전력설비의 부분방전 예방진단 알고리즘 개발에 관한 연구 Study on the Development of Preventive Diagnosis Algorithm for Recognizing Partial Discharges in Electric Power Apparatus원문보기
대규모 전력을 소비하는 오늘날의 전력시스템에 있어서 전력설비를 효율적으로 운영하고 안전성을 확보함과 동시에 사고를 사전에 방지하는 것은 매우 중요한 요소에 해당된다. 특히, 전력설비 내부의 금속 및 절연재료는 제작 초기의 상태와 비교하여 시간이 흐름에 따라 열적, 기계적, 전기적으로 열화되어 초기의 성능에 미치지 못하는 경우가 있으므로 이에 대한 철저한 관리가 필요하다.
2015년 국내 전기설비사고현황에서 사고원인별 통계(한국전기안전공사)를 보면, 절연불량 약 21.2%, 자연열화 15.3%, 보호장치 오동작 8.7%, 과부하 7.5%, 기타로서 절연불량에 의한 사고가 매우 높게 발생되고 있으므로 이에 대한 온라인 진단기술 개발이 시급하다.
이를 위하여 제조단계에서부터 존재할 수 있는 전력설비 내부에 잠재하는 결함을 비롯하여 사용 중 열화 등에 의하여 국부적인 고전계에 의해 발생되는 ...
대규모 전력을 소비하는 오늘날의 전력시스템에 있어서 전력설비를 효율적으로 운영하고 안전성을 확보함과 동시에 사고를 사전에 방지하는 것은 매우 중요한 요소에 해당된다. 특히, 전력설비 내부의 금속 및 절연재료는 제작 초기의 상태와 비교하여 시간이 흐름에 따라 열적, 기계적, 전기적으로 열화되어 초기의 성능에 미치지 못하는 경우가 있으므로 이에 대한 철저한 관리가 필요하다.
2015년 국내 전기설비사고현황에서 사고원인별 통계(한국전기안전공사)를 보면, 절연불량 약 21.2%, 자연열화 15.3%, 보호장치 오동작 8.7%, 과부하 7.5%, 기타로서 절연불량에 의한 사고가 매우 높게 발생되고 있으므로 이에 대한 온라인 진단기술 개발이 시급하다.
이를 위하여 제조단계에서부터 존재할 수 있는 전력설비 내부에 잠재하는 결함을 비롯하여 사용 중 열화 등에 의하여 국부적인 고전계에 의해 발생되는 부분방전을 진단하기 위한 다양한 연구개발이 활발히 진행되고 있다. GIS, 변압기, 회전기기, 케이블 등에서 부분방전을 측정하기 위하여 UHF 안테나, 초음파 센서, 가스변화, 빛, 전류 및 전압측정 등 다양한 센서들을 이용한 진단기술들이 개발되고 있으며, 최근에는 고분해 신호처리 기법인 웨이블렛을 비롯한 주파수 분석 등을 이용한 고장 진단 알고리즘 및 고장 유형별 훈련된 데이터를 기반으로 한 인공지능 알고리즘 등 다양한 알고리즘이 개발되고 있다.
본 연구에서는 전력설비에서 일반적으로 발생될 수 있는 6가지 부분방전 모델을 모의하고, 초음파 및 전류센서를 이용하여 부분방전 모델별로 파형을 측정하고, 측정된 데이터를 이용하여 훈련 데이터 및 Global parameter를 확보하고, kNN(K-Nearest Neighbor) 분류기를 이용한 테스트 과정을 거쳐 개발된 알고리즘의 판단 정확도를 조사하여 본 알고리즘의 우수성에 대하여 논하였다.
알고리즘의 특징추출에 있어서 웨이블렛 변환에 의한 cD3 계수를 도출하여 부분방전 패턴 유형과 매우 유사함을 알 수 있었으며, 이를 활용하여 알고리즘의 판단 정확도를 98%까지 향상시키는 매우 높은 결과를 얻을 수 있었다.
대규모 전력을 소비하는 오늘날의 전력시스템에 있어서 전력설비를 효율적으로 운영하고 안전성을 확보함과 동시에 사고를 사전에 방지하는 것은 매우 중요한 요소에 해당된다. 특히, 전력설비 내부의 금속 및 절연재료는 제작 초기의 상태와 비교하여 시간이 흐름에 따라 열적, 기계적, 전기적으로 열화되어 초기의 성능에 미치지 못하는 경우가 있으므로 이에 대한 철저한 관리가 필요하다.
2015년 국내 전기설비사고현황에서 사고원인별 통계(한국전기안전공사)를 보면, 절연불량 약 21.2%, 자연열화 15.3%, 보호장치 오동작 8.7%, 과부하 7.5%, 기타로서 절연불량에 의한 사고가 매우 높게 발생되고 있으므로 이에 대한 온라인 진단기술 개발이 시급하다.
이를 위하여 제조단계에서부터 존재할 수 있는 전력설비 내부에 잠재하는 결함을 비롯하여 사용 중 열화 등에 의하여 국부적인 고전계에 의해 발생되는 부분방전을 진단하기 위한 다양한 연구개발이 활발히 진행되고 있다. GIS, 변압기, 회전기기, 케이블 등에서 부분방전을 측정하기 위하여 UHF 안테나, 초음파 센서, 가스변화, 빛, 전류 및 전압측정 등 다양한 센서들을 이용한 진단기술들이 개발되고 있으며, 최근에는 고분해 신호처리 기법인 웨이블렛을 비롯한 주파수 분석 등을 이용한 고장 진단 알고리즘 및 고장 유형별 훈련된 데이터를 기반으로 한 인공지능 알고리즘 등 다양한 알고리즘이 개발되고 있다.
본 연구에서는 전력설비에서 일반적으로 발생될 수 있는 6가지 부분방전 모델을 모의하고, 초음파 및 전류센서를 이용하여 부분방전 모델별로 파형을 측정하고, 측정된 데이터를 이용하여 훈련 데이터 및 Global parameter를 확보하고, kNN(K-Nearest Neighbor) 분류기를 이용한 테스트 과정을 거쳐 개발된 알고리즘의 판단 정확도를 조사하여 본 알고리즘의 우수성에 대하여 논하였다.
알고리즘의 특징추출에 있어서 웨이블렛 변환에 의한 cD3 계수를 도출하여 부분방전 패턴 유형과 매우 유사함을 알 수 있었으며, 이를 활용하여 알고리즘의 판단 정확도를 98%까지 향상시키는 매우 높은 결과를 얻을 수 있었다.
In recent decades, the consumption of electric energy steeply increased by developing industries and increasing electric loads such as electric machines, lots of IT equipments, home appliance, and so on. The effective operation and the safety confirmation of electric facilities such as the high volt...
In recent decades, the consumption of electric energy steeply increased by developing industries and increasing electric loads such as electric machines, lots of IT equipments, home appliance, and so on. The effective operation and the safety confirmation of electric facilities such as the high voltage electric equipment and apparatus are so important to the continuous supply of the electric energy by the preventive protection of accidents and disasters.
Especially, it is necessary to check thoroughly for metallic and insulated materials inside of the electric power apparatus because the initial state of materials will be changed its nature by thermal, mechanical, and electrical deteriorations.
The statistics related with electric accidents of electric apparatus in 2015 showed the insulation defects is about 21.2%, natural deterioration is about 15.3%, malfunction of protection parts is 8.7%, overloads is 7.5%, etc., the insulation defects was so large compared to other accidents. Therefore, it is needed urgently to develop on-line diagnosis technology for preventive detection of insulation defects, which is focused on the partial discharge by insulation deterioration.
There are so many researches for developing the effective diagnosis system by detecting partial discharges, which occur frequently under the high electric field in the electric apparatus. These diagnosis technologies for GIS, transformers, rotating machines, power cables were used to lots of appropriate sensors such as UHF antenna, ultrasonic sensor, gas detection, light, current and applied voltage signals, and so on. Recently, the diagnosis algorithm using wavelet and frequency analysis, and artificial intelligence algorithm based on the trained data are focused to develop largely.
In this thesis, the development of the novel diagnosis algorithm for partial discharges in electric power apparatus was carried out by current and ultrasonic sensors. 6 models for simulating partial discharge in electric power apparatus were used. It is classified into the training and test procedures, and PCA in dimension reduction and kNN classifier were used for the exact decision on partial discharge faults. The cD3 coefficients through wavelet transform in the feature extraction was best matched with the characteristics of partial discharges. The final results of this developed diagnosis algorithm shows the very high accuracy on each partial discharge faults.
In recent decades, the consumption of electric energy steeply increased by developing industries and increasing electric loads such as electric machines, lots of IT equipments, home appliance, and so on. The effective operation and the safety confirmation of electric facilities such as the high voltage electric equipment and apparatus are so important to the continuous supply of the electric energy by the preventive protection of accidents and disasters.
Especially, it is necessary to check thoroughly for metallic and insulated materials inside of the electric power apparatus because the initial state of materials will be changed its nature by thermal, mechanical, and electrical deteriorations.
The statistics related with electric accidents of electric apparatus in 2015 showed the insulation defects is about 21.2%, natural deterioration is about 15.3%, malfunction of protection parts is 8.7%, overloads is 7.5%, etc., the insulation defects was so large compared to other accidents. Therefore, it is needed urgently to develop on-line diagnosis technology for preventive detection of insulation defects, which is focused on the partial discharge by insulation deterioration.
There are so many researches for developing the effective diagnosis system by detecting partial discharges, which occur frequently under the high electric field in the electric apparatus. These diagnosis technologies for GIS, transformers, rotating machines, power cables were used to lots of appropriate sensors such as UHF antenna, ultrasonic sensor, gas detection, light, current and applied voltage signals, and so on. Recently, the diagnosis algorithm using wavelet and frequency analysis, and artificial intelligence algorithm based on the trained data are focused to develop largely.
In this thesis, the development of the novel diagnosis algorithm for partial discharges in electric power apparatus was carried out by current and ultrasonic sensors. 6 models for simulating partial discharge in electric power apparatus were used. It is classified into the training and test procedures, and PCA in dimension reduction and kNN classifier were used for the exact decision on partial discharge faults. The cD3 coefficients through wavelet transform in the feature extraction was best matched with the characteristics of partial discharges. The final results of this developed diagnosis algorithm shows the very high accuracy on each partial discharge faults.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.