WO2018199656A1 - 변전소의 자산 관리 방법 - Google Patents

변전소의 자산 관리 방법 Download PDF

Info

Publication number
WO2018199656A1
WO2018199656A1 PCT/KR2018/004866 KR2018004866W WO2018199656A1 WO 2018199656 A1 WO2018199656 A1 WO 2018199656A1 KR 2018004866 W KR2018004866 W KR 2018004866W WO 2018199656 A1 WO2018199656 A1 WO 2018199656A1
Authority
WO
WIPO (PCT)
Prior art keywords
substation
reliability
model
reliability model
maintenance
Prior art date
Application number
PCT/KR2018/004866
Other languages
English (en)
French (fr)
Inventor
류은태
정재룡
서황동
Original Assignee
주식회사 효성
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 효성 filed Critical 주식회사 효성
Priority to US16/607,925 priority Critical patent/US11507074B2/en
Publication of WO2018199656A1 publication Critical patent/WO2018199656A1/ko

Links

Images

Classifications

    • 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
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
    • G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
    • 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
    • G06Q50/10—Services
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • 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
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • 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
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/008—Reliability or availability analysis
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Definitions

  • the present invention relates to an asset management method of a substation.
  • the present invention relates to an asset management method of a substation capable of deriving an optimized management method for each substation device according to the soundness of the substation device.
  • Substations are installed in the power transmission system or distribution system of the power system in order to step up or step down the output of the generator or to step down the voltage of the system.
  • substations are provided with devices for concentrating and distributing electric power, devices for controlling birds, or devices for protecting and controlling devices in systems or substations.
  • a circuit breaker used in a gas insulated switchgear is provided with a gas pressure sensor for detecting gas pressure, an acceleration sensor for detecting a signal according to an abnormality, a current and voltage detector, and a sensor for detecting a transformer state.
  • Thermometers, pressure gauges, oil level sensors and current detectors are installed.
  • sensors are connected to a protective device, a measuring device, a control device and a device monitoring device via a cable for transmitting an electrical signal.
  • the protection device, the measurement device, the control device and the device monitoring device are each connected to the upper level substation monitoring control device via a cable for transmitting an electric signal.
  • the substation is equipped with a very complex facility for supplying electricity stably, by monitoring the operation state of various devices such as a circuit breaker installed in the substation to find out the signs of failure in advance or to respond quickly to the failure A monitoring system is provided for recovery.
  • the present invention provides a method for calculating a reliability model for each substation model based on basic information of power equipment and fault history information for a substation device.
  • an object of the present invention is to provide a substation asset management method and an apparatus for executing the same to obtain a unique reliability model optimized for each substation device through the process of compensating the reference reliability model for each substation model.
  • the reliability of the substation equipment reliability model is compared by comparing the reliability of the reference reliability model for each substation model and the health data for each substation device generated based on the state data for each substation device and real-time monitoring information.
  • the maintenance scenario for each candidate device for maintenance is selected according to the results of the health of each substation device, the unique reliability model of each substation device, the system reliability index, and the economic evaluation.
  • the reference reliability model for each substation type is generated based on power equipment basic information and fault history information, and the reference reliability model for each substation type.
  • the reliability model for each substation model can be calculated based on the basic information of the power equipment and the failure history of the substation device.
  • an optimized unique reliability model for each substation device may be derived by compensating a reference reliability model for each substation model.
  • FIG. 1 is a flowchart illustrating a substation asset management process according to an embodiment of the present invention.
  • FIG. 2 is a flowchart illustrating a method of calculating a reference reliability model for each substation type according to the present invention in detail.
  • FIG. 3 is a block diagram illustrating an internal structure of a substation asset management apparatus according to an embodiment of the present invention.
  • FIG. 4 is a graph illustrating a process of determining whether to compensate a reference reliability model for each substation type according to an embodiment of the present invention.
  • FIG. 5 is a graph illustrating a change in reliability according to a maintenance scenario for each substation device according to an embodiment of the present invention.
  • FIG. 1 is a flowchart illustrating a substation asset management process according to an embodiment of the present invention.
  • the substation asset management apparatus 100 generates a health index for each substation device based on state data for each substation device and real-time monitoring information (S110).
  • the state data for each substation device and real-time monitoring information includes online monitoring state data for each substation device, offline monitoring state data for each substation device, and remote monitoring data.
  • the offline monitoring state data may include at least one of installation history, inspection history, failure history, operating environment, and operation history data for each substation device.
  • the substation asset management device 100 according to the substation equipment operating environment, insulation deterioration, electrical risk, thermal risk, chemical risk and mechanical risk, airtight performance, insulation performance, breaking performance and energization performance Technical risk assessment totals and measures can be created.
  • the substation asset management apparatus 100 may use the information of the reference reliability model of the transformer TR to determine the technical characteristics according to the operating environment, insulation deterioration, electrical risk, thermal risk, chemical risk, and mechanical risk of the transformer TR. Risk assessment totals and actions can be created.
  • the substation asset management device 100 may use the information of the reference reliability model of the gas insulation switchgear (GIS) to record operation history data, the airtight performance, the insulation performance, the breaking performance, and the gas insulation switchgear (GIS).
  • GIS gas insulation switchgear
  • the current carrying capacity, etc. can be used to generate the total technical risk assessment points and measures for the GIS.
  • the substation asset management apparatus 100 determines whether to compensate the reference reliability model for each substation type based on the reference reliability model for each substation model and the soundness for each substation device.
  • the reference reliability model for each substation type is a reference reliability model for each substation type generated based on the basic information of the power equipment and the failure history information.
  • the fault data is extracted based on the basic information of the power equipment and the fault history information, and the optimum criterion for minimizing the mean absolute deviation (MAD)
  • the failure data are divided into two data sets before and after the optimal reference time point, and for each data set, non-parameter reliability is calculated by Kaplan Meier method, and the reliability model is generated through the Weibull cumulative distribution function linear transformation.
  • the method is calculated by estimating the shape parameter ( m ) and the scale parameter ( ⁇ ) of the reliability model by the Least Square Estimation Method, and deriving a hybrid model that synthesizes the reliability model of each data set. It will be described later with reference to 2.
  • the substation asset management apparatus 100 determines that the reference reliability model for each substation model is an optimized reference reliability model if the soundness of each substation device is equal to the reliability of the reference reliability model for each substation model. Do not perform compensation for the model.
  • the substation asset management apparatus 100 generates a unique reliability model for each substation device by performing compensation for the reference reliability model for each substation type when the soundness of each substation device is different from the reliability of the reference reliability model for each substation type ( S120).
  • the substation asset management apparatus 100 determines that the currently used substation type reference reliability model is not an optimized reference reliability model for each substation device. Compensation for the reference reliability model for each substation model is carried out using soundness, thereby generating a unique reliability model for each substation device.
  • a unique reliability model optimized for each substation device may be derived.
  • the substation asset management apparatus 100 sets the maintenance target candidate device according to a specific priority (S130). For example, the substation asset management apparatus 100 may set a candidate device for maintenance according to a specific priority of a substation having a high failure rate when a specific priority is a failure rate, and other priorities according to various situations may be applied. Can be.
  • the substation asset management apparatus 100 performs a system reliability index and economic evaluation for each maintenance scenario based on a reference system reliability model generated in advance for the maintenance target candidate device (S140).
  • the substation asset management apparatus 100 is a failure rate, failure recovery time, load by load point, maintenance cost, recovery cost, maintenance cost target value, interest rate, equipment to the reference system reliability model generated in advance
  • the cost of power outage damage, supply site power, sensitivity by facility, present value and future value are evaluated.
  • the substation asset management apparatus 100 selects a maintenance scenario for each candidate device for maintenance according to a system reliability index and an economic evaluation result (S150).
  • the substation asset management apparatus 100 maintains the substation equipment according to the reliability evaluation output value, the technical evaluation output value, the economic evaluation output value and the maintenance check cost item for each candidate device for maintenance. Identify and select maintenance scenarios, including maintenance costs, priorities, inspection intervals per device, estimated costs, inspection scheduling, maintenance effectiveness estimates, and expected replacement points for each device.
  • the substation asset management apparatus 100 calculates maintenance scheduling and estimation for each maintenance target device based on the evaluation of the reliability threshold time point (S160).
  • the substation asset management apparatus 100 first derives a time point that does not meet the reliability criteria for the substation, that is, a time point for the next maintenance, wherein the time point for the next maintenance is unique to each device
  • the substation reliability index evaluated based on the reliability model can be derived by calculating future time points that do not satisfy the reliability threshold.
  • the maintenance schedule and estimate for each maintenance target device are calculated on the basis of the next maintenance required point thus obtained.
  • the maintenance is executed using the maintenance scenario for each maintenance target device (S170), and the substation asset management apparatus 100 updates the unique reliability model for each substation device according to the result of performing the maintenance (S180). .
  • FIG. 2 is a flowchart illustrating a method of calculating a reference reliability model for each substation type according to the present invention in detail.
  • the method for calculating the reference reliability model for each substation type includes extracting the failure data (S210), dividing the failure data before and after the optimum reference time point (S220), reliability for each data set After generating the model, the method may include estimating the shape parameter m and the scale parameter ⁇ (S230), and deriving a mixed model obtained by synthesizing the reliability model of each data set (S240).
  • the basic information of the power equipment including the product unique number, manufacturing date, installation date, pressurization date information, product unique number, history number, history type, accident occurrence date, action Failure history information can be extracted including information such as start date, action completion date, restart date, fault location, and action details.
  • the optimum reference time point for dividing the failure data is calculated, and the failure data is divided before and after the optimum reference time point.
  • the optimal reference time point is defined as the point at which the mean absolute deviation (MAD) with respect to the nonparametric reliability (R * (t) is minimum, and the mean absolute deviation degree (MAD) is expressed by Equation 1 below. It can be represented as. That is, the mean absolute deviation (MAD) is the difference between the nonparametric reliability (R * (t)) and the mixed model (R mix (t)), which combines a reliability model for each data set before and after an arbitrary split point. It is defined as the integral of the absolute value of.
  • R * (t) is nonparametric reliability
  • R mix (t) is a mixed model that combines a reliability model for each data set before and after an arbitrary split point.
  • the optimal reference time point is determined as the time point when the average absolute deviation degree (MAD) becomes the minimum, and when the reliability function is integrated, the average life time can be calculated as shown in Equation 2 below. This means minimizing the difference.
  • R (t) is the reliability function and E (T) is the average life
  • the non-parameter reliability is calculated using the Kaplan Meier method for each data set, and the Weibull accumulation is performed.
  • the shape parameter ( m ) and the scale parameter ( ⁇ ) of the reliability model are estimated by the Least Square Estimation Method.
  • the Kaplan-Meier method is used to calculate the cumulative failure probability ( F (t) ) and to sort the failure times, the number of operations up to just before the failure time, and The non-parameter reliability of Equation 3 below is calculated as the number of failures.
  • failure rate function ( ⁇ (t) )
  • DFR decreasing failure rate
  • CFR constant failure rate
  • IFR increasing failure rate
  • Equation 4 m is a shape parameter and ⁇ is a scale parameter among constants expressed in the Weibull distribution.
  • R * (t) is nonparametric reliability
  • m shape parameter
  • ⁇ scale parameter
  • the part where the failure rate decreases is called an initial failure period
  • the intermediate failure rate is relatively low
  • a certain part is called an accidental failure period
  • the part where the failure rate increases is called a degradation failure or abrasion failure period.
  • the present invention derives a reliability model using the Weibull distribution.
  • the cumulative failure probability and failure data are substituted into the Weibull distribution function, and the shape parameter ( m ) and the scale are applied by applying the Least Square Estimation Method.
  • the parameter ⁇ we derive a reliability model for each data set.
  • MTTF Mean Time To Failure
  • Equation 6 ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • step (S240) of deriving a mixed model obtained by synthesizing a reliability model of each data set a reference reliability model for each substation type is calculated by synthesizing a reliability mixed model calculated for each data set. Done.
  • the reference reliability model for each substation model is derived through the method described above, and based on this, an optimized management method for each substation device can be derived.
  • FIG. 3 is a block diagram illustrating an internal structure of a substation asset management apparatus according to an embodiment of the present invention.
  • the substation asset management apparatus 100 includes a soundness generation unit 110, a reference reliability model management unit 120, a system reliability index and economic evaluation unit 130, a maintenance plan generation unit 140, and And maintenance execution unit 150.
  • the soundness generating unit 110 generates soundness for each substation device by using state data for each substation device and real-time monitoring information.
  • the state data for each substation device and real-time monitoring information includes online monitoring state data for each substation device, offline monitoring state data for each substation device, and remote monitoring data.
  • the offline monitoring state data may include at least one of installation history, inspection history, failure history, operating environment, and operation history data for each substation device.
  • the health generating unit 110 is based on the substation device-specific state data and real-time monitoring information, the operating environment for each substation device, insulation deterioration, electrical risk, thermal risk, chemical risk and mechanical risk, airtight performance, insulation A total of technical risk assessment points and measures can be created based on performance, breaking performance and current carrying performance.
  • the soundness generating unit 110 may use the information of the reference reliability model of the transformer TR to determine the technical characteristics according to the operating environment, insulation deterioration, electrical risk, thermal risk, chemical risk, and mechanical risk of the transformer TR. Risk assessment totals and actions can be created.
  • the health generating unit 110 may use the information of the reference reliability model of the gas insulation switchgear (GIS) to record the operation history data, the airtight performance, the insulation performance, the breaking performance, and the gas insulation switch device (GIS).
  • the current carrying capability can be used to generate a total of technical risk assessment points and measures for a gas insulated switchgear (GIS).
  • the reference reliability model manager 120 determines whether to compensate the reference reliability model for each substation type based on the reference reliability model for each substation model and the soundness of each substation device.
  • the fault data is extracted based on the basic information of the power equipment and the fault history information, and the mean absolute deviation (MAD) is minimum.
  • the failure data is divided into two data sets before and after the optimal reference time point.For each data set, non-parameter reliability is calculated by Kaplan Meyer method and the reliability model is generated by linear transformation of Weibull cumulative distribution function. We estimate the shape parameter ( m ) and scale parameter ( ⁇ ) of the reliability model using the Least Square Estimation Method and derive a mixed model that combines the reliability model of each data set.
  • the reference reliability model management unit 120 determines that the currently used reference reliability model for each substation type is an optimized reference reliability model. Do not run compensation for.
  • the reference reliability model manager 120 generates a unique reliability model for each substation device by performing compensation for the reference reliability model for each substation type if the health of each substation device is different from the reliability of the reference reliability model for each substation type.
  • the reference reliability model management unit 120 determines that the current reliability of the substation type is not an optimized reference reliability model if the soundness of each substation device is different from the reliability of the reference reliability model of each substation model. By using the diagram to compensate the reference reliability model for each substation model by generating a unique reliability model for each substation device.
  • the unique reliability model for each substation device may be optimized by compensating the reference reliability model for each substation type according to the soundness of each substation device.
  • the system reliability index and the economic evaluation unit 130 set the maintenance target candidate device according to a specific priority, and then the system reliability index for each maintenance scenario based on a reference system reliability model previously generated for the maintenance target candidate device. And economic evaluation.
  • the system reliability index and economic evaluation unit 130 is a failure rate, failure recovery time, load by load point, maintenance cost, recovery cost, maintenance cost target value, interest rate, equipment System reliability is generated by applying the sensitivity and down relationship information of substation equipment, generating power failure cost, supply site power quantity, sensitivity by each facility (ie economic side, reliability side), and economic analysis results (ie present value, future value) Perform index and economic assessments.
  • the maintenance plan generation unit 140 selects a maintenance scenario for each candidate device to be maintenance based on the results of the substation device soundness, the substation type reference reliability model, and the system reliability index and economic evaluation.
  • the maintenance plan generation unit 140 first derives a time point that does not meet the reliability criteria for the substation, that is, a time point for the next maintenance, and evaluates the time point for the next maintenance based on a unique reliability model for each device.
  • the calculated substation reliability index can be derived by calculating a future time point that does not satisfy the reliability threshold.
  • the maintenance plan generation unit 140 may calculate the maintenance schedule and the estimate for each maintenance target device based on the next maintenance required point derived as described above.
  • the maintenance method generation unit 140 according to the maintenance scenario reliability output value, the technical evaluation output value, the economic evaluation output value and the maintenance check cost items, substation equipment maintenance strategy method, Identify and select maintenance scenarios for candidate devices for maintenance, including costs, priorities, inspection intervals by device, estimated cost, scheduling of maintenance, estimation of maintenance effectiveness, and expected replacement time by device.
  • the maintenance plan generation unit 140 may generate a reference reliability model for each substation type generated by the substation equipment-specific integrity and reference reliability model manager 120 generated by the soundness generation unit 110.
  • the combination of the first result information generated by the combination, the health and system reliability index for each substation device generated by the soundness generating unit 110 and the results of the system reliability index and economic evaluation generated by the economic evaluation unit 130 are combined.
  • Cost side maintenance scenario, reliability side maintenance scenario, according to the second result information generated by the second result information, and the third result information combining the second result information and the maintenance method generated by the maintenance plan generation unit 140, And generate optimal checks and replacement plans.
  • the maintenance execution unit 150 checks whether the maintenance is performed according to the maintenance scenario for each maintenance target device selected by the maintenance plan generation unit 140, and according to the maintenance performance result, a unique reliability model for each substation device. Update the.
  • FIG. 4 is a graph illustrating a process of determining whether to compensate a reference reliability model for each substation type according to an embodiment of the present invention.
  • the substation asset management apparatus 100 includes reliability 310 of a reference reliability model for each substation type, and reliability according to soundness for each substation device generated based on state data for each substation device and real-time monitoring information. , 330) to determine whether to compensate the reference reliability model for each substation model.
  • the reference reliability model for each substation type is a reference reliability model for each substation type generated based on the installation / checking history data for each substation device, the demolition analysis data, and the accelerated life test data.
  • reference numeral 320 denotes a state in which the reliability according to the health of each substation device is higher than the reliability 310 of the reference reliability model of each substation type
  • reference numeral 330 denotes a reference reliability of each substation type. The state is lower than the reliability 310 of the model.
  • the substation asset management apparatus 100 includes a reliability 310 of a reference reliability model of each substation type and reliability according to soundness of substation devices generated based on state data for each substation device and real-time monitoring information. If 330 is different, a compensation for the reference reliability model for each substation model is performed to calculate a unique reliability model for each substation device.
  • the substation asset management apparatus 100 optimizes the currently used substation type reference reliability model when the reliability 320, 330 according to the soundness of each substation device is different from the reliability 310 of the reference reliability model for each substation type. It is determined that the reference reliability model is not the standard reliability model, and the compensation for the reference reliability model for each substation type is calculated using the soundness of each substation device to calculate the unique reliability model for each substation device.
  • the substation asset management apparatus 100 is a substation currently used when the reliability of the substation equipment health generated based on the substation device status data and real-time monitoring information overlaps with the reference reliability model 310 for each substation model It is determined that the reference reliability model of each model is an optimized reference reliability model, and the compensation for the reference reliability model of each substation type is not executed.
  • an optimized unique reliability model for each substation device may be derived by compensating the reference reliability model for each substation model.
  • FIG. 5 is a graph illustrating a change in reliability according to a maintenance scenario for each substation device according to an embodiment of the present invention.
  • the reliability improvement criteria according to the maintenance method may be set differently, and the maintenance method may be set to 100% for the replacement of the device, 30% for the detailed inspection, and 15% for the general inspection, but the actual maintenance is performed. Depending on the history, the reliability of the maintenance of the overhaul and normal inspection may be set differently.
  • maintenance strategy A is a maintenance scenario that includes the replacement of the device can be seen that the greatest extent of the reliability improvement
  • maintenance strategy B is a maintenance scenario centered on close inspection
  • the width of the reliability improvement is Medium.
  • maintenance strategy C is the case of applying a maintenance-oriented maintenance scenario, the smallest improvement in reliability.
  • the present invention relates to an asset management method of a substation, and can be used in the field of power equipment.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Automation & Control Theory (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명에 따른 자산 관리 방법은, 변전소 기종 별 기준 신뢰도 모델의 신뢰도와 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 기초로 생성된 기기 별 건전도를 비교하여 변전소 기종 별 기준 신뢰도 모델을 보상함으로써, 변전소 기기 별 고유 신뢰도 모델을 생성하고, 변전소 기기 중 유지보수 대상 후보 기기에 대해서 기준 계통 신뢰도 모델을 기초로 유지보수 시나리오 별 계통 신뢰도 지수 및 경제성 평가를 수행하며, 기기 별 건전도, 기기 별 고유 신뢰도 모델, 계통 신뢰도 지수 및 경제성 평가의 결과에 따라 유지보수 시나리오를 선정한 후 유지보수의 수행 결과에 따라 변전소 기기 별 고유 신뢰도 모델을 갱신한다.

Description

변전소의 자산 관리 방법
본 발명은 변전소의 자산 관리 방법에 관한 것으로, 변전소 기기의 건전도에 따라 변전소 기기 별 최적화된 관리 방안을 도출할 수 있는 변전소의 자산 관리 방법에 관한 것이다.
전력계통 중 송전계통이나 배전계통에는 발전기의 출력을 승압 또는 강압하거나, 계통의 전압을 강압하거나 하기 위하여 변전소가 설치되어 있다. 변전소에는 전압을 승압 또는 강압하기 위한 변압기 외에, 전력을 집중·배분하기 위한 기기나 조류를 제어하기 위한 기기 또는 계통이나 변전소 내의 기기를 보호·제어하기 위한 기기가 설치되어 있다.
예를 들면 가스절연개폐장치(GIS)에 사용되는 차단기에는 가스압을 검출하는 가스압센서, 이상에 따른 신호를 검출하는 가속도센서, 전류·전압검출기 등이 설치되고, 변압기에는 변압기의 상태를 검출하는 센서로서 온도계, 압력계, 유면센서, 전류검출기 등이 설치되어 있다
이들 센서는 전기신호를 전송하는 케이블을 거쳐 보호장치, 계측장치, 제어장치 및 기기 감시장치에 접속되어 있다. 다시 보호장치, 계측장치, 제어장치 및 기기 감시장치는 각각 전기신호를 전송하는 케이블을 거쳐 상위의 변전소 감시제어장치에 접속되어 있다.
상기의 변전소에는 전기를 안정적으로 공급하기 위한 아주 복잡한 설비가 갖추어지게 되며, 이러한 변전소에 설치된 차단기와 같은 각종 장치의 동작상태를 모니터링 하여 고장의 징후를 미리 발견하여 대비하거나 아니면 발생한 고장에 신속히 대응하여 복구할 수 있도록 모니터링 시스템이 제공되고 있다.
하지만, 변전소 기기의 정확한 상태를 파악하여 관리하는데 어려움이 있어, 기기 별 교체주기, 유지보수방안 등에 있어서 최적화된 자산 관리 기법에 대한 필요성이 대두되고 있으며 이러한 요구사항을 해결하기 위한 방안이 필요한 실정이다.
본 발명은, 변전소 기기에 대한 전력 설비 기본 정보 및 고장 이력 정보를 토대로 변전소 기종 별 신뢰도 모델을 산출하는 방법을 제공하는 것이다.
또한, 본 발명은 변전소 기종별 기준 신뢰도 모델을 보상하는 과정을 통해 변전소 기기 별 최적화된 고유 신뢰도 모델을 도출할 수 있도록 하는 변전소의 자산 관리 방법 및 이를 실행하는 장치를 제공하는 것을 목적으로 한다.
또한, 본 발명은 설비 교체 주기, 유지보수 방안 및 자산 관리 기법의 요청에 대한 고객의 요구를 만족시킬 수 있도록 하는 변전소의 자산 관리 방법 및 이를 실행하는 장치를 제공하는 것을 목적으로 한다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제(들)로 제한되지 않으며, 언급되지 않은 또 다른 과제(들)는 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명에 따른 변전소의 자산 관리 방법은, 변전소 기종 별 기준 신뢰도 모델의 신뢰도 및 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 기초로 생성된 변전소 기기 별 건전도를 비교하여, 변전소 기기 별 신뢰도 모델의 보상 여부를 판단하는 단계; 상기 판단 결과에 따라 상기 변전소 기기 별 건전도를 이용하여 상기 변전소 기종 별 기준 신뢰도 모델을 보상하고 변전소 기기 별 고유 신뢰도 모델을 생성하는 단계; 상기 변전소 기기 중 유지보수 대상 후보 기기에 대해서 미리 생성된 기준 계통 신뢰도 모델을 기초로 유지보수 시나리오 별 계통 신뢰도 지수 및 경제성 평가를 수행하는 단계; 상기 변전소 기기 별 건전도, 상기 변전소 기기 별 고유 신뢰도 모델, 상기 계통 신뢰도 지수 및 경제성 평가의 결과에 따라 상기 유지보수 대상 후보 기기 별 유지보수 시나리오를 선정한 후 유지보수의 실행 여부를 확인하여, 상기 유지보수의 수행 결과에 따라 상기 변전소 기기 별 고유 신뢰도 모델을 갱신하는 단계;를 포함하고, 상기 변전소 기종 별 기준 신뢰도 모델은 전력설비 기본정보 및 고장이력 정보를 토대로 생성하고, 상기 변전소 기종 별 기준 신뢰도 모델은 상기 전력 설비 기본 정보 및 고장 이력 정보를 토대로 고장 데이터를 추출하고, 최적 기준 시점 전후로 상기 고장 데이터를 분할하며, 각 데이터 세트에 대해서 신뢰도 모델을 생성하고 형상모수와 척도모수를 추정한 후, 상기 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출함으로써 생성된다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 첨부 도면들에 포함되어 있다.
본 발명에 따르면, 변전소 기기에 대한 전력 설비 기본 정보 및 고장 이력 정보를 토대로 변전소 기종 별 신뢰도 모델을 산출할 수 있다는 장점이 있다.
또한, 본 발명에 따르면, 변전소 기종별 기준 신뢰도 모델을 보상하는 과정을 통해 변전소 기기 별 최적화된 고유 신뢰도 모델을 도출할 수 있다는 장점이 있다.
또한, 본 발명에 따르면, 설비 교체 주기, 유지보수 방안 및 자산 관리 기법의 요청에 대한 고객의 니즈를 만족시킬 수 있다는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 변전소 자산 관리 과정을 설명하기 위한 흐름도이다.
도 2는 본 발명에 따른 변전소 기종별 기준 신뢰도 모델을 산출하는 방법을 상세히 나타낸 순서도이다.
도 3은 본 발명의 일 실시예에 따른 변전소 자산 관리 장치의 내부 구조를 설명하기 위한 블럭도이다.
도 4는 본 발명의 일 실시예에 따른 변전소 기종별 기준 신뢰도 모델의 보상 여부 판단 과정을 설명하기 위한 그래프이다.
도 5는 본 발명의 일 실시예에 따른 변전소 기기 별 유지보수 시나리오에 따른 신뢰도 변화를 설명하기 위한 그래프이다.
이하에서는 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 한다.
본 발명의 이점 및/또는 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다.
도 1은 본 발명의 일 실시예에 따른 변전소 자산 관리 과정을 설명하기 위한 흐름도이다.
도 1을 참조하면, 변전소 자산 관리 장치(100)는 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 기초로 변전소 기기 별 건전도(Health Index)를 생성한다(S110). 이때, 변전소 기기 별 상태 데이터와 실시간 모니터링 정보는 변전소 기기 별 온라인 감시 상태 데이터, 변전소 기기 별 오프라인 감시 상태 데이터 및 원격 감시 데이터를 포함한다. 상기의 오프라인 감시 상태 데이터는 변전소 기기 별 설치 이력, 점검 이력, 고장 이력, 운영 환경 및 운전 이력 데이터 중 적어도 하나를 포함할 수 있다.
S110에 대한 일 실시예에서, 변전소 자산 관리 장치(100)는 변전소 기기 별 운영 환경, 절연물 열화, 전기적 위험도, 열적 위험도, 화학적 위험도 및 기계적 위험도, 기밀 성능, 절연 성능, 차단 성능 및 통전 성능에 따른 기술적 위험도 평가 총점 및 조치사항을 생성할 수 있다.
예를 들어, 변전소 자산 관리 장치(100)는 변압기(TR)의 기준 신뢰도 모델의 정보를 이용하여 변압기(TR)의 운영 환경, 절연물 열화, 전기적 위험도, 열적 위험도, 화학적 위험도 및 기계적 위험도 등에 따른 기술적 위험도 평가 총점 및 조치 사항을 생성할 수 있다.
다른 예를 들어, 변전소 자산 관리 장치(100)는 가스절연개폐장치(GIS)의 기준 신뢰도 모델의 정보를 이용하여 가스절연개폐장치(GIS)의 운전 이력 데이터, 기밀 성능, 절연 성능, 차단 성능 및 통전 성능 등을 이용하여 가스절연개폐장치(GIS)의 기술적 위험도 평가 총점 및 조치 사항을 생성할 수 있다.
다음, 변전소 자산 관리 장치(100)는 변전소 기종별 기준 신뢰도 모델과 변전소 기기 별 건전도를 기초로 하여 변전소 기종별 기준 신뢰도 모델의 보상 여부를 판단한다.
여기서, 변전소 기종별 기준 신뢰도 모델은 전력 설비 기본 정보 및 고장 이력 정보를 토대로 생성된 변전소 기종 별 기준 신뢰도 모델이다.
본 발명에서는, 이러한 변전소 기종별 기준 신뢰도 모델을 산출하기 위해서, 상기 전력 설비 기본 정보 및 고장 이력 정보를 토대로 고장 데이터를 추출하고, 평균절대이탈도(MAD, Mean Absolute Deviation)가 최소가 되는 최적 기준 시점을 구하여 최적 기준 시점 전후로 고장 데이터를 2개의 데이터 세트로 구분하며, 각 데이터 세트에 대해서 카플란 마이어 기법으로 비모수 신뢰도를 계산하고 와이블 누적분포함수 선형 변환을 통해 신뢰도 모델을 생성한 후, 최소제곱법(Least Square Estimation Method)으로 신뢰도 모델의 형상모수(m)와 척도모수(η)를 추정하고, 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출함으로써 산출하고 있으며, 이에 대한 상세한 설명은 도 2를 참조하여 후술한다.
이때, 변전소 자산 관리 장치(100)는 변전소 기기 별 건전도가 변전소 기종별 기준 신뢰도 모델의 신뢰도와 동일하면 현재 사용되는 변전소 기종별 기준 신뢰도 모델이 최적화된 기준 신뢰도 모델이라고 판단하여 변전소 기종별 기준 신뢰도 모델에 대한 보상을 실행하지 않는다.
또한, 변전소 자산 관리 장치(100)는 변전소 기기 별 건전도가 변전소 기종별 기준 신뢰도 모델의 신뢰도와 상이하면, 변전소 기종별 기준 신뢰도 모델에 대한 보상을 실행하여 변전소 기기 별 고유 신뢰도 모델을 생성한다(S120).
즉, 변전소 자산 관리 장치(100)는 변전소 기기 별 건전도가 변전소 기종별 기준 신뢰도 모델의 신뢰도와 상이하면, 현재 사용된 변전소 기종별 기준 신뢰도 모델이 최적화된 기준 신뢰도 모델이 아니라고 판단하여 변전소 기기 별 건전도를 이용해 변전소 기종별 기준 신뢰도 모델에 대한 보상을 실행함으로써, 변전소 기기 별 고유 신뢰도 모델을 생성하는 것이다.
상기와 같은 변전소 기종별 기준 신뢰도 모델을 보상하는 과정을 통해 변전소 기기 별로 최적화된 고유 신뢰도 모델을 도출할 수 있다.
다음, 변전소 자산 관리 장치(100)는 특정 우선순위에 따라 유지보수 대상 후보 기기를 설정한다(S130). 예를 들어, 변전소 자산 관리 장치(100)는 특정 우선순위가 고장률인 경우, 고장률이 높은 변전소 기특정 우선순위에 따라 유지보수 대상 후보 기기를 설정할 수 있으며, 또한 다양한 상황에 따른 다른 우선순위가 적용될 수 있다.
이후, 변전소 자산 관리 장치(100)는 유지보수 대상 후보 기기에 대해서 미리 생성된 기준 계통 신뢰도 모델을 기초로 유지보수 시나리오별 계통 신뢰도 지수 및 경제성 평가를 수행한다(S140).
S140에 대한 일 실시예에서, 변전소 자산 관리 장치(100)는 미리 생성된 기준 계통 신뢰도 모델에 고장률, 고장 복구 시간, 부하점 별 부하량, 정비 비용, 복구 비용, 유지보수 비용 목표 값, 이자율, 설비 민감도 및 변전소 기기의 상하위 관계 정보를 적용하여 정전 피해 비용, 공급지장 전력량, 설비별 민감도, 현재 가치 및 미래 가치 등을 평가한다.
그리고 변전소 자산 관리 장치(100)는 계통 신뢰도 지수 및 경제성 평가의 결과에 따라 유지보수 대상 후보 기기 별 유지보수 시나리오를 선정한다(S150).
S150에 대한 일 실시예에서, 변전소 자산 관리 장치(100)는 유지보수 대상 후보 기기 별 신뢰도 평가 출력 값, 기술적 평가 출력 값, 경제성 평가 출력 값 및 유지보수 점검 별 비용 항목에 따라, 변전소 기기 별 유지보수 비용, 우선순위, 기기 별 점검 주기, 예상 비용, 점검 스케줄링, 유지보수 효과 추정, 기기 별 예상 교체 시점을 포함하는 유지보수 시나리오를 도출 및 선정한다.
S150에 대한 다른 일 실시예에서, 변전소 자산 관리 장치(100)는 변전소 기기 별 건전도 및 변전소 기종별 기준 신뢰도 모델을 조합하여 생성된 제1 결과 정보, 변전소 기기 별 건전도와 계통 신뢰도 지수 및 경제성 평가의 결과를 조합하여 생성된 제2 결과 정보, 및 제2 결과 정보와 유지보수 방안을 조합한 제3 결과 정보에 따른 비용 측면 유지보수 시나리오, 신뢰도 측면 유지보수 시나리오 및 최적 점검과 교체 계획을 생성한다.
다음, 변전소 자산 관리 장치(100)는 신뢰도 임계값 도달시점 평가를 토대로 유지보수 대상 기기 별 유지보수 스케줄링 및 견적을 산출한다(S160).
S160에 대한 일 실시예에서, 변전소 자산 관리 장치(100)는 먼저 변전소에 대하여 신뢰도 기준을 충족하지 못하는 시점, 즉 차기 유지보수가 필요한 시점을 도출하며, 이때 차기 유지보수가 필요한 시점은 기기별 고유 신뢰도 모델을 토대로 평가된 변전소 신뢰도 지수를 산출하여 신뢰도 임계값을 만족하지 못하는 미래의 시점을 산출함으로써 도출할 수 있다.
이와 같이 도출된 차기 유지보수 필요시점을 토대로 유지보수 대상 기기별 유지보수 스케줄링 및 견적을 산출하게 된다.
이후, 유지보수 대상 기기 별 유지보수 시나리오를 이용하여 유지보수가 실행되고(S170), 변전소 자산 관리 장치(100)는 상기 유지보수의 수행 결과에 따라 변전소 기기 별 고유 신뢰도 모델을 갱신한다(S180).
도 2는 본 발명에 따른 변전소 기종별 기준 신뢰도 모델을 산출하는 방법을 상세히 나타낸 순서도이다.
도 2에서 볼 수 있는 바와 같이, 변전소 기종별 기준 신뢰도 모델을 산출하는 방법은 고장 데이터를 추출하는 단계(S210), 최적 기준 시점 전후로 고장 데이터를 분할하는 단계(S220), 각 데이터 세트에 대해서 신뢰도 모델을 생성한 후 형상모수(m)와 척도모수(η)를 추정하는 단계(S230), 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출하는 단계(S240)를 포함할 수 있다.
여기서, 고장 데이터를 추출하는 단계(S210)에서는 제품 고유번호, 제조일, 설치일, 및 가압일 정보 등을 포함하는 전력설비 기본정보와, 제품 고유번호, 이력번호, 이력유형, 사고발생일, 조치시작일, 조치완료일, 재가동일, 고장위치, 및 조치내용 등의 정보를 포함하는 고장이력 정보를 추출할 수 있다.
다음, 최적 기준 시점 전후로 고장 데이터 분할 단계(S220)에서는, 고장 데이터를 분할하는 최적 기준 시점을 계산한 후, 최적 기준 시점 전후로 고장 데이터를 분할한다.
여기서, 최적 기준 시점은 비모수 신뢰도(R*(t))에 대한 평균절대이탈도 (MAD, Mean Absolute Deviation)가 최소가 되는 시점으로 정하게 되는데, 평균절대이탈도(MAD)는 아래의 수학식 1로 나타낼 수 있다. 즉, 평균절대이탈도(MAD)는 비모수 신뢰도(R*(t))와, 임의의 분할 시점 전후의 각 데이터 세트에 대한 신뢰도 모델을 합성한 혼합 모델(Rmix(t))과의 차이값의 절대값을 적분한 값으로 정의된다.
[수학식 1]
Figure PCTKR2018004866-appb-I000001
여기서, R*(t)은 비모수 신뢰도, Rmix(t)는 임의의 분할 시점 전후의 각 데이터 세트에 대한 신뢰도 모델을 합성한 혼합 모델
상술한 바와 같이 최적 기준 시점은 평균절대이탈도(MAD)가 최소가 되는 시점으로 정해지게 되며, 이는 신뢰도함수를 적분하면 아래의 수학식 2와 같이 평균수명을 산출될 수 있으므로 추정되는 평균수명의 차이를 최소화한다는 의미를 갖게 된다.
[수학식 2]
Figure PCTKR2018004866-appb-I000002
여기서, R(t)은 신뢰도함수, E(T)는 평균수명
다음, 각 데이터 세트에 대해서 신뢰도 모델을 생성한 후 형상모수(m)와 척도모수(η)를 추정하는 단계(S230)에서는, 각 데이터 세트에 대해서 카플란 마이어 기법으로 비모수 신뢰도를 계산하고 와이블 누적분포함수 선형 변환을 통해 신뢰도 모델을 생성한 후, 최소제곱법(Least Square Estimation Method)으로 신뢰도 모델의 형상모수(m)와 척도모수(η)를 추정한다.
즉, 각 데이터 세트에 대해 카플란-마이어(Kaplan-Meier)법을 이용하여 누적고장확률(F(t))을 산출하고, 고장 시간의 정렬, 고장 시간 직전까지의 작동 개수, 및 고장 시간에서의 고장 개수로 아래 수학식 3의 비모수 신뢰도를 산출한다.
[수학식 3]
Figure PCTKR2018004866-appb-I000003
여기서, R*(t)은 비모수 신뢰도, t(i) 직전까지의 작동개수 = ni, t(i)에서의 고장개수 = di
또한, 각 데이터 세트에 대해 와이블 누적분포함수를 선형으로 변환하여 신뢰도 모델을 생성하고, 최소제곱법(Least Square Estimation Method)으로 신뢰도 모델의 형상모수(m)와 척도모수(η)를 추정한다.
일반적으로, 고장률함수(λ(t))의 분포에는 감소형 고장률(Decreasing Failure Rate, DFR), 상수형 고장률(Constant Failure Rate, CFR), 증가형 고장률(Increasing Failure Rate, IFR)의 3가지 형태가 있다. 이러한 고장률함수의 분포에 따라 적절하게 표현할 수 있도록 만든 확률분포가 필요한데 이것이 와이블 분포(Weibull Distribution)이다.
아래 수학식 4에 나타난 바와 같이, 와이블 분포에서 표현되는 상수 중에서 m은 형상모수(shape parameter), η는 척도모수(scale parameter)라 한다.
[수학식 4]
Figure PCTKR2018004866-appb-I000004
여기서, R*(t)은 비모수 신뢰도, m은 형상모수, η는 척도모수
일반적으로 m의 값에 따라 고장률 함수의 경향이 변하게 되는데, 즉 m=1이면 와이블분포는 지수분포가 되며 상수 고장률을 가지게 되고, m<1에서는 고장률함수는 감소함수가 되며 t가 커짐에 따라 0에 수렴하게 되고, m>1에서는 고장률함수는 증가함수가 된다.
여기서, 고장률이 감소하는 부분을 초기고장기라 하고, 중간의 고장률이 비교적 낮고 일정한 부분을 우발고장기라고 하며, 고장률이 증가되고 있는 부분을 열화고장기 혹은 마모고장기라 부른다.
본 발명은 이러한 와이블 분포를 이용하여 신뢰도 모델을 도출하는 것으로서, 와이블 분포함수에 누적 고장확률과 고장 데이터를 대입하고 최소제곱법(Least Square Estimation Method)을 적용해 형상모수(m) 및 척도모수(η)를 추정함으로써, 각 데이터 세트에 대한 신뢰도 모델을 도출하게 되는 것이다.
또한, 이와 같이 와이블 분포의 모수를 구하고 나면 아래 수학식 5에 나타낸 바와 같이 평균수명(Mean Time To Failure, MTTF)을 구할 수 있다.
[수학식 5]
Figure PCTKR2018004866-appb-I000005
여기서, m은 형상모수, η는 척도모수 이며, 감마함수(Gamma function)는 아래의 수학식 6으로 정의된다.
[수학식 6]
Figure PCTKR2018004866-appb-I000006
다음, 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출하는 단계(S240)에서는, 각 데이터 세트에 대해 산출한 신뢰도 모델을 합성하여 와이블 혼합 모델을 도출함으로써, 변전소 기종별 기준 신뢰도 모델을 산출하게 된다.
본 발명에서는, 이상에서 설명한 방법을 통해 변전소 기종별 기준 신뢰도 모델을 도출하고 이를 토대로 변전소 기기 별 최적화된 관리 방안을 도출할 수 있다.
도 3은 본 발명의 일 실시예에 따른 변전소 자산 관리 장치의 내부 구조를 설명하기 위한 블럭도이다.
도 3을 참조하면, 변전소 자산 관리 장치(100)는 건전도 생성부(110), 기준 신뢰도 모델 관리부(120), 계통 신뢰도 지수 및 경제성 평가부(130), 유지보수 방안 생성부(140) 및 유지보수 실행부(150)를 포함한다.
건전도 생성부(110)는 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 이용하여 변전소 기기 별 건전도를 생성한다. 이때, 변전소 기기 별 상태 데이터와 실시간 모니터링 정보는 변전소 기기 별 온라인 감시 상태 데이터, 변전소 기기 별 오프라인 감시 상태 데이터 및 원격 감시 데이터를 포함한다. 상기의 오프라인 감시 상태 데이터는 변전소 기기 별 설치 이력, 점검 이력, 고장 이력, 운영 환경 및 운전 이력 데이터 중 적어도 하나를 포함할 수 있다.
일 실시예에서, 건전도 생성부(110)는 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 기초로 변전소 기기 별 운영 환경, 절연물 열화, 전기적 위험도, 열적 위험도, 화학적 위험도 및 기계적 위험도, 기밀 성능, 절연 성능, 차단 성능 및 통전 성능에 따른 기술적 위험도 평가 총점 및 조치사항을 생성할 수 있다.
예를 들어, 건전도 생성부(110)는 변압기(TR)의 기준 신뢰도 모델의 정보를 이용하여 변압기(TR)의 운영 환경, 절연물 열화, 전기적 위험도, 열적 위험도, 화학적 위험도 및 기계적 위험도에 따른 기술적 위험도 평가 총점 및 조치 사항을 생성할 수 있다.
다른 예를 들어, 건전도 생성부(110)는 가스절연개폐장치(GIS)의 기준 신뢰도 모델의 정보를 이용하여 가스절연개폐장치(GIS)의 운전 이력 데이터, 기밀 성능, 절연 성능, 차단 성능 및 통전 성능을 이용하여 가스절연개폐장치(GIS)의 기술적 위험도 평가 총점 및 조치 사항을 생성할 수 있다.
기준 신뢰도 모델 관리부(120)는 변전소 기종별 기준 신뢰도 모델과 변전소 기기 별 건전도를 기초로 하여 변전소 기종별 기준 신뢰도 모델의 보상 여부를 판단한다.
상술한 바와 같이, 본 발명에서는 변전소 기종별 기준 신뢰도 모델을 산출하기 위해서, 상기 전력 설비 기본 정보 및 고장 이력 정보를 토대로 고장 데이터를 추출하고, 평균절대이탈도(MAD, Mean Absolute Deviation)가 최소가 되는 최적 기준 시점을 구하여 최적 기준 시점 전후로 고장 데이터를 2개의 데이터 세트로 구분하며, 각 데이터 세트에 대해서 카플란 마이어 기법으로 비모수 신뢰도를 계산하고 와이블 누적분포함수 선형 변환을 통해 신뢰도 모델을 생성한 후, 최소제곱법(Least Square Estimation Method)으로 신뢰도 모델의 형상모수(m)와 척도모수(η)를 추정하고, 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출함으로써 산출한다.
기준 신뢰도 모델 관리부(120)는 변전소 기기 별 건전도가 변전소 기종별 기준 신뢰도 모델의 신뢰도와 동일하면 현재 사용되는 변전소 기종별 기준 신뢰도 모델이 최적화된 기준 신뢰도 모델이라고 판단하여 변전소 기종별 기준 신뢰도 모델에 대한 보상을 실행하지 않는다.
또한, 기준 신뢰도 모델 관리부(120)는 변전소 기기 별 건전도가 변전소 기종별 기준 신뢰도 모델의 신뢰도와 상이하면, 변전소 기종별 기준 신뢰도 모델에 대한 보상을 실행하여 변전소 기기 별 고유 신뢰도 모델을 생성한다.
즉, 기준 신뢰도 모델 관리부(120)는 변전소 기기 별 건전도가 변전소 기종별 기준 신뢰도 모델의 신뢰도와 상이하면 현재 사용된 변전소 기종별 기준 신뢰도 모델이 최적화된 기준 신뢰도 모델이 아니라고 판단하여 변전소 기기 별 건전도를 이용하여 변전소 기종별 기준 신뢰도 모델에 대한 보상을 실행하여 변전소 기기 별 고유 신뢰도 모델을 생성하는 것이다.
상기와 같이, 본 발명에서는 변전소 기종별 기준 신뢰도 모델을 계속 이용하는 것이 아니라 변전소 기종별 기준 신뢰도 모델을 변전소 기기 별 건전도에 따라 보상함으로써 변전소 기기 별 고유 신뢰도 모델을 최적화할 수 있다.
계통 신뢰도 지수 및 경제성 평가부(130)는 특정 우선순위에 따라 유지보수 대상 후보 기기를 설정한 후, 유지보수 대상 후보 기기에 대해서 미리 생성된 기준 계통 신뢰도 모델을 기초로 유지보수 시나리오별 계통 신뢰도 지수 및 경제성 평가를 수행한다.
일 실시예에서, 계통 신뢰도 지수 및 경제성 평가부(130)는 미리 생성된 기준 계통 신뢰도 모델에 고장률, 고장 복구 시간, 부하점 별 부하량, 정비 비용, 복구 비용, 유지보수 비용 목표 값, 이자율, 설비 민감도 및 변전소 기기의 상하 관계 정보를 적용하여, 정전 피해 비용, 공급지장 전력량, 설비별 민감도(즉, 경제적 측면, 신뢰도 측면), 경제성 분석 결과(즉, 현재 가치, 미래 가치)를 생성하여 계통 신뢰도 지수 및 경제성 평가를 수행한다.
유지보수 방안 생성부(140)는 변전소 기기 별 건전도, 변전소 기종별 기준 신뢰도 모델, 및 계통 신뢰도 지수 및 경제성 평가의 결과에 따라 유지보수 대상 후보 기기 별 유지보수 시나리오를 선정한다.
이때, 유지보수 방안 생성부(140)는 먼저, 변전소에 대하여 신뢰도 기준을 충족하지 못하는 시점, 즉 차기 유지보수가 필요한 시점을 도출하며, 차기 유지보수가 필요한 시점은 기기별 고유 신뢰도 모델을 토대로 평가된 변전소 신뢰도 지수를 산출하여 신뢰도 임계값을 만족하지 못하는 미래의 시점을 산출함으로써 도출할 수 있다. 유지보수 방안 생성부(140)는 이와 같이 도출된 차기 유지보수 필요시점을 토대로 유지보수 대상 기기별 유지보수 스케줄링 및 견적을 산출할 수 있다.
일 실시예에서, 유지보수 방안 생성부(140)는 유지보수 시나리오별 신뢰도 평가 출력 값, 기술적 평가 출력 값, 경제성 평가 출력 값 및 유지보수 점검 별 비용 항목에 따라서, 변전소 기기 별 유지보수 전략 방법, 비용, 우선순위, 기기 별 점검 주기, 예상 비용, 점검 스케줄링, 유지보수 효과 추정, 기기 별 예상 교체 시점을 포함하는 유지보수 대상 후보 기기 별 유지보수 시나리오를 도출 및 선정한다.
다른 일 실시예에서, 유지보수 방안 생성부(140)는 건전도 생성부(110)에 의해 생성된 변전소 기기 별 건전도 및 기준 신뢰도 모델 관리부(120)에 의해 생성된 변전소 기종별 기준 신뢰도 모델을 조합하여 생성된 제1 결과 정보, 건전도 생성부(110)에 의해 생성된 변전소 기기 별 건전도 및 계통 신뢰도 지수 및 경제성 평가부(130)에 의해 생성된 계통 신뢰도 지수 및 경제성 평가의 결과를 조합하여 생성된 제2 결과 정보, 및 제2 결과 정보와 유지보수 방안 생성부(140)에 의해 생성된 유지보수 방안을 조합한 제3 결과 정보에 따른 비용 측면 유지보수 시나리오, 신뢰도 측면 유지보수 시나리오, 및 최적 점검과 교체 계획을 생성한다.
유지보수 실행부(150)에서는 유지보수 방안 생성부(140)에서 선정된 유지보수 대상 기기 별 유지보수 시나리오에 따른 유지보수의 수행 여부를 확인하고, 유지보수 수행 결과에 따라 변전소 기기 별 고유 신뢰도 모델을 갱신한다.
도 4는 본 발명의 일 실시예에 따른 변전소 기종별 기준 신뢰도 모델의 보상 여부 판단 과정을 설명하기 위한 그래프이다.
도 4를 참조하면, 변전소 자산 관리 장치(100)는 변전소 기종별 기준 신뢰도 모델의 신뢰도(310) 및 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 기초로 생성된 변전소 기기 별 건전도에 따른 신뢰도(320, 330)를 비교하여 변전소 기종별 기준 신뢰도 모델의 보상 여부를 판단한다. 여기서, 변전소 기종별 기준 신뢰도 모델은 상술한 바와 같이 변전소 기기 별 설치/점검 이력 데이터, 노후 철거품 분석 데이터, 가속수명시험 데이터 등을 토대로 생성된 변전소 기종별 기준 신뢰도 모델이다.
여기서, 도면부호 320은 변전소 기기 별 건전도에 따른 신뢰도가 변전소 기종별 기준 신뢰도 모델의 신뢰도(310) 보다 높은 상태를 나타내며, 도면부호 330은 변전소 기기 별 건전도에 따른 신뢰도가 변전소 기종별 기준 신뢰도 모델의 신뢰도(310) 보다 낮은 상태를 나타낸 것이다.
일 실시예에서, 변전소 자산 관리 장치(100)는 변전소 기종별 기준 신뢰도 모델의 신뢰도(310) 및 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 기초로 생성된 변전소 기기 별 건전도에 따른 신뢰도(320, 330)가 상이하면, 변전소 기종별 기준 신뢰도 모델에 대한 보상을 실행하여 변전소 기기 별 고유 신뢰도 모델을 산출한다.
즉, 변전소 자산 관리 장치(100)는 변전소 기기 별 건전도에 따른 신뢰도(320, 330)가 변전소 기종별 기준 신뢰도 모델의 신뢰도(310)와 상이하면, 현재 사용된 변전소 기종별 기준 신뢰도 모델이 최적화된 기준 신뢰도 모델이 아니라고 판단하여 변전소 기기 별 건전도를 이용하여 변전소 기종별 기준 신뢰도 모델에 대한 보상을 실행하여 변전소 기기 별 고유 신뢰도 모델을 산출하는 것이다.
한편, 변전소 자산 관리 장치(100)는 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 기초로 생성된 변전소 기기 별 건전도에 따른 신뢰도가 변전소 기종별 기준 신뢰도 모델(310)과 겹치게 되게 되면 현재 사용되는 변전소 기종별 기준 신뢰도 모델이 최적화된 기준 신뢰도 모델이라고 판단하여 변전소 기종별 기준 신뢰도 모델에 대한 보상을 실행하지 않는 것이다.
본 발명에서는, 상기와 같은 변전소 기종별 기준 신뢰도 모델을 보상하는 과정을 통해 변전소 기기 별 최적화된 고유 신뢰도 모델을 도출할 수 있다.
도 5는 본 발명의 일 실시예에 따른 변전소 기기 별 유지보수 시나리오에 따른 신뢰도 변화를 설명하기 위한 그래프이다.
일 실시예로서, 유지보수 방식에 따른 신뢰도 향상 기준을 달리 설정할 수 있으며, 유지보수 방식이 기기 교체의 경우 100%, 정밀점검은 30%, 보통점검은 15%로 설정할 수 있지만, 실제 유지보수 수행 이력에 따라 정밀점검 및 보통점검의 유지보수에 따른 신뢰도는 달리 설정될 수 있다.
도 5에서, 유지보수 전략 A는 기기 교체를 포함하는 유지보수 시나리오로서 신뢰도 향상의 폭이 가장 큰 것을 알 수 있으며, 유지보수 전략 B는 정밀점검을 중심으로 하는 유지보수 시나리오로서 신뢰도 향상의 폭은 중간 정도이다.
한편, 유지보수 전략 C는 보통점검 위주의 유지보수 시나리오를 적용한 경우로서 신뢰도 향상의 폭이 가장 작음을 알 수 있다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.
* 부호의 설명
100: 변전소 자산 관리 장치
110: 건전도 생성부
120: 기준 신뢰도 모델 관리부
130: 계통 신뢰도 지수 및 경제성 평가부
140: 유지보수 방안 생성부
150: 유지보수 실행부
본 발명은 변전소의 자산 관리 방법에 관한 것으로서, 전력설비 분야에 이용가능하다.

Claims (13)

  1. 변전소의 자산 관리 방법에 있어서,
    변전소 기종 별 기준 신뢰도 모델의 신뢰도 및 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 기초로 생성된 변전소 기기 별 건전도를 비교하여, 변전소 기기 별 신뢰도 모델의 보상 여부를 판단하는 단계;
    상기 판단 결과에 따라 상기 변전소 기기 별 건전도를 이용하여 상기 변전소 기종 별 기준 신뢰도 모델을 보상하고 변전소 기기 별 고유 신뢰도 모델을 생성하는 단계;
    상기 변전소 기기 중 유지보수 대상 후보 기기에 대해서 미리 생성된 기준 계통 신뢰도 모델을 기초로 유지보수 시나리오 별 계통 신뢰도 지수 및 경제성 평가를 수행하는 단계;
    상기 변전소 기기 별 건전도, 상기 변전소 기기 별 고유 신뢰도 모델, 상기 계통 신뢰도 지수 및 경제성 평가의 결과에 따라 상기 유지보수 대상 후보 기기 별 유지보수 시나리오를 선정한 후 유지보수의 실행 여부를 확인하여, 상기 유지보수의 수행 결과에 따라 상기 변전소 기기 별 고유 신뢰도 모델을 갱신하는 단계;를 포함하고,
    상기 변전소 기종 별 기준 신뢰도 모델은 전력설비 기본정보 및 고장이력 정보를 토대로 생성하고,
    상기 변전소 기종 별 기준 신뢰도 모델은,
    상기 전력 설비 기본 정보 및 고장 이력 정보를 토대로 고장 데이터를 추출하고, 최적 기준 시점 전후로 상기 고장 데이터를 분할하며, 각 데이터 세트에 대해서 신뢰도 모델을 생성하고 형상모수와 척도모수를 추정한 후, 상기 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출함으로써 생성되는 것을 특징으로 하는
    변전소의 자산 관리 방법.
  2. 변전소의 자산 관리 방법에 있어서,
    변전소 기종 별 기준 신뢰도 모델의 신뢰도 및 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 기초로 생성된 변전소 기기 별 건전도를 비교하여, 변전소 기기 별 신뢰도 모델의 보상 여부를 판단하는 단계;
    상기 판단 결과에 따라 상기 변전소 기기 별 건전도를 이용하여 상기 변전소 기종 별 기준 신뢰도 모델을 보상하고 변전소 기기 별 고유 신뢰도 모델을 생성하는 단계;
    상기 변전소 기기 중 유지보수 대상 후보 기기에 대해서 미리 생성된 기준 계통 신뢰도 모델을 기초로 유지보수 시나리오 별 계통 신뢰도 지수 및 경제성 평가를 수행하는 단계;
    상기 변전소 기기 별 건전도, 상기 변전소 기기 별 고유 신뢰도 모델, 상기 계통 신뢰도 지수 및 경제성 평가의 결과에 따라 상기 유지보수 대상 후보 기기 별 유지보수 시나리오를 선정한 후 유지보수의 실행 여부를 확인하여, 상기 유지보수의 수행 결과에 따라 상기 변전소 기기 별 고유 신뢰도 모델을 갱신하는 단계;를 포함하고,
    상기 변전소 기종 별 기준 신뢰도 모델은 전력설비 기본정보 및 고장이력 정보를 토대로 생성되고,
    상기 변전소 기종 별 기준 신뢰도 모델은,
    상기 전력 설비 기본 정보 및 고장 이력 정보를 토대로 고장 데이터를 추출하고, 최적 기준 시점을 구하여 최적 기준 시점 전후로 상기 고장 데이터를 데이터 세트로 구분하며, 각 데이터 세트에 대해서 비모수 신뢰도를 계산하고 신뢰도 모델을 생성한 후, 각 데이터 세트의 신뢰도 모델의 형상모수와 척도모수를 추정하고, 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출함으로써 산출되고,
    상기 최적 기준 시점은,
    평균절대이탈도(MAD, Mean Absolute Deviation)가 최소가 되는 시점이며,
    상기 평균절대이탈도(MAD, Mean Absolute Deviation)는,
    비모수 신뢰도(R*(t))와, 임의의 분할 시점 전후의 각 데이터 세트에 대한 신뢰도 모델을 합성한 혼합 모델(Rmix(t))과의 차이값의 절대값을 적분한 값인 것을 특징으로 하는
    변전소의 자산 관리 방법.
  3. 변전소의 자산 관리 방법에 있어서,
    변전소 기종 별 기준 신뢰도 모델의 신뢰도 및 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 기초로 생성된 변전소 기기 별 건전도를 비교하여, 변전소 기기 별 신뢰도 모델의 보상 여부를 판단하는 단계;
    상기 판단 결과에 따라 상기 변전소 기기 별 건전도를 이용하여 상기 변전소 기종 별 기준 신뢰도 모델을 보상하고 변전소 기기 별 고유 신뢰도 모델을 생성하는 단계;
    상기 변전소 기기 중 유지보수 대상 후보 기기에 대해서 미리 생성된 기준 계통 신뢰도 모델을 기초로 유지보수 시나리오 별 계통 신뢰도 지수 및 경제성 평가를 수행하는 단계;
    상기 변전소 기기 별 건전도, 상기 변전소 기기 별 고유 신뢰도 모델, 상기 계통 신뢰도 지수 및 경제성 평가의 결과에 따라 상기 유지보수 대상 후보 기기 별 유지보수 시나리오를 선정한 후 유지보수의 실행 여부를 확인하여, 상기 유지보수의 수행 결과에 따라 상기 변전소 기기 별 고유 신뢰도 모델을 갱신하는 단계;를 포함하고,
    상기 변전소 기종 별 기준 신뢰도 모델은 전력설비 기본정보 및 고장이력 정보를 토대로 생성되고,
    상기 변전소 기종 별 기준 신뢰도 모델은,
    상기 전력 설비 기본 정보 및 고장 이력 정보를 토대로 고장 데이터를 추출하고, 최적 기준 시점 전후로 상기 고장 데이터를 분할하며, 각 데이터 세트에 대해서 신뢰도 모델을 생성하고 형상모수와 척도모수를 추정한 후, 상기 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출함으로써 생성되고,
    상기 변전소 기종 별 기준 신뢰도 모델은,
    상기 전력 설비 기본 정보 및 고장 이력 정보를 토대로 고장 데이터를 추출하고, 최적 기준 시점을 구하여 최적 기준 시점 전후로 상기 고장 데이터를 데이터 세트로 구분하며, 각 데이터 세트에 대해서 비모수 신뢰도를 계산하고 신뢰도 모델을 생성한 후, 각 세트의 신뢰도 모델의 형상모수와 척도모수를 추정하고, 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출함으로써 산출되고,
    상기 최적 기준 시점은,
    평균절대이탈도(MAD, Mean Absolute Deviation)가 최소가 되는 시점이며,
    상기 평균절대이탈도(MAD, Mean Absolute Deviation)는,
    비모수 신뢰도(R*(t))와, 임의의 분할 시점 전후의 각 데이터 세트에 대한 신뢰도 모델을 합성한 혼합 모델(Rmix(t))과의 차이값의 절대값을 적분한 값인 것을 특징으로 하는
    변전소의 자산 관리 방법.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 이용하여 변전소 기기 별 건전도를 생성하는 단계는
    변전소 기기 별 온라인 감시 상태 데이터, 변전소 기기 별 오프라인 감시 상태 데이터, 및 원격 감시 데이터를 이용하여 상기 변전소 기기 별 건전도를 생성하는 단계를 포함하고,
    상기 오프라인 감시 상태 데이터는
    변전소 기기 별 설치 이력, 점검 이력, 고장 이력, 운영 환경 및 운전 이력 데이터 중 적어도 하나를 포함하는 것을 특징으로 하는
    변전소의 자산 관리 방법.
  5. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 변전소 기기 별 상태 데이터와 실시간 모니터링 정보를 이용하여 변전소 기기 별 건전도를 생성하는 단계는
    변전소 기기 별 운영 환경, 절연물 열화, 전기적 위험도, 열적 위험도, 화학적 위험도 및 기계적 위험도, 기밀 성능, 절연 성능, 차단 성능 및 통전 성능에 따른 기술적 위험도 평가 총점 및 조치사항을 생성하는 단계를 포함하는 것을 특징으로 하는
    변전소의 자산 관리 방법.
  6. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 판단 결과에 따라 상기 변전소 기기 별 건전도를 이용하여 상기 변전소 기종 별 기준 신뢰도 모델을 보상하고 변전소 기기 별 고유 신뢰도 모델을 생성하는 단계는
    상기 변전소 기종 별 기준 신뢰도 모델의 신뢰도 및 상기 변전소 기기 별 건전도가 상이하면, 상기 변전소 기종 별 기준 신뢰도 모델에 상기 변전소 기기 별 건전도를 적용하여 상기 변전소 기종 별 기준 신뢰도 모델을 보상하고 상기 변전소 기기 별 고유 신뢰도 모델을 생성하는 단계를 포함하는 것을 특징으로 하는
    변전소의 자산 관리 방법.
  7. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 변전소 기기 중 유지보수 대상 후보 기기에 대해서 미리 생성된 기준 계통 신뢰도 모델을 기초로 유지보수 시나리오 별 계통 신뢰도 지수 및 경제성 평가를 수행하는 단계는
    상기 기준 계통 신뢰도 모델에 고장률, 고장 복구 시간, 부하점 별 부하량, 정비 비용, 복구 비용, 유지보수 비용 목표 값, 이자율, 설비 민감도 및 변전소 기기의 상하 관계 정보를 적용하여 정전 피해 비용, 공급지장 전력량, 설비별 민감도, 현재 가치 및 미래 가치를 평가하는 단계를 더 포함하는 것을 특징으로 하는
    변전소의 자산 관리 방법.
  8. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 변전소 기기 별 건전도, 상기 변전소 기기 별 고유 신뢰도 모델, 상기 계통 신뢰도 지수 및 경제성 평가의 결과에 따라 상기 유지보수 대상 후보 기기 별 유지보수 시나리오를 선정하는 것은,
    상기 유지보수 시나리오 별 신뢰도 평가 출력 값, 기술적 평가 출력 값, 경제성 평가 출력 값 및 유지보수 점검 별 비용 항목에 따라 변전소 기기 별 유지보수 전략 방법, 비용, 우선 순위, 기기 별 점검 주기, 예상 비용, 점검 스케줄링, 유지보수 효과 추정, 기기 별 예상 교체 시점을 포함하는 유지보수 대상 후보 기기 별 유지보수 시나리오를 도출 및 견적을 산출하는 단계를 포함하는 것을 특징으로 하는
    변전소의 자산 관리 방법.
  9. 제8항에 있어서,
    상기 유지보수의 수행 결과에 따라 상기 변전소 기기 별 고유 신뢰도 모델을 갱신하는 단계는
    상기 유지보수의 수행 결과에 따른 개선 효과를 적용하여 상기 변전소 기기 별 고유 신뢰도 모델을 갱신하는 것을 특징으로 하는
    변전소의 자산 관리 방법.
  10. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 변전소 기기 중 유지보수 대상 후보 기기에 대해서 미리 생성된 기준 계통 신뢰도 모델을 기초로 유지보수 시나리오 별 계통 신뢰도 지수 및 경제성 평가를 수행하는 단계는
    미리 결정된 우선 순위에 따라 상기 변전소 기기 중 유지보수 대상 후보 기기를 선정하는 단계를 포함하는 것을 특징으로 하는
    변전소의 자산 관리 방법.
  11. 제8항에 있어서,
    상기 변전소 기기별 고유 신뢰도 모델을 토대로 평가된 변전소 신뢰도 임계값 도달 시점을 평가하여 유지보수 대상 기기별 유지보수 스케줄링 및 견적을 산출하는 것을 특징으로 하는
    변전소의 자산 관리 방법.
  12. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 변전소 기종 별 기준 신뢰도 모델은,
    상기 전력 설비 기본 정보 및 고장 이력 정보를 토대로 고장 데이터를 추출하고, 최적 기준 시점을 구하여 최적 기준 시점 전후로 상기 고장 데이터를 데이터 세트로 구분하며, 각 데이터 세트에 대해서 카플란 마이어 기법으로 비모수 신뢰도를 계산하고 와이블 누적분포함수 선형 변환을 통해 신뢰도 모델을 생성한 후, 최소제곱법(Least Square Estimation Method)으로 신뢰도 모델의 형상모수와 척도모수를 추정하고, 각 데이터 세트의 신뢰도 모델을 합성한 혼합 모델을 도출함으로써 산출되는 것을 특징으로 하는
    변전소의 자산 관리 방법.
  13. 제1항에 있어서,
    상기 최적 기준 시점은,
    평균절대이탈도(MAD, Mean Absolute Deviation)가 최소가 되는 시점이며,
    상기 평균절대이탈도(MAD, Mean Absolute Deviation)는,
    비모수 신뢰도(R*(t))와, 임의의 분할 시점 전후의 각 데이터 세트에 대한 신뢰도 모델을 합성한 혼합 모델(Rmix(t))과의 차이값의 절대값을 적분한 값인 것을 특징으로 하는
    변전소의 자산 관리 방법.
PCT/KR2018/004866 2017-04-28 2018-04-26 변전소의 자산 관리 방법 WO2018199656A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/607,925 US11507074B2 (en) 2017-04-28 2018-04-26 Method for asset management of substation

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2017-0055656 2017-04-28
KR1020170055656A KR101904868B1 (ko) 2017-04-28 2017-04-28 변전소의 자산 관리 방법

Publications (1)

Publication Number Publication Date
WO2018199656A1 true WO2018199656A1 (ko) 2018-11-01

Family

ID=63876087

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2018/004866 WO2018199656A1 (ko) 2017-04-28 2018-04-26 변전소의 자산 관리 방법

Country Status (3)

Country Link
US (1) US11507074B2 (ko)
KR (1) KR101904868B1 (ko)
WO (1) WO2018199656A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109857581A (zh) * 2019-01-29 2019-06-07 山西大学 一种优化选择软件可靠性增长模型的方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101904868B1 (ko) 2017-04-28 2018-10-10 효성중공업 주식회사 변전소의 자산 관리 방법
KR102417006B1 (ko) * 2020-01-16 2022-07-05 효성중공업 주식회사 변전소의 자산 관리 방법
CN112966837B (zh) * 2021-02-05 2022-06-21 三峡大学 基于任务可靠度分析的变电站设备维护方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070014564A (ko) * 2005-07-29 2007-02-01 현대자동차주식회사 전산해석 신뢰도 분석방법
KR20110034508A (ko) * 2009-09-28 2011-04-05 한국전력공사 신뢰도 기반 배전기자재 유지보수 시스템과 방법
KR101189780B1 (ko) * 2010-12-22 2012-10-10 한국철도기술연구원 신뢰성 분석기법을 이용한 철도차량 차륜 교체주기 예측장치 및 방법
KR20140065633A (ko) * 2012-11-19 2014-05-30 (주)나다에스앤브이 공장 관리 지수를 이용한 공장 상태 관리 시스템
KR20160093119A (ko) * 2014-12-31 2016-08-08 주식회사 효성 전력 설비 자산 관리 시스템 및 방법

Family Cites Families (52)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6799154B1 (en) * 2000-05-25 2004-09-28 General Electric Comapny System and method for predicting the timing of future service events of a product
EP1202142A1 (en) * 2000-10-25 2002-05-02 Abb Research Ltd. Maintenance planning system and method
JP2002297709A (ja) 2001-03-29 2002-10-11 Kansai Electric Power Co Inc:The 設備改修計画業務に対する支援方法および装置
US7797062B2 (en) 2001-08-10 2010-09-14 Rockwell Automation Technologies, Inc. System and method for dynamic multi-objective optimization of machine selection, integration and utilization
US6834256B2 (en) 2002-08-30 2004-12-21 General Electric Company Method and system for determining motor reliability
US7925472B2 (en) * 2005-05-19 2011-04-12 Rochester Institute Of Technology Methods for asset health management and systems thereof
US7149659B1 (en) * 2005-08-03 2006-12-12 Standard Aero, Inc. System and method for performing reliability analysis
US7328128B2 (en) * 2006-02-22 2008-02-05 General Electric Company Method, system, and computer program product for performing prognosis and asset management services
EP1965281A1 (en) * 2007-03-02 2008-09-03 Abb Research Ltd. Dynamic maintenance plan for an industrial robot
US8252482B2 (en) 2007-05-14 2012-08-28 Nec Corporation Solid polymer fuel cell
KR20090001148A (ko) 2007-06-29 2009-01-08 삼성전자주식회사 가상 계측 시스템 및 가상 계측 방법
US7945427B2 (en) * 2008-04-18 2011-05-17 The Boeing Company Methods and systems for providing unanticipated demand predictions for maintenance
JP4991627B2 (ja) 2008-05-16 2012-08-01 株式会社日立製作所 計画執行管理装置およびそのプログラム
US8135550B2 (en) 2008-12-09 2012-03-13 Consolidated Edison Company Of New York, Inc. System for monitoring and assessing electrical circuits and method of operation
JP2010233421A (ja) 2009-03-30 2010-10-14 Mitsubishi Electric Corp 発電設備
KR20100129931A (ko) 2009-06-02 2010-12-10 한국철도기술연구원 최적의 목표신뢰도 설정 및 분배방법을 활용한 철도차량의 유지보수 시스템
EP2302477A1 (en) 2009-09-25 2011-03-30 ABB Research Ltd. Reliability calculation for substation automation systems
KR101073092B1 (ko) 2009-12-29 2011-10-12 한국남동발전 주식회사 설비 고장 정비 시스템 및 설비 고장 정비 방법
MX2013000577A (es) 2010-07-16 2013-06-05 Univ Columbia Aprendizaje de maquina para redes electricas.
KR101212819B1 (ko) 2011-02-14 2012-12-18 학교법인 동의학원 구조물의 손상 및 균열 감지용 센서 위치 설정방법
KR101215800B1 (ko) 2011-05-17 2012-12-26 한국전력공사 개폐장치 건전도 평가 시스템 및 그 방법
KR101341248B1 (ko) 2012-03-27 2013-12-12 한국남동발전 주식회사 발전설비의 위험도 기반 정비 시스템
CN102723775A (zh) 2012-04-26 2012-10-10 上海市电力公司 一种智能变电站二次系统可靠性评估方法
FR2991788B1 (fr) * 2012-06-08 2023-03-24 Snecma Prevision d'operations de maintenance a appliquer sur un moteur
KR20130140237A (ko) 2012-06-14 2013-12-24 주식회사 파워이십일 배전 계통의 최적 신뢰도 평가 시스템 및 그 방법
JP5802619B2 (ja) 2012-07-06 2015-10-28 株式会社日立製作所 設備維持管理業務支援システム
KR101267429B1 (ko) 2012-08-20 2013-05-30 매크로이에스아이 주식회사 교체주기 분석장치
KR20140038265A (ko) 2012-09-20 2014-03-28 한국전력공사 고장관리장치 및 이의 고장관리방법
CN202931037U (zh) 2012-11-28 2013-05-08 天津市电力公司 智能变电站运行安全实时分析预警系统
EP2951653B1 (en) 2013-02-01 2019-11-13 Tetra Laval Holdings & Finance S.A. A method for providing maintenance data
CN103259262B (zh) 2013-05-03 2015-07-22 国家电网公司 含大规模风电的电力系统的检修计划优化方法
CN103633739B (zh) 2013-11-28 2015-05-20 中国科学院广州能源研究所 一种微电网能量管理系统和方法
FR3023390B1 (fr) 2014-07-01 2018-04-20 Blue Solutions Procede et systeme de surveillance d'une installation de stockage d'energie, et installation equipee d'un tel systeme
KR101597993B1 (ko) 2014-11-13 2016-02-29 현대중공업 주식회사 에너지 저장 장치
KR102343967B1 (ko) * 2014-12-04 2021-12-28 삼성전자주식회사 배터리의 상태를 추정하는 방법 및 장치
CN104504246B (zh) 2014-12-05 2017-11-21 清华大学 基于环‑辐网解耦的可靠性快速评估算法
KR101683262B1 (ko) 2014-12-31 2016-12-21 주식회사 효성 전력 설비 관리 시스템 및 방법
JP6275070B2 (ja) 2015-03-10 2018-02-07 三菱電機ビルテクノサービス株式会社 設備点検順位設定装置及びプログラム
US10444747B2 (en) * 2015-03-26 2019-10-15 Cummins Power Generation Ip, Inc. Blended service schedule for a power generator
CN104715294A (zh) 2015-04-02 2015-06-17 国家电网公司 一种配电网规划方案评价数据处理系统
KR102424528B1 (ko) * 2015-06-11 2022-07-25 삼성전자주식회사 배터리의 상태를 추정하는 장치 및 방법
CN104950759A (zh) 2015-06-17 2015-09-30 国网山东东平县供电公司 智能变电站在线监测维护系统
CN105023104A (zh) 2015-07-20 2015-11-04 国网天津市电力公司 基于事件记录的变电站二次设备可靠性管理系统及方法
KR102574257B1 (ko) * 2015-10-30 2023-09-01 삼성전자주식회사 Soh 추정 장치 및 방법과, soh 추정 모델 생성 장치 및 방법
CN105514991A (zh) 2015-12-08 2016-04-20 华北电力科学研究院有限责任公司 新能源电站发电设备健康状态确定方法及装置
CN105471656B (zh) 2015-12-10 2018-11-20 国家电网公司 一种针对智能变电站自动化系统运维信息模型的抽象方法
CN105809322B (zh) 2016-02-22 2019-12-06 国网冀北电力有限公司 综合考虑发电、输电和配电系统的城市电网可靠性评估方法
CN106373028B (zh) 2016-08-29 2021-02-19 杭州勤兴电控设备有限责任公司 一种电力维修系统
KR101943438B1 (ko) 2016-12-28 2019-01-29 효성중공업 주식회사 전력설비의 자산관리 방법
KR101943423B1 (ko) 2016-12-28 2019-01-29 효성중공업 주식회사 변전소의 자산 관리 방법
KR101904868B1 (ko) 2017-04-28 2018-10-10 효성중공업 주식회사 변전소의 자산 관리 방법
KR102399602B1 (ko) * 2017-08-17 2022-05-18 삼성전자주식회사 배터리 상태 추정 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070014564A (ko) * 2005-07-29 2007-02-01 현대자동차주식회사 전산해석 신뢰도 분석방법
KR20110034508A (ko) * 2009-09-28 2011-04-05 한국전력공사 신뢰도 기반 배전기자재 유지보수 시스템과 방법
KR101189780B1 (ko) * 2010-12-22 2012-10-10 한국철도기술연구원 신뢰성 분석기법을 이용한 철도차량 차륜 교체주기 예측장치 및 방법
KR20140065633A (ko) * 2012-11-19 2014-05-30 (주)나다에스앤브이 공장 관리 지수를 이용한 공장 상태 관리 시스템
KR20160093119A (ko) * 2014-12-31 2016-08-08 주식회사 효성 전력 설비 자산 관리 시스템 및 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109857581A (zh) * 2019-01-29 2019-06-07 山西大学 一种优化选择软件可靠性增长模型的方法
CN109857581B (zh) * 2019-01-29 2021-05-14 山西大学 一种优化选择软件可靠性增长模型的方法

Also Published As

Publication number Publication date
US11507074B2 (en) 2022-11-22
US20200096983A1 (en) 2020-03-26
KR101904868B1 (ko) 2018-10-10

Similar Documents

Publication Publication Date Title
WO2018124571A1 (ko) 전력설비의 자산관리 방법
WO2018199656A1 (ko) 변전소의 자산 관리 방법
WO2018199659A1 (ko) 변전소 자산 관리 방법
WO2018199658A1 (ko) 전력설비의 자산관리 방법
WO2013032044A1 (ko) 배전계통 관리 시스템 및 방법
CN103915827B (zh) 配用电网故障研判方法及研判系统
WO2016085172A1 (ko) 설비의 예측 정비 시스템 및 방법
WO2016006756A1 (ko) 초저주파 탄델타의 측정 데이터를 이용한 전력 케이블의 상태 진단 및 잔존 수명 측정 장치 및 그 방법
US20110153236A1 (en) Electrical anomaly detection method and system
WO2020013619A1 (ko) 전력계통 신뢰도 지수를 토대로 한 변전소 자산 관리 방법 및 장치
WO2023068899A1 (ko) 배터리 팩 내의 이상 징후 셀 검출 장치 및 방법
WO2022103185A1 (ko) 전지의 용량 측정 장치 및 방법, 및 상기 장치를 포함하는 전지 제어 시스템
WO2017010778A1 (ko) 대형 운용 시스템의 상태 기반 예방정비 장치 및 방법
US20090216573A1 (en) Method and device for automatic event detection and report generation
WO2016032130A1 (ko) Ami 전력 사용량 기반의 배전 구간부하 산출 시스템
WO2023090876A1 (ko) 선제적 풍력발전 유지관리 시스템
WO2022163994A1 (ko) 지역 단위 재생 에너지 통합 관제 시스템
WO2024071607A1 (ko) 산업현장 방폭검사용 스마트 플랫폼
WO2022085833A1 (ko) 태양광발전 노후 진단 시스템
CN112994248B (zh) 一种配电网母线故障预警装置及方法
WO2018044040A1 (ko) 기기 중요도와 경보 유효성 판단 프로세서를 포함한 원자력발전소 기기 이상징후 사전감지 방법 및 그 시스템
WO2021145636A1 (ko) 변전소의 자산 관리 방법
WO2014035001A1 (ko) 전력 관리 방법 및 시스템
WO2018124570A1 (ko) 변전소의 자산 관리 방법
WO2024071608A1 (ko) 방폭 진단을 위한 안전검사 솔루션

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18790226

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18790226

Country of ref document: EP

Kind code of ref document: A1