[논문]트래킹에 의한 전기화재 가능성 예측

지승욱

doi:10.7731/kifse.2015.29.2.001

트래킹에 의한 전기화재 가능성 예측
Prediction for Possibility of the Electric Fire by Tracking Breakdown 원문보기

한국화재소방학회 논문지= Fire science and engineering, v.29 no.2, 2015년, pp.1 - 7

초록
AI-Helper

전기화재의 주요 원인 중 하나인 트래킹은 서서히 진전하는 특징을 가지기 때문에 진전단계를 분석함으로서 화재가능성을 예측할 수 있다. 본 논문은 부하가 연결된 모의 전기설비에서 트래킹에 의한 전기화재 가능성을 예측하고자 시도하였다. 부하는 무유도 저항을 사용하였고, 트래킹은 모의 전기설비의 일부인 비닐캡타이어 타원형코드에 전해액을 적하하여 발생시켰다. 트래킹에 의한 전기화재 가능성을 예측하기 위해 모의 전기설비의 전체 전류파형을 검출하였다. 전류파형으로부터 트래킹 진전을 분석하기 위해 시간-에너지 변환과 확률분포를 이용하였고, 이를 신경망에 입력함으로써 전기설비 내에서 전기화재의 발생가능성을 4단계로 예측할 수 있게 하였다.

Abstract ▼ AI-Helper

Tracking, which is one of main reasons of the electric fire, progresses gradually, and therefore, the possibility of fire caused by tracking can be predicted by analyzing the stage of its progress. This paper is conducted in order to predict possibility of the electric fire caused by the tracking in the simulated electric equipment with load. Non-inductive resistance is used as the load. The tracking is happened in a Polyvinyl-chloride-sheathed flat cord, which is a part of the simulated electric equipment by means of dropping of electrolyte droplet. In order to predict the possibility of electric fire caused by tracking, we detect the whole current waveforms of the simulated electric equipment. The time-energy analysis and probability distribution are used for analysis of the tracking progress from the whole current waveforms. In accordance with the results is used for input date of Neural networks, the neural networks can be predict possibility of the electric fire in the electric equipment by 4 stages.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구는 모의 전기설비 배선의 끝 부분에서 트래킹을 진행시켜 전기사고를 모의한 후, 전류를 측정하고 시간-에 너지 변환과 신경망을 사용하여 트래킹 진전 단계를 구별함으로써 트래킹으로 인한 전기화재 가능성을 예측하고자 시도하였다. 그 결과 다음과 같은 결론을 얻었다.
이에 본 연구는 옥외 및 이동용 전선으로 많이 쓰이고 있는 비닐캡타이어 타원형코드(PolyVinyl-Chloride-Sheathed Flat Cord, PVCSFC)를 시료로 사용하고, 부하를 연결한 상태에서 PVCSFC의 끝부분에 전해액을 적하하여 트래킹을 진전시킨 후, 측정한 부하전류로부터 신경망을 이용하여 트래킹 진전상태를 파악함으로써 트래킹에 의한 전기 화재 가능성을 예측하고자 시도하였다.

제안 방법

SS 단계일 때 구한 평균(m)과 표준편차(s)를 이용하여 4개의 구간, 즉 [− ∞, m + 3σ), [m + 3σ, m + 6σ), [m + 6σ, m + 9σ), [m + 9σ, ∞]을 만들고, Figure 6의 결과에 대하여 각 구간에 속하는 확률(이하 확률분포)을 구하여 Table 1에 나타냈다.
둘째, 시간-에너지 변환의 결과로부터 확률분포를 구한후, 이 값을 입력으로 하고, 트래킹 진전단계를 4단계로 구별할 수 있도록 신경망을 교육시켰다. 이 신경망을 통해, 동일조건으로 반복된 실험을 통해 취득한 전류파형에 대해 시간-에너지 변환과 확률변수를 신경망에 입력시킨 결과, 부하를 사용 중인 모의전기 설비에서도 트래킹의 발생 가능성을 4단계로 명확하게 구분하는 것을 확인하였다.
또한, 사고로 인한 단락 전극 간 전류가 KS C IEC 60112의 권고안인 1.0 ± 0.1 A를 넘지 않도록 하기 위해 220 Ω의 무유도 저항 R을 트래킹 시료에 직렬로 연결하였고, 트래킹 파괴를 알기 위해 0.5 A 정격의 퓨즈를 연결하였다.
첫째, 부하가 연결된 모의 전기설비 중 한 부분인 배선의 끝부분에서 트래킹을 발생시키고, 부하 전류를 측정하였다. 이 전류 파형에 대해 시간-에너지 변환을 수행함으로써 트래킹이 진전될수록 방전의 발생 횟수가 많아지고, 그 크기가 커지는 것을 확인할 수 있었다.
전기화재 가능성 예측을 위해 측정한 전류파형은 Figure 3과 같은 과정을 거쳐 처리된다. 측정한 전류파형에서 미세한 방전전류를 검출하고, 데이터 처리를 용이하게 하기위해 시간-에너지 변환을 수행한다. 다음으로 정상상태를 기준으로 만들어진 몇 개의 구간에 대한 확률분포를 구한다.
트래킹 진전과정은 Static states (SS, 정상상태), Carbonization at Insulation layer (CI, 절연층 탄화), Carbonization at Sheath layer (CS, 시스층 탄화) 및 Accumulation of Carbonized materials (AC, 탄화물 적층)등 4개의 단계로 나누어 관찰하였다. Figure 5는 각각의 경우에 대한 전류 파형을 나타낸 것이다.
트래킹 진전실험을 5회 반복수행하고, 각 단계별로 취득한 전류파형에 대해 시간-에너지 변환을 수행하고, 확률분포를 구한 후 신경망에 입력하였다. 그 결과 Table 2와 같은 결과가 얻어졌다.
확률분포를 신경망의 입력으로 하고, 트래킹의 진전단계를 SS, CI, CS 및 AC의 4단계로 출력할 수 있도록 신경망을 교육시켰다. 특히 트래킹 파괴에 가까워질수록 출력층 뉴런들이 점진적으로 반응하도록, 출력은 SS일 때 O1 = 0, O2 = 0, O3 = 0으로, CI일 때 O₁ = 1, O₂ = 0, O₃ =0으로, CS일 때 O₁ = 1, O₂ = 1, O₃ = 0으로, AC일 때 O₁=1, O₂ = 1, O₃ = 1로 출력되게 하였다.

대상 데이터

전류파형으로 전기화재 발생 가능성을 예측하기 위해 전류프로브(Tektronix, TCPA300 Amplifiers & TCP300)와 오실로스코프를 사용하였다.
Figure 6(a)는 Figure 5(a)의 전류파형에 대한 시간-에너지 변환의 결과를 보여준다. 한 섹션의 크기를 256개로 하였으며, 센션 간 간격을 18 (0.00036 s)로 하여 데이터를 중복 사용하였다. 기본 주파수가 약 195 Hz (1/(0.

이론/모형

입력층 뉴런 4개, 은닉층 뉴런 12개, 출력층 뉴런 3개를 갖는 다층 신경회로망(multi-layer neural network)이다. 활성화 함수(transfer function)는 식(4)의 시그모이드 함수(sigmoidal function)를 사용하였고, 목표치와 실제 결과값(actual output)의 차이를 줄이기 위해 백 프로퍼게이션(back propagation training) 알고리즘을 사용하였다.

성능/효과

CS 단계에 비해 X₄의 값이 매우 큰 것을 볼 수 있다. 신경망을 사용해 트래킹 진전 단계를 구분한 결과 각 단계별 차이를 뚜렷하게 구별하는 것을 볼 수 있었다.
둘째, 시간-에너지 변환의 결과로부터 확률분포를 구한후, 이 값을 입력으로 하고, 트래킹 진전단계를 4단계로 구별할 수 있도록 신경망을 교육시켰다. 이 신경망을 통해, 동일조건으로 반복된 실험을 통해 취득한 전류파형에 대해 시간-에너지 변환과 확률변수를 신경망에 입력시킨 결과, 부하를 사용 중인 모의전기 설비에서도 트래킹의 발생 가능성을 4단계로 명확하게 구분하는 것을 확인하였다.
첫째, 부하가 연결된 모의 전기설비 중 한 부분인 배선의 끝부분에서 트래킹을 발생시키고, 부하 전류를 측정하였다. 이 전류 파형에 대해 시간-에너지 변환을 수행함으로써 트래킹이 진전될수록 방전의 발생 횟수가 많아지고, 그 크기가 커지는 것을 확인할 수 있었다.

후속연구

다음으로 정상상태를 기준으로 만들어진 몇 개의 구간에 대한 확률분포를 구한다. 끝으로 이 확률분포를, 트래킹 진전단계별 확률분포의 패턴을 미리 교육받은, 신경망에 입력함으로써 전기화재 가능성을 예측하게 된다.
이상의 결과를 바탕으로 전기설비에서 트래킹으로 인한 전기화재 가능성을 예측함으로써 화재사고를 미연에 방지할 수 있는 전기화재진단 시스템 개발이 가능할 것이다. 현재는 보다 다양한 부하를 대상으로 트래킹 진전 단계를 구별하려는 연구를 진행하고 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	트래킹의 특징은?	전기화재의 주요 원인 중 하나인 트래킹은 서서히 진전하는 특징을 가지기 때문에 진전단계를 분석함으로서 화재가능성을 예측할 수 있다. 본 논문은 부하가 연결된 모의 전기설비에서 트래킹에 의한 전기화재 가능성을 예측하고자 시도하였다.
	본 연구에서 전류파형을 검출하여 트래킹을 분석하기 위해 사용한 분포는?	트래킹에 의한 전기화재 가능성을 예측하기 위해 모의 전기설비의 전체 전류파형을 검출하였다. 전류파형으로부터 트래킹 진전을 분석하기 위해 시간-에너지 변환과 확률분포를 이용하였고, 이를 신경망에 입력함으로써 전기설비 내에서 전기화재의 발생가능성을 4단계로 예측할 수 있게 하였다.

참고문헌 (11)

Korea Electrical Safety Corporation, "A Study on Hazard of Electrical Fire by Carbonization and Heating for a Wiring Apparatus" (1996).
S. W. Jee, K. G. Ok, S. K. Kim and C. H. Lee, "Detection of Indication of Electric Accident in Simulated Electric Equipments Using Standard Deviation and Probability Distribution", Journal of Korean Institute of Fire Science & Engineering, Vol. 23, No. 3, pp. 11-16 (2009).
T. Tanaka, K. Noto and J. Kitagawa, "A Basic Study on Outdoor Insulators of Organic Materials", IEEE Transactions on Electrical Insulation, Vol. EI-13, No. 3, pp. 184- 193, (1978).

상세보기
N. Yoshimura, M. Nishida and F. Noto, "Influence of the Electrolyte on Tracking Breakdown of Organic Insulating Materials", IEEE Transactions on Electrical Insulation, Vol. EI-16, No. 6, pp. 510-520 (1981).

상세보기
F. Noto and K. Kawamura, "Tracking and Ignition Phenomena of Polyvinyl Chloride Resin under Wet Polluted Conditions", IEEE Transactions on Electrical Insulation, Vol. EI-13, No. 6, pp. 418-425 (1978).

상세보기
S. W. Jee, C. H. Lee and K. S. Lee, "Classification of Bridge Current and Analysis of Heat Transfer Characteristics in Polyvinyl-Chloride-Sheathed Flat Cord Under Tracking", Journal of Electrical Engineering & Technology, Vol. 8, No. 1, pp. 176-182 (2013).

원문보기 상세보기
N. Yoshimura, M. Nishida and F. Noto, "Light Emission from Tracking Discharges on Organic Insulation", IEEE Transactions on Electrical Insulation, Vol. EI-19, No. 2, pp. 149-155 (1984).

상세보기
M. Nishida, N. Yoshimura and F. Noto, "Light Sensors as Detectors of Tracking Deterioration", IEEE Transactions on Electrical Insulation, Vol. EI-22, No. 4, pp. 509- 516 (1987).

상세보기
S. Kumagai and N. Yoshimura, "Impacts of Thermal Aging and Water Absorption on the Surface Electrical and Chemical Properties of Cycloaliphatic Epoxy Resin", IEEE Transactions on Dielectrics and Electrical Insulation, Vol. 7, No. 3, pp. 424-431 (2000).

상세보기
M. Nishida, N. Yoshimura, F. Noto and M. S. A. A. Hammam, "Detection of Tracking Carbon Path Using Visual and Thermal Images", IEEE Transactions on Electrical Insulation, Vol. 27, pp. 1050-1053 (1992).

상세보기
S. W. Jee, C. H. Lee and K. S. Lee, "Signal Analysis Methods to Distinguish Tracking Process Using Timefrequency Analysis", IEEE Transactions on Dielectrics and Electrical Insulation, Vol. 16, No. 1, pp. 99-106 (2009).

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증