본 발명의 분석 장치(140)는 열화상 이미지와 시설물 종류간의 상관관계가 사전 학습되어, 상기 열화상 이미지 각각에 대응되는 시설물 종류를 분류하는 시설물 분류 모델(141), 및 시설물별 열화상 이미지와 이상 상태간의 상관관계가 사전 학습되어, 시설물별 열화상 이미지 각각에 대응되는 이상 상태를 예측 및 진단하는 이상 진단 모델(142) 등을 포함한다. As shown in Figure 2, the analysis device 140 of the present invention pre-learns the correlation between thermal image images and facility types, and uses a facility classification model 141 to classify the facility types corresponding to each of the thermal image images. , and an abnormality diagnosis model 142 in which the correlation between thermal image images and abnormal states for each facility is pre-learned to predict and diagnose abnormal conditions corresponding to each thermal image image for each facility.

더하여, 본 발명의 분석 장치(140)는 별도의 하드웨어 장치로써 배전반(100)에 결합 설치되는 형태로 구현될 수 있으나, 필요시에는 어플리케이션 형태로써 구현되어, 배전반 관리자의 단말(예를 들어, 컴퓨터, 노트북, 스마트 폰 등)에 설치 및 실행되는 방식으로 운영될 수 있다. In addition, the analysis device 140 of the present invention may be implemented as a separate hardware device coupled to the distribution board 100, but if necessary, it may be implemented in the form of an application, installed at the distribution board manager's terminal (e.g., computer , laptop, smartphone, etc.) and can be operated by being installed and executed.

본 발명에서는 감시 대상의 온도 기준값을 전기설비 안전관리기준의 온도패턴법에 근거하여 설정하도록 한다. In the present invention, the temperature reference value of the monitoring target is set based on the temperature pattern method of the electrical equipment safety management standards.

그리고 열화상 이미지는 설정된 시간마다(default: 1분) 촬영하여 획득된 이미지를 데이터 관리 장치(130)에 저장한다. In addition, thermal images are captured at set times (default: 1 minute) and the acquired images are stored in the data management device 130.

그리고 분석 장치(140)가 외부의 관리자 단말에 설치된 경우, 데이터 관리 장치(130)는 저장된 이미지를 관리자 단말에 설치된 분석 장치(140)에 실시간 전송함으로써, 분석 장치(140)가 시설물별 이상 상태를 예측 및 진단할 수 있도록 한다. And when the analysis device 140 is installed on an external manager terminal, the data management device 130 transmits the stored image in real time to the analysis device 140 installed on the manager terminal, so that the analysis device 140 can determine abnormal conditions for each facility. Enables prediction and diagnosis.

만약, 배전반 설치 현장에 인터넷 환경이 구축되었다면, 데이터 관리 장치(130)는 인터넷 환경을 이용하여 관리자 단말에 설치된 분석 장치(140)에 열화상 카메라(120)가 획득한 열화상 이미지를 실시간 공유함으로써, 실시간 감시 동작이 이루어질 수 있도록 한다. If an Internet environment is established at the switchboard installation site, the data management device 130 shares the thermal image acquired by the thermal imaging camera 120 in real time with the analysis device 140 installed in the manager terminal using the Internet environment. , to enable real-time monitoring operations.

반면, 외부로의 망이 구축되어 있지 않은 경우에는 데이터 관리 장치(130)가 LTE, LoRa 모듈 등과 같은 통신 모듈을 추가로 구비하여, 상기의 실시간 송신을 구현하도록 한다. On the other hand, when an external network is not established, the data management device 130 is additionally equipped with communication modules such as LTE and LoRa modules to implement the real-time transmission described above.

또한 데이터 관리 장치(130)에 저장된 데이터는 USB와 같은 저장매체를 이용하여 분석 장치(140)로 이전해 분석하는 절차를 수동으로 진행할 수도 있음은 물론 당연하다. In addition, of course, the data stored in the data management device 130 can be transferred to the analysis device 140 using a storage medium such as USB and the analysis process can be performed manually.

본 발명의 시설물 분류 모델 및 이상 진단 모델은 기 확보된 다량의 데이터를 정제·가공한 후 YOLOv5를 이용한 학습모델을 기반으로 구축될 수 있으며, 또한 특정 검지 영역에 대한 인식을 수행하기 위해 Faster R-CNN도 활용한 학습모델을 기반으로 구축될 수 있다. The facility classification model and abnormality diagnosis model of the present invention can be built based on a learning model using YOLOv5 after refining and processing a large amount of previously obtained data, and Faster R- CNN can also be built based on a learning model using it.

더하여, 본 발명의 분석 장치는 실시간 감시와 분석을 수행하기 위해, 데이터 표출 및 관제, 이상감지 및 알람 관리, 장비 제어 및 설정 기능을 추가로 가질 수 있다. In addition, the analysis device of the present invention may additionally have data display and control, abnormality detection and alarm management, and equipment control and setting functions in order to perform real-time monitoring and analysis.

그리고 시설물 분류 모델 및 이상 진단 모델을 이용하여 설비 감시를 통해 내부 기기의 열화 상태를 확인 절차를 진행하고, 설정된 임계값 이상이 관찰·예측될 시 이를 배전반 관리자에게 시청각적으로 통보하기 위한 알람 동작을 수행할 수도 있도록 한다. In addition, the deterioration status of internal devices is checked through facility monitoring using the facility classification model and abnormality diagnosis model, and when a set threshold value or higher is observed or predicted, an alarm operation is performed to visually and audibly notify the switchboard manager. It can also be done.

도 3은 본 발명의 일 실시예에 따른 배전반내 시설물 종류를 도시한 도면이다. Figure 3 is a diagram showing the types of facilities in a switchboard according to an embodiment of the present invention.

도 3에 도시된 바와 같이, 배전반에는 TR반, LBS&LA반, MOF&PT반, Main VCB반, 개별 VCB반, VCB&CT반, ACB반, MCCB반 등의 시설물이 내장될 수 있다. As shown in Figure 3, the distribution panel may be equipped with facilities such as TR panel, LBS&LA panel, MOF&PT panel, Main VCB panel, individual VCB panel, VCB&CT panel, ACB panel, and MCCB panel.

본 발명의 열화상 카메라는 중요 감시 지점을 촬영할 수 있는 지점에 설치되며 반별 특성에 따라 1개 또는 다수개가 설치될 수 있다.The thermal imaging camera of the present invention is installed at a point where important surveillance points can be captured, and one or multiple thermal imaging cameras can be installed depending on the characteristics of each group.

더하여, 각 시설에 설치된 반별 우선순위는 TR반, LBS&LA반, MOF&PT반, Main VCB반, 개별 VCB반, VCB&CT반, ACB반, MCCB반으로 설정될 수 있으며, 반별 열화상 체크 포인트의 우선순위는 도 3에서와 같이 설정될 수 있다. In addition, the priority of each class installed in each facility can be set to TR class, LBS&LA class, MOF&PT class, Main VCB class, individual VCB class, VCB&CT class, ACB class, and MCCB class, and the priority of thermal imaging checkpoints for each class is It can be set as in Figure 3.

즉, 열화상 이미지를 상기 우선 순위에 따라 분석하여 가장 중요한 시설물의 이상 상태를 최우선하여 확인 및 진단하여 사용자에게 안내할 수 있도록 한다. In other words, thermal imaging images are analyzed according to the above priorities, and abnormal conditions of the most important facilities are identified and diagnosed with the highest priority, so that users can be guided.

이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.In the above, preferred embodiments of the present invention have been shown and described, but the present invention is not limited to the specific embodiments described above, and may be used in the technical field to which the invention pertains without departing from the gist of the present invention as claimed in the claims. Of course, various modifications can be made by those skilled in the art, and these modifications should not be understood individually from the technical idea or perspective of the present invention.

Claims (3)

배전반 함체;
상기 배전반 함체의 내부에 설치되어, 배전반 내 시설물들을 촬상하여 열화상 이미지를 획득하는 적어도 하나의 열화상 카메라;
상기 열화상 이미지를 열화상 카메라 종류별로 구분하여 순차 저장함과 동시에 분석 장치로 전달하는 데이터 관리 장치; 및
상기 열화상 이미지 각각을 딥러닝 방식으로 분석하여 시설물별 이상 상태를 예측 및 진단하는 분석 장치를 포함하는 딥러닝 기반 열화상 감시 진단 배전반.switchboard enclosure;
At least one thermal imaging camera installed inside the switchboard enclosure to acquire a thermal image by capturing facilities within the switchboard;
A data management device that sequentially stores the thermal image images by classifying them by type of thermal imaging camera and simultaneously transmits them to an analysis device; and
A deep learning-based thermal image monitoring and diagnosis switchboard that includes an analysis device that analyzes each of the thermal image images using deep learning to predict and diagnose abnormal conditions for each facility. 제1항에 있어서, 상기 분석 장치는
열화상 이미지와 시설물 종류간의 상관관계가 사전 학습되어, 상기 열화상 이미지 각각에 대응되는 시설물 종류를 분류하는 시설물 분류 모델; 및
시설물별 열화상 이미지와 이상 상태간의 상관관계가 사전 학습되어, 시설물별 열화상 이미지 각각에 대응되는 이상 상태를 예측 및 진단하는 이상 진단 모델을 포함하는 것을 특징으로 하는 딥러닝 기반 열화상 감시 진단 배전반.The method of claim 1, wherein the analysis device
A facility classification model in which correlations between thermal image images and facility types are pre-learned to classify facility types corresponding to each of the thermal image images; and
A deep learning-based thermal imaging surveillance and diagnostic switchboard characterized by pre-learning the correlation between thermal imaging images for each facility and abnormal conditions, and including an abnormality diagnosis model that predicts and diagnoses abnormal conditions corresponding to each thermal imaging image for each facility. . 제1 항에 있어서, 상기 분석 장치는
어플리케이션 형태로써 구현되어, 배전반 관리자의 단말에 설치 및 실행되는 방식으로 운영되는 것을 특징으로 하는 딥러닝 기반 열화상 감시 진단 배전반.The method of claim 1, wherein the analysis device
A deep learning-based thermal imaging monitoring and diagnostic switchboard that is implemented in the form of an application and operated by being installed and executed on the terminal of the switchboard manager.
KR1020220141243A 2022-10-28 2022-10-28 Switchboard for performing thermal imaging monitoring and diagnostic operations based on deep learning KR20240065437A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220141243A KR20240065437A (en) 2022-10-28 2022-10-28 Switchboard for performing thermal imaging monitoring and diagnostic operations based on deep learning

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220141243A KR20240065437A (en) 2022-10-28 2022-10-28 Switchboard for performing thermal imaging monitoring and diagnostic operations based on deep learning

Publications (1)

Publication Number Publication Date
KR20240065437A true KR20240065437A (en) 2024-05-14

Family

ID=91076406

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220141243A KR20240065437A (en) 2022-10-28 2022-10-28 Switchboard for performing thermal imaging monitoring and diagnostic operations based on deep learning

Country Status (1)

Country Link
KR (1) KR20240065437A (en)

Similar Documents

Publication Publication Date Title
CN107272637B (en) A kind of video monitoring system fault self-checking self- recoverage control system and method
KR100984679B1 (en) Estimation system of detecting the deterioration of switchgear by using a heat image camera
KR101423559B1 (en) Intelligent deterioration monitoring vision system for electric distributing board
US11152126B2 (en) Abnormality diagnosis system and abnormality diagnosis method
KR102147090B1 (en) System for detecting arc/temperature of the switchboard and indicating the location and method therefor
KR102154854B1 (en) The detection system of the electrical panel using AI and big data
CN112446854A (en) System for monitoring a switchgear
CN113763667B (en) Fire disaster early warning and state monitoring device and method based on 5G edge calculation
US20220057271A1 (en) Apparatus for monitoring a switchgear
KR101510676B1 (en) Intelligent discharge monitoring vision system for electric distributing board
KR102600977B1 (en) System and method for monitoring diagnosis of failure and deterioration of electrical device using infrared camera module and piezoelectric harvester module
CN109149613A (en) A kind of extra-high voltage direct-current transmission converter valve and its monitoring system
KR101555225B1 (en) Fault prediction and diagnosis apparatus of motor control centers
KR20190030020A (en) Sytem for fault diagnosis of electrical equipment through analysis of temperature and current
KR20240065437A (en) Switchboard for performing thermal imaging monitoring and diagnostic operations based on deep learning
KR102555156B1 (en) Artificial intelligence thermal imaging surveillance diagnosis switchboard based on fixed thermal imaging cameras and mobile thermal imaging cameras
KR102497380B1 (en) Smart system for power supply distribution and the method using it
KR101876624B1 (en) Automatic tesing method for normal condition of a display device screen and system of the same
KR20210133436A (en) Method of preventing false-alarm of temperature diagnosis using thermal camera
KR20240065436A (en) Deep learning-based switchboard thermal imaging monitoring and diagnosis system
EP3754687B1 (en) Electromagnetic relay diagnosis device
CN108663970B (en) Electric power operation safety monitoring system
CN115824290A (en) Method, device and system for detecting state of alternating current terminal
CN104849654A (en) Method for online monitoring breaker
KR102610309B1 (en) System for performing thermal imaging monitoring and diagnosis based on artificial intelligence