Mobile QR Code QR CODE : Journal of the Korean Institute of Illuminating and Electrical Installation Engineers

Journal of the Korean Institute of Illuminating and Electrical Installation Engineers

ISO Journal TitleJ Korean Inst. IIIum. Electr. Install. Eng.

  1. (Doctor course, Dept. of Electrical Engineering, Mokpo National University)
  2. (Professor, Dept. of Electrical and Control Engineering, Mokpo National University)



Power transformer, asset management, Health Index, Risk Matrix, Portfolio Optimization

1. 서 론

전 세계적으로 20세기 전반 산업이 발달하고 급격한 전력수요 증가에 따라 전력계통은 지속적이고 빠르게 성장하였다. 현대에 들어서면서 성장은 둔화되었으나 대다수 국가에서 노후 설비의 수보다 설비의 업그레이드 속도가 따라가지 못함으로써 효율적인 교체 및 유지보수가 이루어지지 못하고 있는 상황이다. 그림 1은 CIGRE TB 176에서 각 전력회사의 설문조사를 통한 변압기 연령 분포와 자산의 추정 수명을 도시하고 있다.(1,2) 그림 2는 국내 전력용 변압기 사용 기간별 현황을 나타낸다.(3) 국내 전력용 변압기의 교체년수는 32년이며 대다수 변압기가 1~15년에 분포되어 있다. 현시점에서 변압기의 교체년수에 근접함에 따라 교체 및 유지보수에 효율적인 투자전략이 필요하다.

Fig. 1. Age Distribution and Life Estimates for Transformers
../../Resources/kiiee/JIEIE.2020.34.5.051/fig1.png

Fig. 2. Status by period of use of power transformers
../../Resources/kiiee/JIEIE.2020.34.5.051/fig2.png

위와 같이 전 세계적으로 전력용 변압기의 수명에 근접하고 있으며 효율적인 유지 보수를 통해 변압기를 최대한 운전하여 고장으로 인한 손해를 최소화하고자 한다. 각 전력회사는 이런 상황에 대처하기 위하여 운전 중인 변압기를 고장이 발생하기 전, 건전상태를 식별하고 교체 및 유지보수 우선순위를 선정하는 전략을 사용한다. 이를 자산관리라 하며, 사전에 변압기의 건전상태를 판별하고 모니터링하여 경제적으로 최적화된 운영을 수행하는 시스템을 ‘자산관리 시스템‘이라 한다.

2000년 이후 영국에서 시작된 영국표준협회의 PAS 55를 시작으로 2014년 자산관리 국제 표준 ISO 55000을 제정하였으며 2015년 IEC에서는 White Paper “Strategic asset management of power network”를 발간하는 등 자산관리에 대한 연구가 활발히 진행되고 있다. 또한 AEP, National Grid, EDF, DNV-GL, Hydro-Quebec 등에서 수명, Health Index, Risk metrix 등과 같은 자산관리 연구가 활발히 수행되고 있다.(4)(5) 국내에서도 한국 전력공사, 한국수자원공사, 전기안전공사, 현대, 효성 및 POSCO 등 대용량 전력설비를 보유 및 관리하는 기업에서도 활발한 자산관리 연구가 진행되고 있다(6).

자산관리자 관점에서 전력회사의 지침과 정책에 따라 솔루션을 선택할 수 있으며, 주어진 예산 및 기타 제약조건 내에서 설비의 고장에 따른 위험도 완화를 위한 최적의 자산관리 전략을 계획할 수 있어야 한다. 이를 통해 최적의 투자전략을 마련함으로써 당면한 과제를 효율적으로 해결할 수 있다. 이와 같은 방법을 투자 최적화라 한다. 자산관리에 관하여 Health Index, 리스크 매트릭스(Risk Matrix), 잔여 수명 예측 등에는 많은 연구가 이루어지고 있으나, 전력설비에 대한 투자 최적화에 대한 연구는 미진하다.

따라서 본 논문에서는 사전에 식별된 열화 상태를 근간으로 변압기 자산관리를 위한 투자 최적화 방식을 제안하고자 한다. 제안된 투자 최적화 방식은 대상 변압기 설비에 대하여 모의 적용을 통해 실효성을 확인하였다.

2. 자산관리 개요

자산관리는 자산의 운전데이터 및 점검데이터 등을 활용하여 최적의 투자계획을 세움으로써 경제적 효과를 상승시킬 수 있는 기술로 판단된다.

전력설비의 자산관리시스템은 설비의 고장정보, 운전/점검 정보 및 제작정보와 같은 모든 데이터를 활용하여 마모기, 고장률 및 잔여 수명 산출 등을 통하여 경제성, 위험도 및 운전 신뢰도를 분석한다. 이를 바탕으로 고장과 물리적 성능평가, 사회적 비용과 같은 경제성 평가를 바탕으로 하여 유지보수, 교체 시기, 투자 우선순위와 같은 전반적인 투자전략을 수립할 수 있는 시스템이다. 자산을 관리하는 입장에서 설비 데이터를 통하여 위험도 및 건전도 분석을 통하여 설비별 우선순위를 선정하며 그에 맞는 최적의 유지보수 및 교체 계획을 수립한다.

2.1 수명

자산관리를 수행하는 목적은 전력계통의 안정성을 확보하여 정해진 예산에서 최적으로 자산을 교체 및 유지보수하기 위한 우선순위를 설정하기 위함이다. 국내 전력용 변압기는 계통 안정성 측면에서 높은 신뢰성을 필요로 하고 있으며 그에 따른 높은 신뢰성의 변압기 수명 설정이 필요하다. 즉 설비의 한계수명(End of Life)이 아닌 신뢰성 향상을 위한 교체수명(Replacement Life)이 변압기 수명으로 사용되고 있다. 교체수명은 변압기 노화로 인한 고장 위험이 증가하는 것을 대비하여 고장이 발생하기 이전에 자산을 교체하는 수명을 의미한다. 변압기 고장으로 인해 발생하는 고장비용은 변압기 비용보다 높을 수 있기 때문에 사전에 적절한 교체 수명을 산출하여 고장을 진단하고 미리 효율적인 교체 및 유지보수전략을 세우는 것이 중요하다.

2.2 건전도 지수(Health Index)

Health Index는 자산의 상태를 비교하기 위하여 전력용 변압기의 상태를 하나의 전체적인 지표로 나타내 주는 것으로써, 자산관리자가 재투자 우선순위 선정을 위하여 각 변압기의 전체적인 건전도를 효율적으로 평가하여 비교할 수 있도록 도와준다. Health Index는 자산관리자가 교체 및 유지보수전략에 대한 효율적인 결정을 내릴 수 있도록 변압기에 대한 설치, 점검, 운전, 고장 등의 설비 데이터를 이용하여 변압기의 전반적인 상태를 평가한다.

변압기의 Health Index는 소모성 부품 교체, 볼트 조임과 같은 유지 보수를 통한 단기적인 관점에서의 고장수리가 아니라 변압기 수명에 미치는 열화 요소를 중심으로 한다. Health Index는 변압기가 실제 어떠한 상태를 나타내는지 자산관리자 및 실무자 등의 이해관계자가 공통적으로 이해할 수 있도록 쉽고, 객관화하여야 한다. 이와 같이 자산관리에서의 Health Index는 자산의 상태를 한눈에 파악하기 쉽게 표현하며 전체 설비를 쉽게 비교할 수 있어야 한다.

2.3 리스크 매트릭스

리스크 매트릭스(Risk Matrix)는 설비의 고장확률과 고장의 영향 및 설비의 중요도를 결합하여 전력회사의 KPI(Key Performance Indicator) 및 상황에 맞는 위험도를 분석하고 교체 및 유지보수의 우선순위 선정을 도와준다. 다음 그림 3은 리스크 매트릭스의 예를 보여준다. 세로축의 Health Index에 가로축의 고장의 영향도를 고려하여 위험도를 평가한다.(7)

Fig. 3. Example of Risk Matrix
../../Resources/kiiee/JIEIE.2020.34.5.051/fig3.png

Impact 축에는 Safety, Financial, Reliability, Environment, Organization & People 등의 전력회사의 비즈니스 가치 기반 KPI를 고려한 요소들이 고장의 영향에 따른 심각성에 따라 평가된다.

리스크 매트릭스를 통해 자산관리자는 설비의 건전도 및 고장으로 인한 영향으로 평가된 위험도를 분석할 수 있다. 또한 신뢰성과 안정성 측면에서 위험도에 따라 우선순위를 선정할 수 있다. 하지만 동일 구간에서 존재하는 설비들에 대하여 우선순위 선정이 어렵다. 따라서 리스크 매트릭스는 다양한 위험도 저감 방안을 가시적으로 표현할 수 있어 최적의 효율을 갖는 비용 투자계획 및 우선순위를 계획할 수 있다.

2.4 투자 최적화 (Portfolio Optimization)(8)

투자 최적화는 정량적으로 수행한 설비의 위험도 평가 결과를 사용하여 우선순위를 선정하는 방법으로 자산관리자가 원하는 솔루션별 각각의 설비에 대한 우선순위 선정이 가능한 방법이다. 포트폴리오는 위험도가 가장 높은 설비로부터 위험도 저감 방안인 솔루션 값이 정해지며 솔루션 값을 기준으로 각 설비의 순위가 매겨진다. 가장 큰 위험도를 가진 설비일지라도 솔루션의 비용 및 위험도 완화 가능성에 따라 달라진다. 그림 4는 투자 최적화의 예를 나타낸다.

Fig. 4. Example of Portfolio Optimization.
../../Resources/kiiee/JIEIE.2020.34.5.051/fig4.png

투자 최적화는 회사의 지침과 정책에 따라 솔루션을 선택할 수 있으며, 최소한의 비용을 투자하여 설비의 고장에 따른 위험도 완화를 위한 최적방법이다. 투자 최적화를 통해 얻을 수 있는 다양한 특징은 다음과 같다.

- 자산관리자 의도를 바탕으로 현재 파악된 자산의 상태에 대하여 필요한 최소 투자금액 파악 가능

- 예산에 따라 개별 비즈니스 가치에 미치는 영향과 전체 KPI에 미치는 영향 파악

- 솔루션 당 개선된 최대 고장률 개선에 대한 파악 가능

- 전력회사의 비즈니스 가치에 대한 주어진 수익률을 실현하기 위하여 소요되는 투자비용 파악 가능

3. 제안된 투자 최적화 방식

전력설비의 건전도 평가, 위험도 분석을 이용한 다양한 자산관리 방법에 대하여 우선순위를 통한 의사결정이 존재한다. 이는 이해관계자 상호간의 의사소통을 어렵게 하며 최적의 방법에 대한 의견일치가 쉽지 않다. 또한 실무자의 측면에서 설비의 건전도 평가 및 위험도 분석을 쉽게 이해하고 위험도를 완화하기 위한 최적의 의사결정을 내리기에 다소 어려움이 있으므로 가시성, 객관성 및 신뢰성이 높은 자산관리 방법이 필요하다. 이와 같은 문제점은 자산관리에 투자 최적화를 사용하여 객관적이고 신뢰성 높은 의사결정을 지원할 수 있다.

본 논문에서는 전체 설비 투자 예산 내에서 설비별 최적의 솔루션을 적용하기 위하여 수리계획법의 하나인 선형계획법을 사용하여 투자비용을 최소화하는 전력용 변압기 자산관리를 위한 투자 최적화 방법을 제안하고자 한다.

3.1 선형계획법을 이용한 투자 최적화(9)

변압기의 자산관리를 적용함에 있어, 객관적이고 신뢰성 높은 의사결정을 내리기 위해 수치적인 기법을 사용하여 제약 조건하에서 의사결정 최적화가 필요하다.

논문에서 사용하고 있는 선형계획법(LP : Liner Programming)은 최적화 이론들 중 대표적 예로써 당면한 문제를 선형관계식으로 모델링하고 이를 최적화 하려는 방법으로써 생산문제, 자본예산 편성, 투자 결정문제 등 다양한 의사결정문제에서 최적의 해를 찾는 경영과학적기법이다.

제안된 방식은 설비별로 가능한 솔루션들이 정해지며, 선형계획법을 통하여 제한된 예산범위 안에서 솔루션별 최적의 실행 개수가 정해진다. 각각의 변압기는 주어진 조건에 따라 최적의 솔루션을 선택함으로써 자산관리자의 의사결정을 돕는다. 그림 5는 제안된 방식의 개념도를 나타낸다. 선형계획법을 사용하는 경우 유한개의 변수들로 이루어진 독립변수가 선형방정식 또는 선형부등식을 만족하며, 최대 또는 최소가 되는 선형함수를 갖도록 하여 독립변수를 결정하는 최적화 문제이다.

Fig. 5. Conceptual diagram of proposed method
../../Resources/kiiee/JIEIE.2020.34.5.051/fig5.png

제안된 방식은 그림 5와 같이 먼저 정량적으로 수행한 설비 위험도 평가 결과를 통해 우선순위가 선정된다. 우선순위가 정해진 변압기별 적용 가능한 솔루션을 정의한다. 이후 주어진 조건에 맞는 솔루션별 선형함수를 정의한다. 선형함수는 식 (1)과 같이 정의되며 $n_{i}$, $x_{i}$는 솔루션 변수별 상수와 변수인 실행가능한 각 솔루션별 적용가능 횟수를 나타낸다.

(1)
$$\sum_{i=1}^{n}n_{i}x_{i}= f(x_{1},\: x_{2},\:\cdots ,\: x_{n})$$

정의한 선형함수를 제한조건을 만족시키는 선형부등식을 정의한다. 다음 식과 같이 선형함수와 상수에 대한 부등식을 선형부등식이라 하며 다음 식 (2)와 같이 $f_{constraints}(x_{1},\: x_{2},\:\cdots ,\:x_{n})$와 상수 $\alpha$에 대한 부등식으로 나타낸다.

(2)
$$f_{constraints}(x_{1},\: x_{2},\:\cdots ,\:x_{n})> a$$

부등식의 상수 $\alpha$와 부등호는 주어진 조건에 맞게 정의한다. 위와 같이 의사결정문제에서 제한조건을 수리적 모델로 나타낸 선형방정식 또는 선형부등식을 조건식이라 한다. 식 (1)과 같이 정의된 선형함수를 목적함수라 하며 자산관리자가 최소화하고자 하는 문제를 다음과 같이 예를 들어 정의 할 수 있다.

(3)
$$Cost(\min)=\sum_{i=1}^{n}n_{i}x_{i}$$

식 (2)에서 구한 조건식들을 활용하여 선형문제를 계산하면 변수인 주어진 예산 내에서 실행가능한 각 솔루션별 적용가능 횟수가 구해진다. 구해진 변수를 통해 식 (3)의 총 투자 예산이 최소가 되는 값을 산출할 수 있다.

투자 예산이 최소가 되는 각 솔루션별 적용가능 횟수를 각 변압기에서 선정한다. 그림 5와 같이 우선순위가 높은 변압기부터 변압기별 적용가능 한 솔루션들 중에서 고장률이 최소가 되는 솔루션을 우선적으로 선정하여 투자예산이 최소화가 되는 의사결정을 수행할 수 있다.

4. 제안된 투자 최적화 방식을 활용한 변압기 자산관리 모의 적용

본 논문에서는 제안된 방식의 변압기 자산관리의 투자 최적화 적용가능성을 확인하기 위하여 변압기 상황을 가정하여 투자 최적화를 진행하였다. 제안된 방식을 적용하기 위하여 비용과 고장률에 대한 가정은 다음과 같다. 실제로 변압기 부분 교체 및 수리 또는 점검 관련 수행 시 소요비용과 고장률의 변화에 대한 명확한 정보가 부족하여 제안된 투자 최적화 방식을 구현하고 실효성을 입증하기 위해 다음과 같은 가상의 값을 사용하였다.

전력용 변압기 고장률 곡선을 보았을 때, 사용년수에 따라 0~10년 평균 약 0.3%, 10~23년 평균 약 0.5%이며, 이후 마모기에 진입하여 변압기 교체년수인 32년에는 고장률이 급격히 상승하여 5%에 도달한다.(10) 따라서 본 논문에서는 마모기에 진입하기 이전을 기준으로 하여 고장률을 가정하였다.

변압기 교체, 부분 교체 및 수리비용은 자제비와 설치비 및 운송비 등을 다 포함한 금액이며, 부분 교체 및 수리를 진행하였을 경우 0~10년 사용한 변압기와 유사한 상태일 것으로 보고 동일한 고장률로 가정하였다. 또한 변압기 점검을 진행하였을 시 고장률 곡선 상에서 사용수명에 따른 고장률로 개선되었을 것으로 판단하여, 본 논문에서는 고장률을 0.5%로 가정하였다. Solution 4에 대하여 6년에 한번 실행하는 변압기 점검에 대하여 3년에 한번 점검하는 것으로 1년에 0.1억 원이 필요할 것으로 가정하였다. 이 경우 직접적인 고장률 완화는 없으나 본 논문에서는 0.6%의 고장률을 가지는 것으로 가정하였다.

- Solution 1 ($x_{1}$) : 변압기 교체, 소요비용 = 10억원, 조치 후 고장률 = 0%

- Solution 2 ($x_{2}$) : 부분 교체 및 수리, 소요비용 = 7억원, 조치 후 고장률 = 0.3 %

- Solution 3 ($x_{3}$) : 정밀점검, 소요비용 = 0.3억원, 조치 후 고장률 = 0.5%

- Solution 4 ($x_{4}$) : 점검기간 단축, 소요비용 = 0.1억원, 조치 후 고장률 = 0.6%

조치 후 평균 고장률은 식 (4)에 따라 1%를 넘지 않도록 한다. 평균 고장률에서 $Failure \enspace rate_{i}$는 각 솔루션 별 고장률을 나타내며 $Solution \enspace x_{i}$는 수행 할 수 있는 각 솔루션의 개수를 나타낸다. 또한 $n$은 전체 변압기 대수를 의미한다.

(4)
$$\begin{aligned} &\text{mean failure rate}\\ &=(\sum_{i=1}^{4} Failure \enspace rate_{i} · Solution \enspace x_{i})/n \end{aligned}$$

아래의 주어진 추가적인 제약조건은 표 1과 같다.

- Cost : 주어진 솔루션들은 전체 예산 50억 원 내에서 수행되어야 한다.

- Constraint 0 : 솔루션들을 조치한 후 평균 고장률은 1%이하여야 한다.

- Constraint 1 : 10대의 변압기 중 1대는 무조건 교체가 필요한 변압기다.

- Constraint 2 : 변압기 교체와 부분 교체 및 수리를 할 수 있는 예산은 30억 원이다.

- Constraint 3 : Solution 3의 수행 횟수는 최대 8회를 초과할 수 없다.

- Constraint 4, 5 : Solution 4, 5의 수행 횟수는 최대 9회를 초과 할 수 없다.

- Constraint 6 : 전체 변압기의 수는 10대다.

Table 1. Constrains of Portfolio Optimization

Constraints

Equation

Note

Cost

$f_{c}(x_{1},\: x_{2},\: x_{3},\: x_{4})\le 50$

Cost

Constraint 0

$f_{0}(x_{1},\: x_{2},\: x_{3},\: x_{4})\le 0.01$

Failure rate

Constraint 1

$f_{1}(x_{1})=1$

Transformer Replacement

Constraint 2

$f_{2}(x_{1},\: x_{2})\le 30$

Cost of Solution 1 & 2

Constraint 3

$f_{3}(x_{2})\le 8$

Component replacement & repair

Constraint 4

$f_{4}(x_{3})\le 9$

Precision Inspection

Constraint 5

$f_{5}(x_{4})\le 9$

Reduction of inspection period

Constraint 6

$f_{6}(x_{1},\: x_{2},\: x_{3},\: x_{4})=10$

Number of Transformer

Fig. 6. Portfolio Optimization applied to transformers
../../Resources/kiiee/JIEIE.2020.34.5.051/fig6.png

그림 6은 제안된 방식의 변압기 자산관리를 위한 투자 최적화를 나타낸다. 그림의 변압기는 위험도 분석에 의해 우선순위가 정해진 10대의 변압기를 대상으로 하며, 이 변압기를 교체 및 유지보수 할 수 있는 예산은 50억으로 가정한다.

선형계획법을 통하여 고장률 요구치에 만족하면서 최적의 비용으로 수행할 수 있는 솔루션 개수가 그림 6에 나타난 것과 같이 정해진다. 정해진 솔루션들은 정의된 변압기별 적용 가능한 솔루션 목록 중 고장률이 최소가 되는 순으로 분배해 주면 그림 6의 우측과 같이 투자예산이 최소화가 되는 의사결정을 수행할 수 있다.

전체 예산을 50억에서 투자예산 31.8억 원이 필요하며, 평균 고장률이 약 0.392% 정도로 솔루션 $x_{1}$, $x_{2}$, $x_{3}$, $x_{4}$가 각각 1, 3, 6, 0 건을 수행할 수 있다. 하지만 주어진 예산이 25억만 있다고 가정하였을 때, 25억을 전부 사용하여, 평균 고장률이 약 0.413% 정도로 솔루션 $x_{1}$, $x_{2}$, $x_{3}$, $x_{4}$가 각각 1, 2, 7, 0 건을 수행할 수 있다. 이와 같이 고장률이 조금 높아지지만 6.8억 원을 절약할 수 있다. 따라서 자산관리자는 주어진 조건과 회사의 지침 및 규정에 맞도록 허용 가능한 고장률 범위를 설정함으로써 투자 예산을 절약할 수 있다.

5. 결 론

본 논문에서는 변압기 건전도 및 위험도 평가를 근간으로 변압기 자산관리를 위한 투자 최적화 방식을 제안하였다. 변압기 자산관리를 위한 의사결정 문제를 수리적 모델로 정의함으로써 자산관리를 위한 최적의 투자 최적화 방법에 대한 연구를 진행하였으며, 대상 변압기에 모의 적용을 통해 제안된 방식의 성능과 실효성을 검증하였다. 투자 최적화를 수행한 결과 주어진 조건과 회사 지침 및 규정에 따라 투자예산을 조절함으로써 자산관리자가 원하는 허용범위 안의 고장률을 조절 할 수 있으며 변압기 자산관리를 위한 효율적인 방법임을 확인하였다. 다만 부분 교체 및 수리, 그리고 점검방법과 주기에 따른 비용 및 고장률을 단순 가정하여 모의 적용을 진행하였기 때문에 향후 각 부품 및 점검 방식에 따른 비용 및 고장률 산정에 대한 연구를 추가 진행할 예정이다.

Acknowledgements

This research was supported by Korea Electric Power Corporation (Grant number: R18XA06-60).

References

1 
2015, Strategic asset management of power networks, IEC White PaperGoogle Search
2 
2000, Ageing of the system impact on planning,” Technical Brochure 176, CIGRE WG 37.27Google Search
3 
Kim Donghyun, Lee Okbae, Ju Byungsu, 2000, KEPCO substation power transformer status and fault analysis,, KIEE Summer Conference, pp. 912-914Google Search
4 
Jahromi Ali Naderian, Piercy Piercy, Cress Stephen, Jim R. R., Fan Wang, 2009, An approach to power transformer asset management using Health Index, IEEE Electrical Insulation MagazineDOI
5 
Brandtzæg Georg, 2015, Health Indexing of Norwegian power transformers, M.Sc. Thesis, Norwegian University of Science and TechnologyGoogle Search
6 
Kweon Dongjin, 2018, Technology Trends of Power Facility Asset Management System, The Korean Institute of Electrical Engineers, Vol. 67, No. 1, pp. 30-33Google Search
7 
2020, Transmission Asset Risk Management,” Technical Brochure 422, CIGRE WG C1.16Google Search
8 
Wijnia Ype, 2016, Processing Risk in Asset Management, Ph.D Thesis, Delft University of TechnologyDOI
9 
Song Hansik, 2013, Linear Programming Applications to Managerial Accounting Decision Makings, Asia Pacific Journal of Business, Vol. 9, No. 4, pp. 19-117DOI
10 
Hur Yong-ho, 2018, A Study on DGA Pattern Analysis for Power Transformers based on the Machine Learning, Ph.D Thesis, Mokpo National UniversityGoogle Search

Biography

Gi-Hun Park
../../Resources/kiiee/JIEIE.2020.34.5.051/au1.png

He received his B.S. degree from Electrical Engineering at Mokpo National Univ. in 2018 and his M.S. degree from Electrical Engineering at Mokpo National Univ. in 2020, respectively.

Currently, he is Ph.D course in Electrical Engineering at Mokpo National Univ.

Su-Han Pyo
../../Resources/kiiee/JIEIE.2020.34.5.051/au2.png

He received his B.S. degree from Electrical Engineering at Mokpo National Univ. in 2018 and his M.S. degree from Electrical Engineering at Mokpo National Univ. in 2020, respectively.

Currently, he is Ph.D course in Electrical Engineering at Mokpo National Univ.

Jang-Hyun Park
../../Resources/kiiee/JIEIE.2020.34.5.051/au3.png

He received his B.S. degree from Electrical Engineering at Korea Univ. in 1995 and his M.S. degree and Ph.D degree from Electrical Engineering at Korea National Univ. in 1997 and 2002, respectively.

Currently, he is a professor, Dept. Electrical and Control Engineering, Mokpo National Univ.

Tae-Sik Park
../../Resources/kiiee/JIEIE.2020.34.5.051/au4.png

He received his B.S. degree from Electrical Engineering at Korea Univ. in 1994 and his M.S. degree and Ph.D degree from Electrical Engineering at Korea National Univ. in 1996 and 2000, respectively.

Currently, he is a professor, Dept. Electrical and Control Engineering, Mokpo National Univ.