논문 2014-51-6-29
예방진단기술을 이용한 지능형 GIS 감시시스템에 관한 연구
( A Study on a Intelligent GIS Monitoring System using the Preventive Diagnostic Technology )
박 기 영*, 이 종 하*, 조 숙 진**, 최 형 기***, 정 의 붕*****
( Kee-Young Parkⓒ, Jong-ha Lee, Sook-jin Cho, Hyung-ki Choi, and Eui-bung Jung )
요 약
본 논문에서, 가스절연개폐장치(GIS)의 정상상태와 비정상상태에 대해 예방진단기술을 이용하여 자세하게 서술하였다. 이 기술은 지능형 GIS 감시시스템에 의해 저장된 GIS의 데이터의 분석과 진단에 근거한다.
GIS음의 파형은 방전과 자체내의 코로나 방전음에 의해 발생되는 것으로 잡음과 비슷하다. 그러므로, 본 논문에서, GIS음의 정상 상태와 비정상 상태로 분류하는데, 정상과 비정상 상태를 레벨교차율(LCR)과 스펙트로그램 에너지비율로 이용하여 구분 하였다.
Abstract
In this study, we give a detailed account of normal and abnormal state of GIS(Gas Insulated Switch-gear) using the preventive diagnostic technology.
And it is based on the analysis and diagnosis for storing data of GIS by intelligent GIS monitoring system. The wave shape of GIS sound is similar to noise and is systematically generated by discharge and its corona sound. Therefore, in this paper, to classify normal and abnormal GIS sound. We could discriminate between normal and abnormal case using level crossing rate(LCR) and spectrogram energy rate.
KeyWords : GIS(Gas Insulated Switch-gear), Preventive Diagnostic Technolog, Spectrogram Energy
* 정회원, 전주비전대학교 디지털전자정보과,
(Department of Digital Electronics & Information, VISION University College of Jeonju)
** 정회원, 전주비전대학교 건축과
(Department of Architecture Engineering, VISION University College of Jeonju)
*** 정회원, 썬메디텍(주) (SUNMEDITEC Co., Ltd.)
**** 정회원, 호원대학교 자동차기계공학과, (Department of Automotive & Mechanical Engineering, HOWON University)
ⓒ Corresponding Author(E-mail: [email protected]) 접수일자: 2014년01월10일, 수정일자: 2014년05월01일 수정완료: 2014년05월29일
I. 서 론
최근 송전전한의 765(KV) 승압과 고신뢰도를 가지는 전력 공급의 필요성이 날로 증가됨에 따라 전력 기기의 이상진단을 검출하여 사고나 장해를 미연에 방지하는 이상진단의 중요성이 커지고 있다.
현재의 전력기기에 사용되는 진단방법으로는 가스분 석에 의한 화학적 검출법, 초음파 측정 혹은 진동 측정에 의한 기계적 검출법, 부분방전 측정을 위한 RF측정법, UHF측정법 같은 전기적 검출법 등이 제시되고 있다.
이러한 진단방법 중 화학적 검출법의 진단 알고리즘 은 특정한 화학물질의 검출량의 증가 및 변화 추이에 따른 분석이고 기계적 검출법과 전기적 검출법의 진단 알고리즘은 신호의 Vpp 값의 비교, 펄스 수 계측, 위상 에 따른 분석법 등이 있다[1].
그러나 기존의 진단 알고리즘들은 시스템 내부의 측 정신호를 정확히 검출하지 못하고, 또한 외부 노이즈를 분리하여 분석하는데 어려움을 겪고 있다.
이런 이유로, 시스템의 고장에 대해 오랜 경험을 지 닌 기술자들이 청진기로 소리를 듣고 고장을 진단하는 것에 착안하여 시스템 내부에서 나오는 소리 즉 시스템 의 청진음을 통하여 가청주파수대역의 한계로 들리지 않는 미세한 소리까지 수집한 데이터를 시간영역과 주 파수영역에서 분석하여 비교하였다. 본 논문에서는 자 체 제작된 지능형 GIS 감시시스템을 이용하여 수집한 데이터를 분석하여 시스템을 감시하고 이상이 있을 경 우 경보를 통해 시스템의 안전성을 확인하고 장애를 미 연에 방지하도록 하였다.
Ⅱ. GIS(Gas Insulated Switch-gear)데이터
2.1 GIS Data 와 GIS음(GIS sound)
GIS는 금속성의 밀폐용기 내에 육불화유황가스(SF6) 를 봉입함으로 인해 절연성을 확보하기 때문에 신뢰성, 소형화, 내환경성, 안전성 등이 높아 고객들의 수전설비 나 변전설비 등의 주력개폐설비로 널리 이용되고 있다.
그러나 밀폐구조이며 또한 만일에 내부에서 이상이 발생할 경우에는 그 상황을 외부에서 직접 확인하기가 매우 어렵기 때문에 발견이 늦어진 경우에는 중대한 사 고로 발전될 우려가 있어 각종 센서를 활용해 간접적으 로 고장의 징후를 검출하는 내부진단장치가 활용되고 있다.[2]
GIS내부에서 발생하는 소리는 부분방전에 의해 용기 에 발생하는 미약한 기계진동음과 가속도 센서를 통해 검출되는 기계음 그리고 부분방전에 의해 절연스페이서 간에 발생한 전위차에 의한 음을 측정하는 것이다.
2.2 GIS Sound Data 수집
GIS Sound Data 수집은 그림 1의 구조를 갖는 GIS 음 검출 시스템과 그림 2의 Visual C++로 제작된 GIS 음 분석 소프트웨어를 이용하여 데이터를 수집하였다.
그림 1. GIS음 검출시스템 Fig. 1. GIS sound detect system.
그림 2. GIS음 수집 및 분석 소프트웨어
Fig. 2. GIS sound collecting and analysis software.
마이크로부터 입력된 GIS음은 그림 1과 같이 증폭기와 하드필터를 거친 후, 아날로그 데이터를디지털데이터로 변환하는 ADC를 통해 컴퓨터의 USB 포트로 전송된 다. 여기서 데이터는 16bit, 20KHz로 녹음되었다. GIS 음 데이터 수집은 한국전력에 설치한 시제품 시스템에 서 수집한 데이터를 분석하였다.
수집된 데이터는 평상시의 GIS음(a)과 GIS GAS를 충전할 때의 음(b), 전력소 내의 작업으로 인한 주위잡 음을 포함한 GIS음(c), 임의로 GIS를 절체했을 때의 GIS음(d)의 데이터를 비교해 보면, 평상시와 절체시의 소리가 확실히 구분(그림 3)됨을 확인 할 수 있다.
2.3 GIS음 데이터의 분석
GIS음 데이터에 첨가된 비정상적인 음을 보면 연속 음과 비연속 음으로 나눌 수 있다. 연속적으로 표시되 는 GIS음 데이터는 평상시 일정하게 발생되는 부분방
(a)
(b)
(c)
(d) 그림 3. GIS음의 시간영역과 주파수영역
(a)평상시의 GIS의 음 (b) GIS GAS 충전상태 중의 음
(c) GIS근처에서 인부가 작업 할 때의 잡음상태음 (d) GIS의 절체시의 음 Fig. 3. Time and frequency domain of GIS sound.
(a)GIS sound of normal. (b) Sound of GIS gas charging state.
(c) Working noise sound of the near GIS (d) GIS switching sound.
전소리와 기계진동음으로 발생된다. 이때에 발생되는 소리는 낮은 주파수의 음으로 발생된다. 이 내용을 그 림 3의(a)에 3단 그래픽으로 표시된다. 즉, 맨 아랫부분 은 시간영역에서의 정상적인 GIS의 연속적인 음 (sound)으로 일정한 진폭으로 표시되고 있고, 중간부분 은 시간영역의 GIS음을 확대해서 표시한 그래프이다.
그리고 맨 윗부분은 시간영역에서의 GIS음을 주파수영 역의 에너지로 표시한 그래프로 주파수영역에서는 에너 지가 없는 것으로 표시된다. 그러나 부분방전이나, GIS 의 임시스위치 개폐(절체)에 의한 음과 GIS내부의 이상
적인 기계음이 발생되는 소리는 시간영역에서는 높은 진폭으로 표시되고, 주파수영역에서는 강한 에너지로 표시된다. 이때 표시되는 주파수는 10KHz 대로 표시된 다. 그림 4에서 주파수영역에서 확인 할 수 있으며, 이 주파수에너지를 스펙트로그램이라 한다.
그림 3 (a)의 정상적인 GIS의 파형 및 스펙트로그램 은 200Hz에서 1000Hz 사이에서 띠의 형태로 나타내고 있다 그리고 그림 5는 비정상 GIS음 스펙트로그램으로 0Hz에서 4100Hz대의 넓게 분포되어 있으면서 900Hz～
2000Hz대에 에너지대가 집중(주황색 및 적색으로 표시)
그림 4. GIS의 절체시의 주파수에너지(스펙트로그램) Fig. 4. Frequency energy of GIS switching
(spectrogarm).
그림 5. 비정상 GIS음 파형 및 스펙트로그램
Fig. 5. Abnormal GIS sound waveform and spectrogram.
적으로 나타내고 있다. 여기서 에너지의 강도는 색깔로 표시하는데 바탕색, 파랑, 노랑, 주황, 적색으로 표시한 다. 즉, 적색이 에너지 강도가 가장 강하게 나타나는 것 을 의미한다. 그림 3 (a)에서 정상적인 GIS음의 경우 시간영역의 파형과 스펙트로그램이 일정한 패턴으로 표 시 되며, 그림 3 (b), (c)와 그림 5에서와 같이 잡음(장 치내에서 공사작업, 개스 충전, 또는 외부소리 등)이 있 을 경우 시간영역에서의 파형에서 파형 변화가 발생하
그림 6. GIS음데이터 분석 흐름도 Fig. 6. Flow chart of GIS sound data.
고, 스펙트로그램에서는 에너지레벨이 집중적으로 표시 되는 것을 확인 할 수 있다.
그림 5 에서 검출된 파형과 스텍트로그램을 비교해 보면 0sec～500sec사이에 스펙트로그램의 분포가 0～
4.1KHz사이에서 띠의 형태를 나타내고 있으며, 레벨교 차율이 증가됨을 알 수 있다.
GIS데이터 음의 분석을 위하여 그림 6과 같은 과정 을 수행하였다. 윈도우는 Hamming window를 이용하 였으며, 윈도우 크기는 300샘플로 정하였다. 그리고 주 파수 분석은 1024 point FFT를 이용하였다.
레벨 교차율(LCR)은 문턱값(threshold)을 설정하여 각 프레임당 설정된 문턱값을 기준으로 신호의 파형이 교차하는 횟수를 의미하는 것으로 식 (1)과 같이 구할 수 있다.
(1) 여기서,
≧
여기서 N은 분석하는 구간의 샘플수이고, L(m)은 현재 샘플 m에서의 LCR, Lth는 실험적으로 결정되는 상수, w(n)은 Hamming window함수, x(n)은 LCR을 구하고자 하는 신호이다.
그리고 그림 3의 (a)～(d)의 주파수영역그래픽에서 GIS데이터 음의 스펙트로그램 파형이 내부 잡음이나 GIS스위치의 절체에 따라 시간영역에서, 비슷한 모양으
로 보이는 파형일지라도 서로 다르게 분포되는 것을 확 인 할 수 있었다.
따라서 본 논문에서는 GIS데이터 음의 스펙트로그램 분석을 위해서 주파수 대역을 3단계로 나누었다. 우선 기본적으로 GIS 데이터 음으로 낮은 주파수 대역 0H z～2KHz 대역의 주파수 에너지를 Low spectral energy로 설정하였으며, 2KHz～5KHz 대역의 주파수 에너지를 Medium spectral energy로 설정하였다. 그리 고 5KHz～10KHz 대역의 주파수 에너지를 High spectral energy로 설정하였다. 이렇게 설정된 각각의 에너지를 이용하여 식 (2)와 같이 dbML 과 dbHL 파라 메터를 추출하였다.
dbML Low Spectral Energy Medium Spectral Energy
dbH L Low Spectral Energy
High Spectral Energy (2)
여기서 설정된 dbML파라메터 및 dbHL파라메터가 정상상태에서 측정된 음향신호를 이용하여 산출한 dbML파라메터 및 dbHL파라메터의 값이 오차범위 이 내에 존재하면 정상으로 판단하고, 오차범위를 벗어나 면 비정상으로 판단하여 색깔(스펙트로그램)로 나타내 었다.
Ⅲ. 실험 결과 및 설치 환경
3.1 실험결과
그림 7과 그림 8은 정상의 GIS음 데이터와 비정상 GIS음 데이터를 식 (1)을 이용하여 구한 LCR값을 비교 한 그래프이다. 비정상 GIS음 데이터 파형의 절체 부분 에서 LCR 값의 증가로 인하여 정상 GIS음 데이터의 LCR값(10이하)에 비해 비정상(절체시) GIS음 데이터의 LCR값(20～80)이 높게 나타나는 것을 관찰할 수 있다.
그림 9는 GIS의 절체 후에 개스가 빠지는 시간대의 LCR값(10～30)으로 정상상태와 차이가 있음을 확인 할 수 있다. 그림 10에는 프레임내에서 평균 LCR값을 비 교하였다 여기서 정상의 LCR평균값(10), 비정상(절체 시)의 LCR평균값(38) 그리고 절체후에 개스가 서서히 빠지는 시간 대의 LCR평균값(20)으로 확실하게 구분되 는 것을 확인 할 수 있다.
그림 11, 12, 13 에서는 정상 GIS음 데이터와 비정상
그림 7. GIS의 정상동작상태 LCR Fig. 7. Normal state LCR of GIS.
그림 8. GIS의 절체시의 LCR 변화(1) Fig. 8. LCR variation(1) of GIS switching.
그림 9. GIS의 절체시의 LCR 변화(2) Fig. 9. LCR variation(2) of GIS switching.
GIS음 데이터의 dbML과 dbHL값을 나타내었으며, 그 림 11에서 볼 수 있듯이 정상 GIS음 데이터의 dbML=0.08, dbHL=0.02로 나타내었다. 그림 12 에서 비 정상 GIS음(절체시) 데이터의 dbML=0.28, dbHL=0.16, 그림 13의 비정상 GIS음 데이터(개스가 방출되는 시간)
그림 10. LCR 평균값 비교
Fig. 10 Comparison of LCR average.
그림 11. 정상 GIS데이터의 dbML과 dbHL 값 Fig. 11. dbM and dbHL value of normal GIS data.
그림 12. 절체 GIS데이터의 dbML과 dbHL 값 Fig. 12. dbM and dbHL value of switching GIS data.
의 dbML=0.06, dbHL=0.01이었다. 그림 14에 GIS의 정 상과 비정상(절체시, 개스방출시)시의 평균값을 비교하 였다. 평균값에서 볼 수 있듯이 정상적인 GIS음 데이터 와 비정상 GIS데이터의 dbML과 dbHL 값의 평균치는 0.20(dbML), 0.14(dbHL)이상의 차이를 보였다.
그림 13. 절체 GIS데이터의 dbML과 dbHL 값 Fig. 13. dbM and dbHL value of switching GIS data.
그림 14. GIS의 정상과 절체시의 dbML과 dbHL 의 평균값 비교
Fig. 14. Comparison of dbM and dbHL average value of switching GIS and normal.
그림 15. GIS음데이터 검출시스템 Fig. 15. GIS sound detecting system.
Ⅳ. 구현 및 결론
구현에 사용된 시스템은 그림 1의 블록도로 구성하 였다. 제작된 시스템은 그림 15와 같다.
본 논문에서는 정상 GIS 데이터음과 외부잡음이나
GIS 절체에 의한 데이터의 분석을 통해 GIS에 대해 상 시 진단할 수 있는 연구를 수행하였다. 정상과 문제시 (외부 잡음 및 절체시 등)에 대한 데이터 음을 구분하 기 위해 시간영역에서는 LCR값, 주파수 영역에서는 dbML과 dbHL 파라메터를 이용하였다. 그 결과 LCR 평균값이 20～80이상 높은 값을 갖는 것을 알 수 있으 며, dbML과 dbHL은0.20, 0.14 이상의 차이를 보여 GIS 의 이상 유무를 진단 할 수 있으며, 향후 전력시스템의 다른 시스템에도 적용 할 수 있도록 연구를 수행 할 예 정이다. 이번 연구를 통하여 제작한 GIS음 데이터 검출 시스템은 기존의 장비를 이용할 경우 측정주기가 4회/
년인 반면에 본 시스템은 실시간에 측정할 수 있는 장 점이 있다. 또한 기존 시스템의 가격의 1/10밖에 안되는 저렴한 가격으로 시스템을 설치 할 수 있는 장점이 있 다. 또한, 저장된 데이터를 기반으로 데이터베이스를 구 축하여 전력시스템의 감시 및 진단시스템에 활용 할 수 있을 것으로 기대된다.
REFERENCES
[1] F. H. Kreuger, E. Gulski and A. Krivda,
“Classification of Partial Discharges”, IEEE Trans. on Elect. Insul., Vol. 28, No. 6, pp.917-931, 1993.
[2] Momiyama Giyoaki, “Development of a high performance portable PD detection device“, Product and Electrics, 2006. 12.
[3] K. Y. Park, “Wireless Diagnosis System for Chest Disease using Thoracic Sound,” IEEE, Honam Section, vol. 13, no.1, pp. 57-62, 2004.
[4] K. Sohara, M. Kotani, “Application of Kernel Principal Components Analysis to Pattern Recognitions”, SICE2002, Aug.5-7, 2002.
저 자 소 개 박 기 영(정회원)
2002년 2월 전북대학교 전자공학 공학박사
1982년～현재 전주비전대학교 디지털전자정보과 교수 2004년～현재 썬메디텍(주)
대표이사
<주관심분야 : 신호처리 및 시스템(음성), Bio processor.
이 종 하(정회원) 1982년 2월 전북대학교
전기공학과 졸업 1984년 2월 전북대학교
전자계산기공학석사 1993년 8월 전북대학교
전자공학과 공학박사 1990년 3월～현재 전주비전대학교 디지털전자정
보과 교수
<주관심분야 : 디지털신호처리, OLED TV
조 숙 진(정회원)
1981년 2월 전주대학교 영문과 졸업
1998년 8월 전주대학교 영문과 석사
2003년 8월 전주대학교 영문과 박사
2012년 10월～현재 전주비전대학교 건축과 조교 수
<주관심분야 : 멀티미디어, 3DTV방송시스템>
최 형 기(정회원) 1995년 2월 전북대학교
전자공학과 공학사 1997년 2월 전북대학교
전자공학과 공학석사 2009년 8월 전북대학교
전자공학과 공학 박사 2011년～현재 썬메디텍(주)기술이사
정 의 붕(정회원)
1992년 건국대학교 대학원 전자공학과 공학박사 1992년 호원대학교 자동차기계
공학과 교수
2005년～현재 전주정보영상산업 진훙원 이사
2005년～현재 호원대학교 산학협력단장 2012년～현재 한국통신학회 전북지부장
