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.
제안 방법
- 단로기에서 발생되는 부분방전 신호를 유도성 센서를 이용해 측정하고, 검출된 신호를 패턴화하여 규격화 하고, 신경회로망 알고리즘을 이용해 단로기에서 발생할 수 있는 고장 조건별로 좀더 다양한 실험을 실시하여 이상신호 특성을 분석하였으며, 다음과 같은 결론을 얻었다.
- 학습은 각 패턴별로 대표적인 신호 20개씩을 임의적으로 선정하여 실행하였다. 데이터의 분석은 위상- 방전량에 발생 개수를 누적하여 이를 입력 데이터의 신호로 재처리 하였다. 중간층은 1개의 은닉층으로 구성하여 뉴런 갯수를 30개로 설정하였고, 출력층 뉴런은 앞에서 설명한 고장 source의 갯수인 4개로 설정하였다.
- 분석하였다. 모의실험 설비는 현장에 설치된 170kV GIS 단로기(DS)와 동일한 형태로 제작하여 구성하고, 실험결과 최종적으로 검출된 신호에 대하여 신경회로망 알고리즘을 적용하여 패턴인식을 실시하여 특성을 분석하였다.
- 본 논문에서는 GIS 단로기내에서 이상신호를 단로기의 가동자와 고정자의 극간거리(1mm), 침 전극, 파티클 그리고 normal(일반조건)에서 발생하는 이상 신호를 유도성 센서 (Lemke Prove(LDP-5))를적용하여, 이때 나타나는 신호를 검출하였으며, 전압은 고전압 설비 (Hipotronics, max 200kV, 60Hz) 를 이용하였다.
- 검출데이터의 취득. 분석 및 저장을 위하여 LabVIEW 소프트웨어를 이용하였으며, 신경망 알고리즘은 직접 개발하였다.
- 위에서 검토한 알고리즘을 적용하여 4가지의 조건별로 구분하고, 학습을 시킨 후 개발 프로그램에 적용하여 분석하였다. 적용 결과를 나타낸 표 1을 살펴보면 각 조건별로 만족할 만한 인식율의 결과가 나타났다.
- 이에 따라 본 연구에서는 단로기의 내부에서 발생할 수 잇는 고장 조건을 모의하여 부분 방전을 발생 시켜 이상신호를 분석하고자 하며, 검출된 신호 특성의 해석은 유도성 센서를 적용하여 검출된 신호를 분석하였다. 모의실험 설비는 현장에 설치된 170kV GIS 단로기(DS)와 동일한 형태로 제작하여 구성하고, 실험결과 최종적으로 검출된 신호에 대하여 신경회로망 알고리즘을 적용하여 패턴인식을 실시하여 특성을 분석하였다.
- 이의 결과를 바탕으로 현장에 설치된 것과 동일한 170kV, 31.5kA 단로기(DS)를 모델링하여 GIS 전문 제작회사에 의뢰하여 시료를 제작하였다. 본 연구를 위한 모의실험 시료는 3상 분리형 모델로 한 상(one phase)만을 독립적으로 제작하였으며, 이의 구성은 1개의 단로기①S)와 2개의 접지 개폐기 (ES) 를 조합하여 구성하였다.
- 실시하였다. 즉, 출력층 뉴런의 학습신호는 단로기의 가동자와 고정자 간격(극간 gap)이 1mm 일 경우 [1, 0, 0, 0], 침전극 [0, 1, 0, 0], 파티클 신호일 경우 [0, 0, 1, 0], normal [0, 0, 0, 1]로 설정하였다. 학습은 최소오차가 0.
대상 데이터
- 5kA 단로기(DS)를 모델링하여 GIS 전문 제작회사에 의뢰하여 시료를 제작하였다. 본 연구를 위한 모의실험 시료는 3상 분리형 모델로 한 상(one phase)만을 독립적으로 제작하였으며, 이의 구성은 1개의 단로기①S)와 2개의 접지 개폐기 (ES) 를 조합하여 구성하였다. 크기는 4800mm(길이)x2625mm(높이)이고, 지지용 가대에 운반이 용이한 절연바퀴를 부착한 구조로 하였다.
- 데이터의 분석은 위상- 방전량에 발생 개수를 누적하여 이를 입력 데이터의 신호로 재처리 하였다. 중간층은 1개의 은닉층으로 구성하여 뉴런 갯수를 30개로 설정하였고, 출력층 뉴런은 앞에서 설명한 고장 source의 갯수인 4개로 설정하였다. 입력층, 은닉층, 출력층 사이의 활성 함수는 Sigmoid 전달함수를 사용하였다[3].
- 본 연구를 위한 모의실험 시료는 3상 분리형 모델로 한 상(one phase)만을 독립적으로 제작하였으며, 이의 구성은 1개의 단로기①S)와 2개의 접지 개폐기 (ES) 를 조합하여 구성하였다. 크기는 4800mm(길이)x2625mm(높이)이고, 지지용 가대에 운반이 용이한 절연바퀴를 부착한 구조로 하였다. 그림 1은 170kV GIS용 단로기(DS)의 모의실험 개략도를 나타내었다.
- 입력의 파라메타 갯수는 140개이다. 학습은 각 패턴별로 대표적인 신호 20개씩을 임의적으로 선정하여 실행하였다. 데이터의 분석은 위상- 방전량에 발생 개수를 누적하여 이를 입력 데이터의 신호로 재처리 하였다.
데이터처리
- 그림 1에 구성한 것처럼, 신호처리장치 (A/D Board, Portable PC)에 유도성 센서를 연결하여 신호를 취득하였으며, 비교. 분석을 위하여, 오실로스코프(TDS 7404A)와 고전압 설비에 PD 분석기 (Robinsion Instrument, Model 5, Type 700)을 사용하였다.
이론/모형
- 부분방전 패턴인식을 위하여 이용한 신경회로망은 여러 알고리즘중 다중 구조를 가지는 역 전파학습 알고리즘(Back-Propagation Algorithm)을 이용하였다. 입력의 파라메타 갯수는 140개이다.
- 중간층은 1개의 은닉층으로 구성하여 뉴런 갯수를 30개로 설정하였고, 출력층 뉴런은 앞에서 설명한 고장 source의 갯수인 4개로 설정하였다. 입력층, 은닉층, 출력층 사이의 활성 함수는 Sigmoid 전달함수를 사용하였다[3].
※ AI-Helper는 부적절한 답변을 할 수 있습니다.