DOI QR코드

DOI QR Code

인공신경망을 이용한 수전설비 고장 예측 방법

A Prediction Scheme for Power Apparatus using Artificial Neural Networks

  • 기태석 (충북대학교 소프트웨어학과) ;
  • 이상호 (충북대학교 소프트웨어학과)
  • Ki, Tae-Seok (Department of Software Engineering, Chungbuk University) ;
  • Lee, Sang-Ho (Department of Software Engineering, Chungbuk University)
  • 투고 : 2017.11.13
  • 심사 : 2017.12.20
  • 발행 : 2017.12.31

초록

수전설비의 고장은 산업과 가정 등 전력을 사용하는 모든 곳에 정전사고를 발생시켜 많은 불편과 문제의 원인이 되고 있다. 수전설비 고장의 주요 원인으로는 노후화를 비롯하여 태풍, 지진을 비롯한 자연재해와 동물 등으로 파악되고 있다. 현재는 수전설비의 온도가 높아지면 고장이 발생한다는 추측만으로 온도의 고온이 지속되는 것을 모니터링한다. 따라서 적기에 수전설비의 고장에 대응하기 어려운 측면이 존재하는 것이 사실이다. 이 논문에서 제안하는 수전설비 모니터링 시스템은 갑작스런 자연재해 등으로 인한 고장을 제외한 일반적인 고장에 대해 효율적으로 대응하는 방안으로 제안한다. 수전설비 모니터링 시스템은 열 감지 센서를 부착하여 수전설비를 실시간으로 감시하고, 감시한 데이터를 수집하여 인공신경망을 이용한 학습을 통해 축적된 정보를 이용하여 고장을 예측한다. 인공신경망의 학습과 실험을 통하여 제안 방식이 효율적임을 보였다.

Failure of the power apparatus causes many inconveniences and problems due to power outage in all places using power such as industry and home. The main causes of faults in the Power Apparatus are aging, natural disasters such as typhoons and earthquakes, and animals. At present, the long high temperature status is monitored only by the assumption that a fault occurs when the temperature of the power apparatus becomes higher. Therefore, it is difficult to cope with the failure of the power apparatus at the right time. In this paper, we propose a power apparatus monitoring system as an efficient countermeasure against general faults except for faults caused by sudden natural disasters. The proposed monitoring system monitors the power apparatus in real time by attaching a thermal sensor, collects the monitored data, and predicts the failure using the accumulated information through learning using the artificial neural network. Through the learning and experimentation of artificial neural network, it is shown that the proposed method is efficient.

키워드

참고문헌

  1. S. G. Kim, J. W. Jung & J. S. Jung. (2010). A Study on Field Survey for Prevention of Aging Fault in Industrial Power Apparatus. The Korean Institute of Electrical Engineers (pp 2173-2174). Seoul : KIEE.
  2. S. M. Yi & S. H. Cho. (2009). Analysis of the power failure in connection with the customer electric facility. The Korean Institute of Electrical Engineers (pp14-17). Seoul : KIEE.
  3. S. H. Bae, J. H. Kim, J. S. Hong & H. S. Lim. (2009). A study on Reliability Enhancement Method and the Prediction Mode Construction of Medium-Voltage Customers Causing Distribution Line Fault Using Data Mining Techniques. Transaction on The Korean Institute of Electrical Engineers. 58(10), 1869-1880.
  4. H. S. Jung, M. S. Han, C. M. Lee, J. Kim & H. M. Lee. (2004). Fault Detection Technique in Railway High Voltage Distribution Lines using Wavelet Transform. The Korean Society for Railway. http://railway.or.kr
  5. J. K. Lee. (2011). A Study on the Fault Early Detection System for the Preventive Maintenance in Power Receiving and Substation. Journal of The Korean Society of Industry Convergence 14(3), 95-100.
  6. S. Y. Cho. (2011). An Error Prediction System for Reliability Improvement of Power Distribution System. Journal of Security Engineering, 8(6), 705-713.
  7. Github. (2015). Understanding LSTM Networks. Github. http://colah.github.io/posts/2015-08-Understanding-LSTMs