전주(Electric Pole)는 전력 송/배전에 사용되는 지지물로 외력 측정을 위해 가속도 센서가 이용된다. 기상현상은 전주의 외력에 다양한 영향을 미친다. 가공전선의 탄성변화가 그중 하나이다. 이러한 이유로 전주에 미치는 기상현상 요인을 모델링 하는 것은 매우 중요하다. 가속도 센서로부터 수신된 데이터는 피치(Pitch)와 롤(Roll) 각도로 변환되어 수신된다. 기상 현상은 변수간 상관관계가 높게 나타나며, 모델링을 위해 유의한 설명변수를 선택하는 것은 과대적합(Over Fitting)의 문제에서 매우 중요한 요소이다. 다중공선성(Multicollinearity)을 고려한 설명력이 높은 모델 구축을 위해 기계학습 방법의 하나인 일반화 가법 모형(Generalized Additive Model)을 사용했다. 모델 구축에 사용된 기상 요인 변수는 온도, 습도, 강수량, 풍속, 풍향, 증기압, 대기압, 노점온도, 일조시간, 일사량, 운량이다. 분산 팽창 요인 검증을 수행한 결과 온도, 강수량, 풍속, 풍향, 대기압, 노점온도, 일조시간, 운량의 변수가 선택됐다. 설명변수중 일조시간, 운량, 대기압의 영향도가 높게 나타났으며, 일반화 가법 모형의 평균 결정계수(R-Squared)는 0.69로 유의한 모델을 구축했다. 구축된 모델은 전주 외력의 영향을 예측하는데 도움이 될 수 있을 것이며, 안전성 확보의 목적에 기여할 수 있을 것이라 생각한다.
전주(Electric Pole)는 전력 송/배전에 사용되는 지지물로 외력 측정을 위해 가속도 센서가 이용된다. 기상현상은 전주의 외력에 다양한 영향을 미친다. 가공전선의 탄성변화가 그중 하나이다. 이러한 이유로 전주에 미치는 기상현상 요인을 모델링 하는 것은 매우 중요하다. 가속도 센서로부터 수신된 데이터는 피치(Pitch)와 롤(Roll) 각도로 변환되어 수신된다. 기상 현상은 변수간 상관관계가 높게 나타나며, 모델링을 위해 유의한 설명변수를 선택하는 것은 과대적합(Over Fitting)의 문제에서 매우 중요한 요소이다. 다중공선성(Multicollinearity)을 고려한 설명력이 높은 모델 구축을 위해 기계학습 방법의 하나인 일반화 가법 모형(Generalized Additive Model)을 사용했다. 모델 구축에 사용된 기상 요인 변수는 온도, 습도, 강수량, 풍속, 풍향, 증기압, 대기압, 노점온도, 일조시간, 일사량, 운량이다. 분산 팽창 요인 검증을 수행한 결과 온도, 강수량, 풍속, 풍향, 대기압, 노점온도, 일조시간, 운량의 변수가 선택됐다. 설명변수중 일조시간, 운량, 대기압의 영향도가 높게 나타났으며, 일반화 가법 모형의 평균 결정계수(R-Squared)는 0.69로 유의한 모델을 구축했다. 구축된 모델은 전주 외력의 영향을 예측하는데 도움이 될 수 있을 것이며, 안전성 확보의 목적에 기여할 수 있을 것이라 생각한다.
Electric pole is a supporting beam used for power transmission/distribution which accelerometer are used for measuring a external force. The meteorological condition has various effects on the external forces of electric pole. One of them is the elasticity change of the aerial wire. It is very impor...
Electric pole is a supporting beam used for power transmission/distribution which accelerometer are used for measuring a external force. The meteorological condition has various effects on the external forces of electric pole. One of them is the elasticity change of the aerial wire. It is very important to perform modelling. The acceleration sensor is converted into a pitch and a roll angle. The meteorological condition has a high correlation between variables, and selecting significant explanatory variables for modeling may result in the problem of over-fitting. We constructed high deviance explained model considering multicollinearity using the Generalized Additive Model which is one of the machine learning methods. As a result of the Variation Inflation Factor Test, we selected and fitted the significant variable as temperature, precipitation, wind speed, wind direction, air pressure, dewpoint, hours of daylight and cloud cover. It was noted that the Hours of daylight, cloud cover and air pressure has high explained value in explonatory variable. The average coefficient of determination (R-Squared) of the Generalized Additive Model was 0.69. The constructed model can help to predict the influence on the external forces of electric pole, and contribute to the purpose of securing safety on utility pole.
Electric pole is a supporting beam used for power transmission/distribution which accelerometer are used for measuring a external force. The meteorological condition has various effects on the external forces of electric pole. One of them is the elasticity change of the aerial wire. It is very important to perform modelling. The acceleration sensor is converted into a pitch and a roll angle. The meteorological condition has a high correlation between variables, and selecting significant explanatory variables for modeling may result in the problem of over-fitting. We constructed high deviance explained model considering multicollinearity using the Generalized Additive Model which is one of the machine learning methods. As a result of the Variation Inflation Factor Test, we selected and fitted the significant variable as temperature, precipitation, wind speed, wind direction, air pressure, dewpoint, hours of daylight and cloud cover. It was noted that the Hours of daylight, cloud cover and air pressure has high explained value in explonatory variable. The average coefficient of determination (R-Squared) of the Generalized Additive Model was 0.69. The constructed model can help to predict the influence on the external forces of electric pole, and contribute to the purpose of securing safety on utility pole.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
일반적으로 모델링 데이터의 검증을 위하여 평균 제곱근 편차(Root Mean Square Error; RMSE) 등의 검증 방법을 이용하지만, 본 논문의 데이터는 기상현상에 의한 외력을 모델링 한 것으로, 모델의 오차는 기상현상이 아닌 인적 외력 등의 가능성이 존재하므로 오차 검증은 의미를 갖지 않는다. 본 논문에서는 관측 데이터와 모델링 데이터 사이의 잔차(Residuals)를 통해 영향 요인을 제거하기 위한 목적으로 모델링을 수행했다. 관측 데이터와 모델링 데이터 사이의 잔차(Residuals)는 다음과 같다.
본 논문에서는 기상 현상에 의한 외력을 모델링하고 이에 따른 영향을 관측데이터에서 제거하여 임계치 설정의 문제를 해결하고자 진행된 연구이다. 관측 데이터와 모델링 데이터의 잔차는 기상요인에 의한 외력을 제거한 결과로 다른 외력 요인(비승인 작업, 철거 등의 인적요인)의 상황에 대한 추가 분석이 요구된다.
본 논문에서는 문제의 해결을 위해 관측 데이터로부터 나타나는 잡음과 기상현상에 의한 편향을 모델링하고, 관측 데이터와 모델링 데이터 사이의 잔차(Residuals)를 통해 영향요인을 제거하고자 한다. 잡음은 확률적인 상태공간 모델과 측정 데이터를 이용하여 재귀적으로 상태변수를 찾아내는 확률모델인 칼만 필터링 방법을 이용하여 보정(Correction) 했다.
제안 방법
GAM의 반응변수(Response Variable)를 피치각, 롤각으로 설정하고, 설명변수(Explanatory Variable)로 온도, 습도, 강수량, 풍속, 풍향, 증기압, 대기압, 노점온도, 일조시간, 일사량, 운량 등의 변수를 이용하여 모델링을 수행했다. 모델링과정에서 설명변수간의 높은 상관성(Correlation)으로 인해 나타나는 다중공선성(Multicollinearity) 문제는 반복적인 분산 팽창 요인(Variation Inflation Factor; VIF) 검증 과정을 통해 고려했다.
일반화 가법 모형은 기계학습 알고리즘의 하나로, 데이터 패턴 모델링과 설명변수의 영향도 분석과 패턴 모델링에 적합하다. 본 논문에서는 기상영향 요인을 설명변수로 한 일반화 가법 모델을 사용한다. Equation (5)의 설명변수와 연결함수에 대한 수식에 따라 정규분포를 가정한 모델은 Equation (7)과 같이 정리된다.
피치각의 측정 위는 0～-180 이며, 롤각의 측정 범위는 0～90이다. 본 논문에서는 변량이 매우크고 측정범위를 초과하는 피치각을 기준으로 분석과 모델링을 진행했다.
그러나, 수집된 데이터는 기상 요인(장력 변화)에의한 데이터의 편향과 잡음이 매우 크게 반영되어 센서 측정값의 임계치를 초과하는 문제가 발생된다. 본 논문에서는 측정된 센서값에서 편향과 잡음을 제거하는 방법을 기술하고, 기상현상에 의한 외력은 일반화 가법 모형을 이용하여 모델링을 수행했다.
대상 데이터
분석대상은 전주에 설치된 가속도계에서 수집된 데이터를 바탕으로 한다. 2016년 9월 1일부터 2016년 9월 30일까지 한 달간 수집된 데이터이다.
센서 노드에서 측정되는 3축 가속도계로부터 측정된 값은 피치(Pitch)각, 롤(Roll)각으로 변환하여 수집중이며, 주변 환경변화를 모니터링하기 위해 온도, 습도, 대기압 등의 기상 데이터를 수집한다. 그러나 관측 데이터는 측정 잡음(Noise)을 포함하고 있으며, 온도, 습도, 대기압 등의 기상현상에 의한 외력으로 인해 나타나는 가공전선(Aerial Wire)의 탄성(Elasticity) 변화로 데이터의 편향(Bias)이 매우 크게 나타난다.
이에 따라 기상 현상에 의한 편향 요인의 외력을 모델링하기 위해 기상청에서 제공하는 자료를 사용한다. 지역별로 관측 장비 자료와 목측(目測)에 의한 종관기상관측 자료를 제공한다.
데이터처리
05를 기준으로 습도, 강수량, 증기압, 대기압, 노점온도, 일조시간, 운량에서 강한 선형성이 나타난다. 과대 적합의 문제로 나타나는 다중공선성을 고려하기 위해 피치각에 대한 분산 팽창 요인(VIF) 검증을 수행했다.
데이터간의 높은 상관관계는 강한 선형성을 의미하며, 이는 선형 모델을 사용함으로서 설명 변수간의 상관관계를 확인할 수 있다. 선형 모델은 모수검정 기법인(T-test)를 기반으로 수행했으며, 계산된 유의확률(P-Value)과 검정값(T-Value)을 Table 2에 나타냈다.
이론/모형
2는 칼만필터 수행의 결과이다. 변환시점에서 발생되는 오차와 외적 요인에 의한 잡음(Noise)과 이상치의 보상 방법으로 칼만 필터를 이용하여 전처리 과정을 수행했다. 칼만 필터링 결과 Fig.
본 논문에서는 문제의 해결을 위해 관측 데이터로부터 나타나는 잡음과 기상현상에 의한 편향을 모델링하고, 관측 데이터와 모델링 데이터 사이의 잔차(Residuals)를 통해 영향요인을 제거하고자 한다. 잡음은 확률적인 상태공간 모델과 측정 데이터를 이용하여 재귀적으로 상태변수를 찾아내는 확률모델인 칼만 필터링 방법을 이용하여 보정(Correction) 했다. 수집되는 피치각, 롤각 데이터의 분포는 편향으로 인해 치우침(Skewed)이 존재하는 비모수(Non-parametic), 비선형(Non-linear) 형태로 나타난다.
성능/효과
결과적으로 일반화 가법 모형을 사용하여 구축한 모델은 수정된 결정계수(adjusted-R 2) 0.642로 모델의 설명력은 65.8%이다. 본 논문의 결과로 기상요인의 영향을 모델링하기 위한 유의한 모델을 구축하였으며, 이를 통해 안전성 확보의 목적에 기여할 수 있을 것이라 생각한다.
설명력이 높은 모델을 구축하기 위해 반응변수를 피치로 한 일반화 가법 모형(GAM)을 사용했으며, 적합(Fitting)결과 유의확률 5%, 유의수준 0.05에서 사용된 설명변수 모두 유의한 결과를 보인다. 설명 변수 중 대기압, 일조시간, 운량의 영향이 높게 나타났다.
후속연구
본 논문에서는 기상 현상에 의한 외력을 모델링하고 이에 따른 영향을 관측데이터에서 제거하여 임계치 설정의 문제를 해결하고자 진행된 연구이다. 관측 데이터와 모델링 데이터의 잔차는 기상요인에 의한 외력을 제거한 결과로 다른 외력 요인(비승인 작업, 철거 등의 인적요인)의 상황에 대한 추가 분석이 요구된다. 또한, 전주는 형태(Type)/설치 지역에 따라 다양한 기상영향의 효과를 보인다.
또한, 전주는 형태(Type)/설치 지역에 따라 다양한 기상영향의 효과를 보인다. 이에 따라 형태/지역별 분류가 필요하며, 상황에 따른 높은 설명력을 갖는 공통 적용 모델을 구축하는 연구가 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
일반화 가법 모형은 어떤 모델링 방법인가?
일반화 가법 모형(Generalized Additive Model; GAM)은 기상현상(온도, 습도, 기압 등)에 의한 편향의 효과를 고려하고, 선형(Linear)관계 모형으로 적합(Fitting)하기 어려운 설명변수와의 관계를 평활함수(Smoothing Spline Function)를 이용하는 모델링 방법으로 기상현상에 의한 외력을 모델링하는데 적합하다.
다중공선성이란 무엇인가?
다중공선성은 설명변수간의 높은 상관관계로 인해 모델계수의 신뢰도에 영향이 존재하는 것을 말한다. 모델 적합(Fitting)이전에 설명변수들의 상관관계를 확인하는 과정이 수행되어야 한다.
전주의 외력에 기상현상이 다양한 영향을 미치기 때문에 가장 중요한 것은 무엇인가?
가공전선의 탄성변화가 그중 하나이다. 이러한 이유로 전주에 미치는 기상현상 요인을 모델링 하는 것은 매우 중요하다. 가속도 센서로부터 수신된 데이터는 피치(Pitch)와 롤(Roll) 각도로 변환되어 수신된다.
참고문헌 (18)
J. G. Park, K. Y. Yoon, D. H. Won, and Y. J. Kang, "Behavior analysis by unequivalent tension for snapping wire at transmission pole," Civil Expo 2007, Korean Society of Civil Engineers, pp.241-244, 2007.
S. K. Yang, "A Study on Soundness and Safety Improvement of Concrete Pole," The Transactions of the Korean Institute of Electrical Engineers, pp.389-390, 2016.
G. D. Oh, K. S. Kim, D. S. Park, H. Y. Lee, and D. M. Kim, "Behavior of Concrete Electric Pole Foundation on Lateral Load," The Transactions of the Korean Institute of Electrical Engineers, pp.1577-1578, 2014.
K. Y. Yoon and Y. J. Kang, "Development of foundation reinforcing technique and supplementation installation for increasing the safety factor about upset of concrete pole," Asan-si Cungcheongnam-do Republic of Korea: Sunmoon Univ, R-2005-7-151, 2007.
B. G, B. W. Min, T. W. Woo, H. B. Wi, and J. W. Park, "Research on Wind Pressure Criteria of the Transsmission Tower," The Korean Institute of Electrical Engineers, KIEE, Vol.13, No.15, pp.20-22, 2003.
Y. C. Wong, S. H. Cho, G. H. Kim, J. S. Park, D. H. Kim, and S. C. Lee, "An Experiment on Guy Tensions and Stub Strengths," The Transactions of the Korean Institute of Electrical Engineers, pp.5-6, 2006.
Y. C. Wong, S. J. Sun, and J. Y. Jung, "A Study on Vertical Clearances of Overhead Distribution Conductor Tensioned by Standard Sag of KEPCO in," The Transactions of the Korean Institute of Electrical Engineers, pp.309-310, 2009.
H. Oh, "A Study on the Protect Measures and Impact of Electric Pole for Abnormal Tension of Messenger Wire," Journal of the Korean Institute of Illuminating and Electrical Installation Engineers, Vol.20, No.3, pp.78-83, 2006.
D. M. Kim and D. C. Ra, "The Characteristic Analysis of Breaking Failure on ASCSR-OC Conductor," The Transactions of the Korean Institute of Electrical Engineers, pp.185-187, 2008.
Liu. H, "Generalized Additive Model," Ph. D. dissertation, University of Minnesota Duluth, Duluth, MN, USA, 2008.
M. J. Choo, "A Study on the Application of Generalized Additive Model in predicting customer churn of the mobile phone company," Master, Ewha Womans Univ, Korea, 2011.
B. Portugais and M. Khanal, "State-Space Models With Kalman Filtering for Freeway Traffic Forecasting," International Journal of Modern Engineering, Vol.15. No.1, pp.11-14, 2014.
G. Petris and S. Petrone, "State Space Models in R," Journal of Statistical Software, Vol.41. No.4. pp.1-25, 2011.
Korea Meteorological Administration (KMA) [Internet], http://data.kma.go.kr.
G. Petris, S. Petrone, and P. Campagnoli, "Dynamic Linear Models with R," Springer Science Business Media, 2009.
Gudmund R. Iversen and Helmut Norpoth, "Analysis of Variance," Sage Publications, Incorporated, 1987.
J. Songok, P. Salminen, and M. Toivakka, "Temperature effects on dynamic water absorption into paper," J. Colloid Interface Sci., Vol.418, pp.373-377, 2014.
P. S. Nasirabadi, H. Conseil-Gudla, S. Mohanty, M. Jabbari, R. Ambat, and J. H. Hattel, "Semi-empirical prediction of moisture build-up in an electronic enclosure using analysis of variance (ANOVA)," 2016 IEEE 18th Electronics Packaging Technology Conference (EPTC), pp.785-790, 2016.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.