초록 ▼

퍼지로직의 도입으로 인하여, 제어및 결정 변수가 많아지고 그 변수를 정량적으로 표 시할 수 없는 제어 및 결정시스템의 문제를 해결하기 위해서 최근 이 이론을 적용하는분야가 다양화되고 전력계통 분야에도 퍼지 로직이 적용되기에 이르렀다. 전력계통의 분야중 전력계통 보호분야는 그 제어 출력이 투입(Close)과 절체(open)의 바이너리 값을 갖지만 그 고장 검출이 어려운 고저항 지락이나 고장 조기발견을 위한 보호 분야에서는 입력 변수의 선정에 어려움이 있고 경험과 전문가가 없어서 그 보호 시스템을 결정하는데 큰 어려움이 있다.

퍼지로직의 도입으로 인하여, 제어및 결정 변수가 많아지고 그 변수를 정량적으로 표 시할 수 없는 제어 및 결정시스템의 문제를 해결하기 위해서 최근 이 이론을 적용하는분야가 다양화되고 전력계통 분야에도 퍼지 로직이 적용되기에 이르렀다. 전력계통의 분야중 전력계통 보호분야는 그 제어 출력이 투입(Close)과 절체(open)의 바이너리 값을 갖지만 그 고장 검출이 어려운 고저항 지락이나 고장 조기발견을 위한 보호 분야에서는 입력 변수의 선정에 어려움이 있고 경험과 전문가가 없어서 그 보호 시스템을 결정하는데 큰 어려움이 있다. 그리하여 이런 경우에는 보호제어기가 직접 스위치나 브 레이커를 제어하지 않고 운전원에게 정보를 제공하여 운전원으로 하여금 제어케 하는 시스템을 구성하고 있다. 본 연구는 이러한 전력계통 보호에 있어서의 바이너리 결정에 적용되는 퍼지로직을 알고리즘화하여 주어진 데이타에 의하여 퍼지멤버쉽 함수와 퍼지룰을 자동으로 유도하는 시스템을 완성하였다.주어진 데이타에만 의존하여 퍼지멤버쉽함수와 퍼지룰을 만들기 위해서는 주어진 데이타로부터 최대로 입력데이타와 출력간의 관계를 알아내야만 한다. 이러한 목적을 위 해서정보 엔트로피 개념을 도입하였고 정보 엔트로피 최소화의 법칙을 멤버쉽함수및 퍼지룰의유도에 적용하였다. 퍼지멤버쉽함수및 퍼지룰의 유도는 알고리즘으로 개발 하였고 PC환경에서 프로그램을 패키지화하여 어느 시스템에서도 실행되도록 하였다.퍼지 멤버쉽함수의 유도는 주어진 샘플공간을 주어진 구간으로 최적으로 구분하는데 그기본 원리가 있는데 이 것을 정보의 량의 증가의 정도에 따라 엔트로피의 증감을 계산하고이 앤트로피가 최소가 되는 지점, 즉 정보량의 증가가 최소가 되는 지점이 구간을 나누는가장 좋은 포인트로 작용하게 된다. 이 들 포인트에 의하여 샘플 공간 을 필요한 수만름분할하여 퍼지멤버쉽함수를 구하게 된다. 이렇게 유도한 멤버쉽함 수는 현실감이 없다는단점이 있지만 이 단점은 퍼지룰의 유도에 최적의 멤버쉽함수라는 것과 또한 이 멤버쉽함수는 주어진 데이타로부터 최대의 정보를 추출하여 만들어진 결과이므로 퍼지로직의 적용에가장 알맞은 멤버쉽함수가 된다는 장점을 보유하고 있다. 즉, 이러한 장점은 경험과 전문가가 없는 상태에서 데이타만 가지고 퍼지룰을 유도하고자하는 상황에서 큰 의미를 갖는다.퍼지룰의 유도는 유도된 멤버쉽 함수를 그대로 이용하는데 주어진 샘플공간에서 샘플을두 개의 클래스로 나누는데 있어 같은 앤트로피 공식을 이용하지만 샘플 수에 따라 룰로 나눌 수 있는 조합수가 너무 많아서 공식의 원리를 이용하여 간이화된 퍼지룰 유도 방법을 도입하였다. 이 도입된 방법은 주어진 샘플의 각 변수가 두 클래스로 나누는데 얼마나 기여하느냐에 따라서 분류하고 이 변수를 중심으로 룰을 구성하게 된다. 이 퍼지룰도 알고리즘화하여 입력 데이타만 있으며 바로 멤버쉽함수를 지나 퍼지화가 되고 이 퍼지화된 데이타는각 퍼지레이블에 따라서 바이너리 변수로 변화되고 간이화된 퍼지룰 유도방식에 따라 룰로나오게 된다. 본 연구에서 개발된 알고리즘은 PC환경에서 프로그램하고 이 것을 실제의데이타에 적응하여 그 적응가능성과 함께 좋은 성능을 동시에 관찰 할 수 있었다.

Abstract ▼

As the number of variables in control and decision making isincreasing and thequantification of the some of the variables is inappropriate, in manyareas inengineering field, there appears many cases of fuzzy logic applicationincludingelectric power systems. One of the electric

As the number of variables in control and decision making isincreasing and thequantification of the some of the variables is inappropriate, in manyareas inengineering field, there appears many cases of fuzzy logic applicationincludingelectric power systems. One of the electric power system fields, thepowersystem protection, deals with only two control outputs, open and close, however,ithas many difficulties in the proper selection of the input variable for thecontrol systems.Specifically, in the protection of high impedance faults andthe early detection ofincipient fault, it is the general practice for theprotection device to provide the status ofthe system to the operator so that heor she decides to open or close. In this research,the fuzzy logic applicator,which automates the binary decision-making of theaforementioned power systemprotection in fuzzy logic environment, was developed andimplemented.To derive fuzzy membership function and fuzzy ruled, only from the sample data,wehave to have a certain measure to draw maximum information regarding therelationshipbetween the inputs and the outputs of the data. For this purpose,we utilized theconcept of the entropy in information theory; we applied theentropy minimizationprinciple to the membership function derivation and the fuzzy rule determination.The main idea behind the derivation of fuzzy membership function is in theoptimaldivision of the sample space. The sample space is divided upon thechange in theinformation gain and loss which, later, is used to calculateentropy. The point whichshows the minimum information gain, and thus theminimum entropy, is the bestthreshold line to divide the sample into twoclasses. By using threshold lines in thesample space, fuzzy terms and theirmembership functions could be derived. However,the derived fuzzy membershipfunctions do not give a true picture of the real situation.This artificiality,however, does not lead to any problem for rule generation or inference.In reality, membership functions are meaningful only when they actually represent thesample data from which the fuzzy rules are derived.In the determination of fuzzy rules, the entropy minimization with a slightrevision wasalso used; analog inputs are first fuzzifed and then converted intobinary values in thecorresponding fuzzy term. The binary values are fed intothe entropy minimizationprinciple so that an optimal classification rule foreach fuzzy term can be determined.And we made it sure that the rule weight isalso derived along with fuzzy rule. Thisfuzzy logic applicator wasimplemented in PC environment and shown its appropriatenessas a fuzzy logicautomation system and high performance of classification.

목차 Contents

• 목차...6
• 1. 서론...7
• 1.1 연구배경...7
• 1.2 연구목적...7
• 1.3 연구범위...8
• 2. 퍼지로직 적용 자동화 시스템...10
• 2.1 퍼지로직...10
• 2.1.1 퍼지로직...10
• 2.1.2 전력계통보호화 퍼지로직...12
• 2.2 퍼지로직 적용의 알고리즘화...14
• 2.2.1 퍼지로직의 적용환경및 문제점...14
• 2.2.2 전력계통보호에 대한 퍼지로직 적용의 문제...16
• 2.2.3 퍼지로직 적용의 알고리즘적 접근...16
• 2.3 엔트로피 이론에 대한 퍼지로직 적용 시스템...17
• 2.3.1 엔트로피 이론...17
• 2.3.2 퍼지 멤버쉽함수의 유도...20
• 2.3.3 퍼지룰의 유도...25
• 2.3.4 퍼지 인퍼런스(추론)...30
• 2.4 퍼지 로직 자동화 알고리즘의 실현(FLA : Fuzzy logic Applicator)...31
• 2.4.1 FLA 프로그램 구조...31
• 2.4.2 FLA의 실행...32
• 2.4.3 FLA의 실적용...32
• 3. 결과...34
• 4. 고찰...35
• 5. 결론...36
• 6. 인용문헌...37
• 부록 1 샘플데이타...38
• 부록 2 Training 데이타...39
• 부록 3 테스트 데이타...40
• 부록 4 Threshold Value와 Centor points 목록...40
• 부록 5 4 변수의 Membership function...41
• 부록 6 Fuzzy Term NB의 바이너리 테이블...42
• 부록 7 퍼지룰...42
• 부록 8 Overall-match method 시험...43
• 9. 연구수행관련 논문발표 목록서...44
• 10. 자체평가서...45