• Proceedings of the KIEE Conference
• /
• 2003.07a
• /
• pp.445-448
• /
• 2003

1995년도에서 2002년도까지 8년간 충남서,남부 지역에서 발생한 송전설비 고장 데이터를 수집하여 전압별 및 고장 원인별로 분류하여 분석한 결과 낙뢰에 의한 고장이 54.9%로 제일 많았고, 돌풍에 의한 고장과 외물접촉, 산불에 의한 고장 순이였으며, 이는 우리 전력계통에서 일어난 과년도 송전고장과 비슷한 양상을 보였다. 또한, 본고에서는 이 지역의 송전고장을 원인별로 분류하여 분석한 결과를 바탕으로 송전고장을 줄일 수 있는 방안을 검토하여 보았다.

• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.35 no.7
• /
• pp.799-804
• /
• 2011

A thermal cycling test was conducted on a chip resistor solder joint with real-time failure monitoring. In order to study the failure mechanism of the chip resistor solder joint during the test, the resistance between both ends of the resistor was monitored until the occurrence of failure. It was observed that the monitored resistance first fluctuated linearly according to the temperature change. The initial variation in the resistance occurred at the time during the cycle when there was a decrease in temperature. A more significant change in the resistance followed after a certain number of cycles, during the time when there was an increase in the temperature. In order to explain the failure patterns of the solder joint, a mechanism for the solder failure was suggested, and its validity was proved through FE simulations. Based on the explained failure mechanism, it was shown that prognostics for the solder failure can be implemented by monitoring the resistance change in a thermal cycle condition.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.393_394
• /
• 2009

초전도한류기(SFCL)는 고장전류에 대한 초고속 감지, 고장전류 제한이 가능하고, 정상계통에서는 무손실 운영이 가능한 신개념의 기기이다. 공급신뢰도 측면에서 SFCL은, 고장전류 저감으로 송전을 지속할 수 있는 장점이 있는 반면, 기존 계통에 직렬연결되므로 자체 고장으로 인해 공급신뢰도를 악화시킬 수도 있다. 특히, 고속스위치를 필요로 하는 하이브리드형 SFCL의 경우 계통연계 이전에 SFCL 자체의 신뢰성이나 주위 계통에 미치는 영향을 미리 검토해야 한다. 본 논문에서는 SFCL의 신뢰도 데이터를 계산하는 기법과 SFCL 인근 설비의 신뢰도 데이터를 갱신하는 방법에 대해 제시하였으며, 이는 SFCL가 연계된 배전계통의 수용가 공급신뢰도를 산출하기 위해 필요한 사전단계에 해당한다.

• Proceedings of the KIPE Conference
• /
• 2007.07a
• /
• pp.458-460
• /
• 2007

RBF 네트워크의 중간층은 클러스터링 하는 층으로 주어진 자료 집합을 유사한 클러스터들로 분류하는 것이다. 여기서 유사하다는 것은 입력 데이터들에 대한 특징 벡터 공간사이에서 한 클러스터내의 벡터들 간에 거리를 측정하여 정해진 반경 내에 존재하면 같은 클러스터로 분류하고 정해진 반경 내에 존재하지 않으면 다른 클러스터로 분류한다. 그러나 정해진 반경 내에서 클러스터링 하는 것은 잘못된 클러스터를 선택하는 단점을 가지게 된다. 그러므로 중간층을 결정하는 것은 RBF 네트워크의 전반적인 효율성에 큰 영향을 준다. 따라서 본 논문에서는 효율적으로 중간층을 결정하기 위한 방법으로 퍼지 C-Means 클러스터링 알고리즘을 이용하고자 하였다. 그리하여 본 논문에서는 고장 전류의 특성을 해석하여 그 원인을 판단, 분류하기 위하여 전력계통의 고장 기록 장치로부터 얻어지는 선로의 전류 데이터를 FCM을 이용 분류하여 다양한 고장 모드를 판별할 수 있었다.

• Proceedings of the KIEE Conference
• /
• 2002.07d
• /
• pp.2304-2306
• /
• 2002

베어링 고장진단은 대부분 진동센서에 의한 근접 탐침에 의존하고 있어 설치 및 측정 상에 제약이 따른다. 최근 들어 전동기 전류를 이용한 베어링 고장진단의 가능성이 제시되고 있으나 베어링의 초기고장에 대한 연구는 없었다. 본 연구에서는 전동기 전류를 이용하여 베어링 외륜의 초기고장을 검출할 수 있는 기법을 제시하였다. 이 기법은 처리 데이터를 줄이고 신속한 고장검출을 위하여 고장진단 주파수 대역 설정방법을 제시하였으며 유도전동기 베어링 외륜 고장검출 실험을 통하여 이 기법의 유용성을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• pp.553-555
• /
• 2017

수전 설비 시스템은 전력 회사에서 3 상 전원을 받는 설비로, 전기를 공급받기 위한 설비이다. 정전이나 제품생산설비의 중단은 기업에 있어서는 경제적 손실이 매우 큰 사고일 수 밖에 없다. 요즘은 IoT 센서를 이용한 수전설비 관리 시스템의 활용이 늘어나고 있는 추세이다. IoT 센서를 이용한 수전 설비의 구축에서 정확한 상태 값의 센싱과 수집된 값의 전송, 그리고 정확성 판단에 대한 이슈들이 고려되어야 하며, 또한 기기간 통신을 통해 실시간 상호작용으로 수전설비의 고장을 어떻게 예방할 것인가에 대한 것이 중요하다. 본 연구에서는 수전 설비의 실시간 감지와 모니터링을 위한 목적으로 기존의 고장 및 오류 정보를 기반으로 하는 빅데이터 분석을 통해 발생 가능한 고장 및 오류를 사전 예측할 수 있도록 정보를 제공하는 것에 주안점을 두었다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.05a
• /
• pp.385-388
• /
• 2006

비선형 주성분 분석은 기존에 널리 알려져 있는 주성분 분석기법과 유사한 다변수 데이터 분석을 위한 새로운 접근 방법이다. 비선형 주성분 분석은 AANN(Auto Associative Neural Network)으로 PCA와 마찬가지로 변수들 간에 존재하는 상관관계를 제거함으로써 고차의 다변수 데이터를 정보의 손실을 최소화하면서 최소 차원의 데이터로 변환하는 기법이다. AANN 기반 센서노드 고장검출 기법을 실제 센서 네트워크에 적용하여 봄으로써 센서 드리프트 등과 같은 센서 고장의 검출 및 유효한 센서 보정 성능을 확인하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.321-324
• /
• 2004

본 논문에서는 유도전동기 고장진단을 위하여 계층적인 하이브리드 뉴럴네트웍을 제안하였다. 시스템의 입출력 데이터에 근거하여 패턴을 분류하고자 할 때 직접적인 분류가 어렵거나 성능이 좋지 않을 경우 적절한 방법을 통하여 변환을 하거나 또는 패턴 분류기의 특성에 맞도록 변환하여 패턴 분류 성능을 향상하는 등 단계별 변환 및 분류 기법을 이용하였다. 제안된 방법에서는 실험에 의해 측정된 전류값을 주기별로 주성분분석(PCA) 기법을 이용하여 입력차원을 축소한 후 이를 조건부 FCM으로 방사기저함수의 초기치를 최적화하여 학습을 하였다. 이는 주성분분석이 가지는 특성을 이용하여 데이터의 특징을 나누었으며 이를 뉴럴네트웍의 학습 기능을 이용하여 모델의 최종 성능을 개선하는 것이다. 각각의 알고리즘이 가지는 특징을 활용하면서도 단점을 계층적으로 보안하여 유도 전동기 고장 진단 성능을 개선하였다. 이를 실제 계측된 유도전동기 데이터를 이용하여 제안된 방법의 유용성을 보이고자 한다.

• Proceedings of the KIEE Conference
• /
• 2007.07a
• /
• pp.689-690
• /
• 2007

전력 텔레매트릭스 시스템은 전력계통의 사고에 신속하게 대처하고 계통설비의 합리적인 유지보수 및 운영을 통해 계통의 신뢰도를 높이고자 고안된 시스템이다. 이 시스템은 전력기반설비들에 다양한 센서 및 센서네트워크를 구성하여 전력설비를 통합적으로 감시하고 변전소 보호IED의 데이터들과 함께 전력계통의 유지보수 스케쥴링 및 설비건전성평가와 더불어 고장시에 신속한 고장복구를 위해 고장정보를 운영자에게 보여주는 구조를 가지고 있다. 본 논문에서는 이러한 전력 텔레매트릭스 시스템중에서 하부 센서및 센서네트워크의 데이터와 보호IED의 데이터를 중간처리하고 상위 시스템으로 전송하는 역할을 하는 진단IED의 개발에 관한 것이다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.1232-1235
• /
• 2022

최근 자동차, 철도차량 등 사용자가 있는 기계 시스템에서의 고장 발생 시 사용자의 안전과 관련된 사고로 이어질 수 있어 부품에 대한 모니터링 및 고장 여부 판단은 매우 중요하다. 이러한 부품 중에서 베어링은 회전체와 회전하지 않는 물체 사이에서 회전이 원활하게 이루어질 수 있도록 하는 부품인데, 베어링에 결함이 발생하게 될 경우, 기계 시스템이 정지하거나, 마찰 열에 의해 화재 등의 치명적인 위험이 발생한다. 본 논문에서는 Resnet과 오토인코더를 활용하여 진동 신호 기반의 베어링의 고장을 감지하고 분류할 수 있는 모델을 제안한다. 제안 방법은 raw data를 이미지로 변환하여 입력으로 사용하는데, 이러한 접근을 통해 수집된 데이터의 손실을 최소화하고 데이터가 가지는 정보를 최대한 분석에 활용할 수 있다. 제안 모델의 검증을 위하여 공개된 데이터셋으로 학습/검증 하였고, 제안 방법이 기존 방법과 비교하여 더 높은 F1 Score와 정확도를 보임을 확인하였다.