선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 의사결정 나무를 이용하여 배전선로에서 전력공급용으로 사용되고 있는 주상 변압기 고장유형을 분석하고 유사 조건 하에서 주상변압기 고장이 발생하였을 때 고장유형을 예측할 수 있는 모형과 복구 절차를 단축하여 사용자의 편의를 제공할 수 있는 방안을 도출하였다. 주상변압기의 고장자료는 실제 현장에서 취득된 자료를 이용하여 정제하고 의사결정 나무를 통해 주상 변압기의 주요 고장유형을제작불량, 자연열화, 제작된 제품의 하자 그리고 낙뢰로 분류하였다.
- 이 절에서는 주상 변압기의 구조와 종류 그리고 어떠한 요인이 주상 변압기의 고장 발생에 영향을 미치고 있는지를 알아본다. 또한 고장이 발생하는 요인 중 외부 환경 요인과 내부 열화 요인의 관계성을 도식화하였으며 최근 3년간 고장 발생 현황 분석과 고장 복구 절차에 대해 알아본다.
- 여기서는 주상 변압기의 고장 유형을 규명하는 변수가 무엇인가를 찾아내는 것이 가장 중요한 사항이다. 특히 고장 유형별 상호 연관성이 어떻게 작용하고 있는지 알아본다. 다음은 단계별 분리 결과이다.
제안 방법
- 그러나 주상 변압기가 고장이 발생하였을 경우 의사결정 나무를 통해 얻어진 결과를 토대로 고장 발생 변압기를 대상으로 그림 10과 같은 고장 유형 복구 예측 모델을 구축하였다
- 둘째는 선택한 데이터 마이닝 기법을 적용하기 위한 주상 변압기 고장에 영향을 주는 요인들을 선정하꼬 분석 방법을 구체화한다, 셋째는 : 주상변압기의고장유형과 고장요인과의 관계성을 분석하기 위해 자료 수집 시 주상변압기 고장발생 일시, 설치된 장소, 고장 변압기종듀, 궁급 전압, 날씨, 온도, 습도 그리고 변압기 이용률 등과같은 내용을 포함 한다, .넷째는 수집된 자 旦늘 활용 하여 변수 변환표를 만들고 마스터테이블을 작성하여 자료변환과정제를 거쳐 상용데이터마이닝 도구인 SPSS사의 의사결정나무를 이용하여 고장 유형을 분석한 다음 전개된 나무결과를 토대로 고장 발생 시 고장 유형에 따라 신속히 고장을복구하기 위한 모델을 제시한다.
- 본연구에 서는 고쟝 유형 분석에 적합한 의사결 정 나무의 CART 알고리즘을 선택하였다. 둘째는 선택한 데이터 마이닝 기법을 적용하기 위한 주상 변압기 고장에 영향을 주는 요인들을 선정하꼬 분석 방법을 구체화한다, 셋째는 : 주상변압기의고장유형과 고장요인과의 관계성을 분석하기 위해 자료 수집 시 주상변압기 고장발생 일시, 설치된 장소, 고장 변압기종듀, 궁급 전압, 날씨, 온도, 습도 그리고 변압기 이용률 등과같은 내용을 포함 한다, .넷째는 수집된 자 旦늘 활용 하여 변수 변환표를 만들고 마스터테이블을 작성하여 자료변환과정제를 거쳐 상용데이터마이닝 도구인 SPSS사의 의사결정나무를 이용하여 고장 유형을 분석한 다음 전개된 나무결과를 토대로 고장 발생 시 고장 유형에 따라 신속히 고장을복구하기 위한 모델을 제시한다.
- 데이터마이닝 기법을 이용한 고장유형 분석과 고장 예측 그리고 고장발생시 고장복구모델구축에 관한 연구는 아직 초기 단계에 있다. 따라서 선행연구에서 미흡한 점을 과거 3년간 축적된 주상변압기 고장발생 자료를 토대로 데이터 마이닝 기법의 의사결정 나무를 이용하여 다음과 같이 4단계로 나누어 연구를 진행한다. 첫째는여러 가지 데이터 마이닝 기법 중 주상변압기 고장 유형 분석에 적합한 데이터 마이닝 기법과 알고리즘을 선택한다.
- 또한 고장이 발생하는 요인 중 외부 환경 요인과 내부 열화 요인의 관계성을 도식화하였으며 최근 3년간 고장 발생 현황 분석과 고장 복구 절차에 대해 알아본다.
- 본 논문에서는 데이터 마이닝 기법의 의사결정 나무를 전개하는데 필요한 자료의 수집에서 최종 곁과 분석까지를 4단계로 나누어 진행한다. 1단계와 2단계까지는 현장에서 수집된 자료의 오류와 목표변수로 지정할 자료를 검토하고 엑셀에서 사용할 용어, 자료의 크기 등을 결정한다.
- SPSS사의 Answer Tree에서는 CHAID, CART, QUEST 등 다양한 알고리즘을이용하여 의사결정 나무 분석을 수행할 수 있으며 표2는 알고리즘을 비교한 것이다. 본 논문에서는 주상 변압기의 고장유형 을 분석하는데 사용된 자료가 명목형 , 순서형, 연속형 의목표변수를 모두 구현이 가능하고 분리 개수는 Binary로 전개되어 CHAID와 QUEST에 비해 정확성이 높을 것으로 판단되어 CART 알고리즘을 적용하였다.
- 이익차트는 Percentiles 10% 값에서 표시되도록 하고 고장 유형별로 불량, 열화, 하자와 낙뢰의 차트를 형 성하여 분석을 시도한다. 본 연구에서는 이익차트, 반응차트, 위험도표에 대해 분석한다’이 자료는 분석용 데이터 70%, 평가용 데이터 30% 비율로 분할한 후 분석용 데이터를 이용하여 모형을 구축하고 그래프를 이용하여 구축된 모형을 평가한다.
- 목표변수를 어느 것으로 하느냐에 따라 전개되는 나무 모형이 달라지므로 작성법을 명확히 이해하는것이 중요하다. 본 연구에서는 자연열화, 제작 불량, 하자 그리고 낙뢰를 고장 유형의 목표변수로 정하고 표5와 같이 마스터테이블을 완성하였다.
- 0을 이용하여 나무 깊이는 1, 2, 3단계, 전개되는 사례의 최소 수는 부모마디 25개, 자식 마디는 1개로 하고 가지치기는 표준 에러 Rule을 선택한다. 이익차트는 Percentiles 10% 값에서 표시되도록 하고 고장 유형별로 불량, 열화, 하자와 낙뢰의 차트를 형 성하여 분석을 시도한다. 본 연구에서는 이익차트, 반응차트, 위험도표에 대해 분석한다’이 자료는 분석용 데이터 70%, 평가용 데이터 30% 비율로 분할한 후 분석용 데이터를 이용하여 모형을 구축하고 그래프를 이용하여 구축된 모형을 평가한다.
- 주상변압기의 고장자료는 실제 현장에서 취득된 자료를 이용하여 정제하고 의사결정 나무를 통해 주상 변압기의 주요 고장유형을제작불량, 자연열화, 제작된 제품의 하자 그리고 낙뢰로 분류하였다. 즉 주상변압기는 설치된 후 8년 이내의 경우에는주로 일반형 변압기가 동력을 사용하는 사용자 지역에서 고장이 발생하고 있다는 것 이다.
- 따라서 선행연구에서 미흡한 점을 과거 3년간 축적된 주상변압기 고장발생 자료를 토대로 데이터 마이닝 기법의 의사결정 나무를 이용하여 다음과 같이 4단계로 나누어 연구를 진행한다. 첫째는여러 가지 데이터 마이닝 기법 중 주상변압기 고장 유형 분석에 적합한 데이터 마이닝 기법과 알고리즘을 선택한다. 본연구에 서는 고쟝 유형 분석에 적합한 의사결 정 나무의 CART 알고리즘을 선택하였다.
대상 데이터
- 이다. 표 3에서 보는 바와 같이 전체 데이터는 1,070개이고 고장유형별로 제작 불량, 자연열화, 하자 그리고 낙뢰에 의한 고장으로 구성되어 있다. 이 자료는 전국의 고장 유형과는 관리지역별 특성에 따라 낙뢰와 같은 자연현상의 점유율이 낮고 과부하로 인한 고장은 발생하지 않았으며, 타 지역에서는거의 없는 하자가 11%를 차지하고 있다.
이론/모형
- 첫째는여러 가지 데이터 마이닝 기법 중 주상변압기 고장 유형 분석에 적합한 데이터 마이닝 기법과 알고리즘을 선택한다. 본연구에 서는 고쟝 유형 분석에 적합한 의사결 정 나무의 CART 알고리즘을 선택하였다. 둘째는 선택한 데이터 마이닝 기법을 적용하기 위한 주상 변압기 고장에 영향을 주는 요인들을 선정하꼬 분석 방법을 구체화한다, 셋째는 : 주상변압기의고장유형과 고장요인과의 관계성을 분석하기 위해 자료 수집 시 주상변압기 고장발생 일시, 설치된 장소, 고장 변압기종듀, 궁급 전압, 날씨, 온도, 습도 그리고 변압기 이용률 등과같은 내용을 포함 한다, .
- 주상 변압기 고장유형에 대한 의사결정 나무를 CART 알고리즘을 이용하여 생성하였다. 여기서는 주상 변압기의 고장 유형을 규명하는 변수가 무엇인가를 찾아내는 것이 가장 중요한 사항이다.
성능/효과
- 즉., 자연열화와 제작불량이 주변 온도가 낮은 가을과 겨울에 97%를 나타내고 있으나 전체의 11%인 89대에 불과하고 고장 발생 가능성이 봄과여름에 비해 상대적으로 낮은 점을 고려하면 제품 품질이 향상될 경우 모두 해소될 수 있을 것으로 보인다.
- 주상 변압기 설치 초기에 집중적으로 발생하였던 하자 변압기는 3년이 초과된경우에는 단 1건도 발생되지 않은 것으로 나타나 고장기록관리가 우수하다고 할 수 있다. 결국 Node 3과 4를 통해 알 수 있는 것은 설치 후 8년 이하와 8년을 초과한 주상변압기의 고장 유형은 제작 불량과 자연열화에 의한 고장임을 확인할 수 있었다.
- 고장발생 월은 표4의 변수에서 발생 월이 2보다 작거나 같은 경우는 봄과 여름인 3월부터 8월에해당된다. 따라서 Node 11에서 보는 바와 같이 설치된 후 8 년 이상 경과 되어 고장이 발생한 주상 변압기의 93.1%가 자연열화에 의한 것으로 나타났으며, 제작 불량과 낙뢰로 인한고장이 7%를 점유하고 있다. 이것은 주로 습기가 많고 주위온도가 높은 봄과 여름철에 고장이 많이 발생하고 있다는것을 보여준다.
- 또한 Node 31과 32에서 보는 것과 같이 고장 당일의 습도가 60%를 초과한 경우에 제작 불량과 열화가 주로 발생한다는 것도 확인되었다. 세 번째 의사결정 나무를 분리한 결과를 종합하면 대부분의 변압기는 8년을 기점으로 설치된 지 8년 이하의 일반형 변압기 중 380V의 동력을 사용하고 있는 지역에서 주로 고장이 발생하며, 일반형 변압기 이외의 경우에는 제작사가 설립된 후 10년이 초과된 기업의 제품이 10 년 이하의 기업제품보다 6배 이상 고장 발생률이 높은 것을 알 수 있다.
- 것도 확인되었다. 세 번째 의사결정 나무를 분리한 결과를 종합하면 대부분의 변압기는 8년을 기점으로 설치된 지 8년 이하의 일반형 변압기 중 380V의 동력을 사용하고 있는 지역에서 주로 고장이 발생하며, 일반형 변압기 이외의 경우에는 제작사가 설립된 후 10년이 초과된 기업의 제품이 10 년 이하의 기업제품보다 6배 이상 고장 발생률이 높은 것을 알 수 있다. 여기에는 그동안 생산된 량의 누적에 의한 것도 작용되었을 것으로 추측된다.
- 수집된 자료 1, 070개를 의사결정 나무로 1단계 전개한 결과 고장유형은 총 785대의 자료 중 제작 불량에 의한 고장이 45%인 349대이고, 40%가 자연열화에 의한 고장 그리고 구입후 3년 이내에 고장이 발생한 하자 변압기가 11%인 90대, 낙뢰와 같은 자연현상으로 고장이 발생한 것은 4%인 30대이다. 그림6에서 보는 바와 같이 의사결정 나무 모형에서제시된 첫 번째 분리는 설치 경과 연수를 기준으로 전개되었다.
- 주상 변압기 설치 이후 8년을 기준으로 첫 번째 자료 분리결과를 토대로 나무 깊이를 2로 바꾸어 보니 두 번째 단계의분리결과가 그림 7과 같이 나타났으며 Node의 개수도 증가하였다.
후속연구
- 이것은 그동안 주상변압기는 비나 눈과 같이 기상이 나쁘고 주로 심야에 많이발생한다고 하는 것과는 다른 결과를 보여주고 있다. 이러한 결과를 토대로 향후 주상 변압기의 제작 시 내구성이 높은 재질을 사용하고 제품의 조립 과정에서 꼼꼼한 마무리로품질을 높일 경우 제작 불량과 같은 고장 유형은 크게 감소될것으로 판단된다. 또한 주상 변압기를 운전하고 관리하는 입장에서는 기온이 상승하는 봄과 여름철 그리고 주간과 야간에 고장이 많이 발생하는 점에 착안하여 기온이 상승하는봄철 이전에 주상 변압기의 이상 유무를 점검하여 불량우려변압기를 교체하고, 주로 고장이 많이 발생하는 100kVA미만의 주상변압기를 예비품으로 충분히 확보하여 돌발적인정전 시 현장에 가지고 이동하여 복구에 활용할 경우 사용자의 불편 시간을 단축할 수 있을 것이다.
- 이반 연구에서는 고장유형 자료를 취득지역으로 국한하여 분석하였기 때문에 타 지역에서 발생하고 있는 괴卜부하와 강풍, 폭설등과 같은 자연현상으로 주상 변압기의 고장이 발생하는 유형은 포함되지 않아 일반적인 결과라고 예측하기는 어렵다. 향후 보다 더 많은 자료를 전국을 대상으로 수집하여 유사조건하에서 고장이 발생할 경우 주상변압기의 고장유형을더욱더 정밀하게 예측할 수 있는 연구가 필요할 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.